清华大学北京市中医药交叉研究所
扫一扫关注微信公众号
UNIQ系统利用现有的高质量数据“发现”了一个客观规律--药物/疾病越相似其对应分子在网络层面越聚集， 该规律与中医药原理--取象比类一致，说明了中医药原理的科学性，由此指导UNIQ系统算法开发UNIQ系统 创建了中西医表型、生物分子网络、中西药物的“关系推断”核心算法，代表算法实现了大规模、全基因组水 平的致病基因谱、药物靶标谱预测，预测富集度分别达到了同期国际同期算法的2.3倍和5.9倍。在系列核 心算法的基础上，将病证和药物“定位”于分子层次，计算预测药物组合与协同干预模块，并实现"表型-组织 -细胞-分子"等多层次信息的跨尺度系统整合，进而全景式解析中西医表型-细胞-分子-中西药物之间的关系。
| 预测方法 | UNIQ系统水平 | 国内外水平 |
|---|---|---|
| 药物靶标预测 | 预测富集倍数(fold enrichment):29.4
(ZL201010218468.X) |
预测富集倍数:5.0
(Campillos et al. Science,2008) |
| 病症基因预测 | 预测富集倍数:53.5
(Wu et al. Mol Syst Biol,2008) |
预测富集倍数:23.1
(Lage et al. Nature Biltech,2007) |
| 药物靶标激活/抑制预测 | 预测性能(AUPRC):0.87
(Zhang et al. Brief Bioinform,2023) |
预测性能(AUPRC):0.66
(Chen et al. Brief Bioinformatics,2020) |
| 病症-药物关联预测 | 预测性能:0.90
(Zhao et al. Brief Bioinformatics,2012) |
预测性能:0.84
(Kutalik et al. Nature Biotech,2020) |