《人工智能在药物研究中的应用》（订购）
冯月华 闫效莺 著
西安电子科技大学出版社

　　新药研发，向来是一场“耗时耗力又高风险”的漫长征程——从靶点发现到上市，平均耗时10年以上，成本高达数十亿元，且成功率不足10%。当人工智能技术席卷全球，这场关乎生命健康的“攻坚战”，终于迎来了高效破局的新路径。

　　由冯月华、闫效营两位学者潜心撰写，西安电子科技大学出版社出版的《人工智能在药物研究中的应用》已正式出版。这本专著聚焦AI与药物研发深度融合、兼具学术性与实用性，为相关领域研究者搭建起从理论到实践的桥梁。

　　随着AI技术在生物医药领域的快速渗透，药物相互作用（DDI）预测已成为新药研发、临床安全用药的关键环节——多种药物联用可能引发未知不良反应，而传统检测方法费时费力，难以覆盖所有药物组合的可能性。本书立足这一核心需求，以“AI算法创新”为核心，构建了完整的药物相互作用预测研究体系，亮点突出、特色鲜明：

　　聚焦前沿，直击行业瓶颈

　　全书围绕药物研发中的核心难题——药物相互作用预测，系统梳理当前研究现状，精准指出传统方法存在的局限，如无法捕捉样本间关系、对新上市药物预测能力不足、解释性差等，针对性提出解决方案，贴合行业实际需求。

　　创新引领，呈现4种新型AI算法

　　针对四种不同场景的药物相互作用预测问题，作者团队自主研发4种新型人工智能算法，层层递进、覆盖全面，填补了相关研究空白：

　　·DPDDI方法（基于图卷积网络）：解决样本独立同分布假设下无法捕捉样本关系的问题，实现已知药物潜在相互作用预测；

　　·CSGN-DDI方法（基于分子图注意力机制）：突破新上市药物预测难题，增强预测结果的可解释性，贴合临床实际应用场景；

　　·MTDDI方法（基于多关系图卷积网络）：实现药物动力学层级上的多类型相互作用预测，支持多标签冷启动预测；

　　·SGRL-DDI方法（基于社交理论增强图表示学习）：创新性融入社交网络理论，实现药物相互作用“增强/抑制”药理变化及不对称关系的多任务预测。

　　体系完整，兼顾理论与实践

　　本书结构清晰、逻辑严谨，从基础到前沿，层层深入:

　　·基础铺垫：第1章详解药物数据库及药物特征表示，为后续研究筑牢基础；

　　·行业综述：第2章全面梳理AI在药物研发各环节（靶点识别、化合物筛选、药物重定位等）的应用进展；

　　·核心研究：第3—7章聚焦药物相互作用预测，从问题分析、算法设计到实验验证，完整呈现研究全过程，每章均包含详细的实验数据、参数设置与结果分析，可直接作为科研参考；

　　·总结展望：第8章梳理全书核心成果，展望AI在药物研究领域的未来发展方向，为后续研究提供思路。

　　受众清晰，适配多元需求

　　本书既适合生物信息研究方向、药物研究方向的研究生及科研人员作为参考书，助力其开展相关课题研究；也适合想系统了解AI在药物研发领域应用的读者，帮助其快速掌握行业前沿动态，兼具学术价值与科普价值。

编辑寄语

　　在“面向人民生命健康”的国家战略指引下，AI赋能药物研发已成为行业发展的必然趋势。本书最大的价值，在于将AI算法创新与药物研究实际需求深度结合，不仅系统梳理了行业前沿进展，更呈现了作者团队的原创性研究成果——4种新型算法均经过严格的实验验证，兼具理论创新性与实践可行性，能够为相关领域的科研工作提供切实的参考与支撑，无论是高校研究生、科研机构研究者，还是生物医药企业的研发人员，都能从本书中获取有价值的信息，助力其在AI药物研发领域的探索与突破。

来源：西安电子科技大学出版社