最近，国际疼痛研究顶级期刊《PAIN》发表江健教授团队在设计治疗疼痛相关药物研究方面的最新进展，相关成果以“Machine learning study of the extended drug–target interaction network informed by pain related voltage-gated sodium channels”在《Pain》（中科院一区Top, IF 7.926）上发表！第一作者陈龙为江健教授指导的研究生，通讯作者为江健教授的美方合作者密歇根州立大学的Guo-wei Wei教授。文章链接：http://dx.doi.org/10.1097/j.pain.0000000000003089）
疼痛是一个重要的全球性健康问题，当前与疼痛相关的治疗方案在疗效、副作用和上瘾性等方面都存在局限性，迫切需要改进治疗疼痛方案和研发相关新药。电压门控钠离子通道，特别是Nav1.3、Nav1.7、Nav1.8和Nav1.9，在神经元兴奋性中发挥关键作用，主要在末梢神经系统中表达。靶向这些通道可能为治疗疼痛提供一种方法，同时最大限度地减少中枢和心脏的不良反应。在这项研究中，我们基于疼痛相关的钠离子通道构建了蛋白质-蛋白质相互作用（PPI）网络，并开发了相应的药物-靶标相互作用网络，以发现潜在的疼痛治疗先导化合物。为确保可靠的机器学习预测，我们从PPI网络中的1000多个靶标池中仔细选择了111个抑制剂数据集。我们使用了3种不同的机器学习算法，并结合先进的基于自然语言处理（NLP）的嵌入表示方法，特别是预训练的转换器和自编码器表示。通过系统筛选过程，我们评估了针对Nav1.7和Nav1.8钠离子通道的15万多个药物候选者的副作用和重利用潜力。此外，我们还评估了这些候选者的ADMET（吸收、分布、代谢、排泄和毒性）特性，以发现具有接近最佳特性的先导药物分子。我们的策略为疼痛治疗的药物治疗学发展提供了一个创新平台，并且有可能提高疗效并减少副作用。
