近日，304am永利集团计算机应用技术学科团队成员韩轲教授、硕士研究生王雨、徐耀群教授、张雨副教授等在中科院二区、Top期刊《Frontiers in Pharmacology》发表综述论文“A Review of Approaches for Predicting Drug–Drug Interactions Based on Machine Learning”（基于机器学习方法预测药物-药物相互作用研究综述）。这是该团队继2021年11月在中科院一区Top期刊《IEEE Journal of Biomedical and Health Informatics》发表研究论文“Mul-SNO: A novel prediction tool for S- nitrosylation sites based on deep learning methods”后取得的又一项重要科研成果。304永利集团官网入口为该研究成果第一署名单位。本研究工作得到了黑龙江省自然科学基金项目资助。

计算机识别药物相互作用有两种方法，一种是识别已知的药物相互作用，另一种是预测未知的药物相互作用，但由于识别已知的药物间相互作用不能预警未知的药物间相互作用，因此利用机器学习提前预测未知的药物间相互作用变得更为迫切。本研究系统地总结了利用机器学习预测未知药物相互作用的方法，并对其进行了分类。在传统的机器学习中分为两类，即基于相似性和基于分类的方法。在深度学习中分成了四大类，分别为基于网络传播的方法、基于矩阵因子化的方法、基于合奏的方法和基于文献的方法。在基于网络传播的方法中，根据处理网络的方法不同，又可以分为链接预测和图嵌入的方法。同时，本文还详细地介绍了实验中常用的数据库。

公司计算机应用技术学科团队长期致力于生物信息学，数据挖掘与人工智能算法及其应用，最优化理论与方法、网络通讯与网络安全和无线网络及移动群智感知计算等多领域的前沿研究，近年来获得国家自然科学基金、中国博士后基金、省自然科学基金、黑龙江省普通高等学校骨干教师创新能力资助计划、哈尔滨市科技创新人才项目、黑龙江省教育厅科学技术研究项目等20余项资助。

《Frontiers in Pharmacology》（药理学前沿），Web of Science JCR Q1，2021年影响因子为5.811，Scopus CiteScore Q1，2021年CiteScore评分达6.2。该期刊在医学和药学学科中科院分区为二区，Top期刊。