识别精度高达76.32%，浙大、之江团队用深度学习加速大规模药物发现和再利用

浙江大学、之江实验室和斯坦福大学的研究人员开发了一种通过分析线粒体表型变化来识别药物作用机制的方法。

研究团队建立了一个包含570,096张细胞图像的数据集，涵盖1,068种FDA批准的药物。

深度学习模型MitoReID能够准确分类药物的作用机制，并识别未知药物和天然化合物的作用机制。

MitoReID框架结合了时间维度和深度学习方法，提供了一种快速、自动化的药物作用机制预测方法。

该算法能够将477种FDA批准药物准确分类为38种已知的作用机制，并识别六种未知药物的作用机制。

MitoReID的优势在于能够捕捉全面的线粒体特征，超越传统形态测量技术的能力。

研究人员建议将更多信息整合到深度学习方法中，以提高MitoReID的性能。

图神经网络（GNN）被认为是整合药物-靶点和药物-疾病关系信息的有希望的途径。

该数据集具有识别对心血管系统和其他线粒体疾病影响的潜力，能够发现潜在的治疗候选药物。

研究人员期待通过不断改进方法，推动药物发现的进步。