近日，浙江师范大学计算机科学与技术学院在人工智能驱动的药物发现领域取得一项标志性成果。周昌军教授及其2024级博士研究生林高铭（第一作者），联合瑞典 Halmstad University 的 Prayag Tiwari 教授、电子科技大学长三角研究院（衢州）的邹权教授与丁漪杰研究员等合作完成的学术论文“ TAPB: an interventional debiasing framework for alleviating target prior bias in drug-target interaction prediction ”已于12月2日在 Nature Communications 上在线发表。该成果是计算机科学与技术学院首次以第一完成单位在 Nature 子刊上发表论文。

Nature Communications在线发表

Architecture of the TAPB framework

该研究从因果推断视角切入，揭示了导致AI药物预测模型泛化能力不足的核心问题——“靶点先验偏差”，即模型易受训练数据中靶点标签分布不均的影响而学习到虚假关联。针对此问题，研究团队提出了TAPB干预性去偏框架，该框架首创性地将“氨基酸随机化”技术与因果推理中的“后门调整”方法相结合，显著提升了模型在新靶点上的预测准确性和可靠性，为AI驱动的药物发现提供了更为可靠的解决方案。

该研究成果得到国家自然科学基金、浙江省自然科学基金和衢州市政府的资助。

编辑：武艳