删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

中国科学院上海药物研究所导师教师师资介绍简介-郑明月

本站小编 Free考研考试/2021-02-10
xm:郑明月
xb:男
zc:研究员
xl:博士
dh:
cz:
dzyj:myzheng@simm.ac.cn
grzy:https://www.researchgate.net/profile/Mingyue_Zheng/research
zjlb:研究员
zw:课题组长
txdz:上海市浦东新区祖冲之路555号1105室
grjj:郑明月，中国科学院上海药物研究所研究员、博士生导师、课题组长。中国化学会计算机化学专业委员会委员。研究方向是基于人工智能和大数据的精准药物设计技术开发，发展了一些具有特色和创新性的机器学习算法和模型，在活性化合物的作用机制和靶点发现、新靶点活性化合物的发现和成药性优化等方面取得了一些进展和成果。近年来，Trends Pharmacol Sci、Circ Res、Autophagy、J Med Chem、等杂志发表SCI论文70余篇；申请发明专利和软件著作权20项。目前主持自然科学基金面上项目，作为课题负责人参与科学院个性化药物先导专项，国家新药创制重大专项和生物安全关键技术国家重点研发计划等项目。

教育经历：

2001/09-2006/06，中国科学院上海药物研究所，药物设计学，博士

1997/09-2001/07，中国海洋大学，药物化学系，学士


yjfx:基于大数据和人工智能药物设计

1.针对药物临床前研究、基础研究、老药新用等领域开发人工智能算法，包括：（1）药物、药靶、适应症及其相互作用网络的表示学习方法，（2）药物合成反应、活性、药代、药效及安全性的深度学习模型，（3）基于生成式模型的全新药物设计技术等；

2.探索以深度学习、强化学习、生成对抗神经网络等为代表的人工智能技术在生物医药研发场景中的新应用；

3.发展基于药物多组学数据、核酸编码化合物库、高通量筛选以及药物专利文献的大数据挖掘技术；

4.构建全面表征药物作用靶点、体内外活性、药代、药效及安全性的药物信息综合数据库，构建用于人工智能算法开发和验证的药物高质量基准测试集；

5.开发基于生物医药大数据的药物研发决策辅助系统


dblz: Lifan, Chen; Xiaoqin, Tan; Dingyan, Wang; Feisheng, Zhong; Xiaohong, Liu; Tianbiao, Yang; Xiaomin, Luo; Kaixian, Chen; Hualiang, Jiang*; Mingyue, Zheng*. TransformerCPI: Improving compound-protein interaction prediction by sequence-based deep learning with self-attention mechanism and label reversal experiments. Bioinformatics, 2020, https://doi.org/10.1093/bioinformatics/btaa524
Yan, You; Wei-lian, Bao; SuLin, Zhang; Hai-Dong, Li; Hui, Li; Wen-zhen, Dang; SiLi, Zou; Xin-yue, Cao; Xu, Wang; Li-Xin, Liu; Hualiang, Jiang; Lefeng, Qu*; Mingyue, Zheng*, and Xiaoyan, Shen*. Sorting Nexin 10 Mediates Metabolic Reprogramming of Macrophages in Atherosclerosis Through the Lyn-dependent TFEB Signaling Pathway, Circ Res, 2020, 127:534–549
Zhaoping, Xiong; Dingyan, Wang; Xiaohong, Liu; Feisheng, Zhong; Xiaozhe, Wan; Xutong, Li; Zhaojun, Li; Xiaomin, Luo; Kaixian, Chen; Hualiang, Jiang*; Mingyue, Zheng*. Pushing the boundaries of molecular representation for drug discovery with graph attention mechanism. J Med Chem. 2020, 63, 16, 8749-8760.
Xutong, Li; Zhaojun, Li; Xiaolong, Wu; Zhaoping, Xiong; Tianbiao, Yang; Zunyun, Fu; Xiaohong, Liu; Xiaoqin, Tan; Feisheng, Zhong; Xiaozhe, Wan; Dingyan, Wang; Xiaoyu, Ding; Ruirui, Yang; hui Hou; Chunpu, Li; Hong, Liu; Kaixian, Chen; Hualiang, Jiang*; Mingyue, Zheng*. Deep Learning Enhancing Kinome-Wide Polypharmacology Profiling: Model Construction and Experiment Validation. J Med Chem. 2020, 63, 16, 8723-8737.
Jihui, Zhao; Rongrong, Cui; Lihao, Wang; Yingjia, Chen; Zunyun, Fu; Xiaoyu, Ding; Chen, Cui; Tianbiao, Yang; Xutong, Li; Yuan, Xu; Kaixian, Chen; Xiaomin, Luo; Hualiang, Jiang*; and Mingyue, Zheng*. Revisiting Aldehyde Oxidase Mediated Metabolism in Drug-like Molecules: An Improved Computational Model. J. Med. Chem. 2020, 63, 12, 6523–6537 Zunyun, Fu; Xutong, Li; Zhaohui, Wang; Zhaojun, Li; Xiaohong, Liu; Xiaolong, Wu; Jihui, Zhao; Xiaoyu, Ding; Xiaozhe, Wan; Feisheng, Zhong; Dingyan, Wang; Xiaomin, Luo; Kaixian, Chen; Hong, Liu; Jiang, Wang*; Hualiang, Jiang*; and Mingyue, Zheng*. Optimizing Chemical Reaction Conditions Using Deep Learning: a Case Study for Suzuki-Miyaura Cross-Coupling Reaction. Org. Chem. Front. 2020,7, 2269-2277 Sulin, Zhang; Zhiwen, Yang; Weilian, Bao; Lixin, Liu; Yan, You; Xu, Wang; Liming, Shao; Wei, Fu; Xinhui, Kou; Weixing, Shen; Congmin, Yuan; Bin, Hu; Wenzhen, Dang; Kutty Selva, Nandakumar; Hualiang, Jiang; Mingyue, Zheng*; Xiaoyan, Shen*. SNX10 (sorting nexin 10) inhibits colorectal cancer initiation and progression by controlling autophagic degradation of SRC. Autophagy. 2020, 16(4),735-749. Yulan, Wang; Yang, Dai; Xiaowei, Wu; Fei, Li; Bo, Liu; Chunpu, Li; Qiufeng, Liu; Yuanyang, Zhou; Bao, Wang; Mingrui, Zhu; Rongrong, Cui; Xiaoqin, Tan; Zhaoping, Xiong; Jia, Liu; Minjia, Tan; Yechun, Xu; Meiyu, Geng; Hualiang, Jiang; Hong, Liu*; Jing, Ai*; Mingyue Zheng*. Discovery and Development of a Series of Pyrazolo[3,4-d]pyridazinone Compounds as the Novel Covalent Fibroblast Growth Factor Receptor Inhibitors by the Rational Drug Design. J Med Chem. 2020, 62(16), 7473-7488. Zhaojun, Li; Xutong, Li; Xiaohong, Liu; Zunyun, Fu; Zhaoping, Xiong; Xiaolong, Wu; Xiaoqin, Tan; Jihui, Zhao; Feisheng, Zhong; Xiaozhe, Wan; Xiaomin, Luo; Kaixian, Chen; Hualiang, Jiang* and Mingyue Zheng*. KinomeX: a web application for predicting kinome-wide polypharmacology effect of small molecules. Bioinformatics, 2019, 35(24), 5354–5356. Mingyue, Zheng#; Jihui, Zhao#; Chen, Cui#; Zunyun, Fu; Xutong, Li; Xiaohong, Liu; Xiaoyu, Ding; Xiaoqin, Tan; Fei, Li; Xiaomin. Luo; Kaixian, Chen; Hualiang, Jiang*. Computational chemical biology and drug design: facilitating protein structure, function and modulation studies. Medicinal Research Reviews, 2018, 38, 914-950.

更多已发表论文信息：

https://www.researchgate.net/profile/Mingyue_Zheng/research


jyjl:中国科学院上海药物研究所，药物设计学，博士中国海洋大学，药物化学系，学士
gzjl: 中国科学院上海药物研究所，研究员 中国科学院上海药物研究所，副研究员 中国科学院上海药物研究所，助理研究员
ktxm:1.中国科学院战略性先导科技专项(A类)，XDA**，300万，课题负责人2.国家自然科学基金面上项目, **, 55.5万, 主持3.国家科技重大专项，2018ZX**-007-003，81.1万，子课题负责人4.国家重点研发计划生物安全关键技术研发专项, 2016YFC**, 370万, 课题负责人5.国家科技重大专项，2014ZX092，125万，子课题负责人6.国家自然科学基金青年项目，**，20万，主持
ryhj:中科院青年创新促进会会员上海药物研究所“优秀青年科技工作者”中国药学会施维雅青年药物化学奖赛诺菲-中科院上海生科院优秀青年人才奖上海市人才发展资金上海药物研究所“优秀课题组长”
xpwj:http://sourcedb.simm.cas.cn/zw/gb2020/yjzz/202008/P.jpg
kycg:课题组围绕新靶点的先导化合物发现、药靶发现、靶标-配体相互作用预测、化合物成药性早期预测等方面开展工作，通过综合运用化学信息学和数据挖掘等技术手段，结合药物化学合成及药效、药代和安全性评价体系，取得研究成果详述如下：

1.DNA编码化合物库大数据分析方法

DNA编码化合物库（DEL）是一种结合了组合化学和高通量筛选的新兴技术，可以产生高达百亿级别的大规模化合物实体库，在药物研发中具有重要的应用前景。针对目前DEL库技术存在的问题，我们开发了一种DEL数据的分析算法（发明专利申请：3.0）并开发了相关的软件（软件著作权：2019SR**）。该算法可以快速充分的进行核酸解码，可以通过生成虚拟库和相关化学信息学分析来辅助DEL库的设计，活性化合物的挑选，进而改善其成药性不足等问题。对于高效处理个性化药物研究中的化学大数据问题具有重要价值。

2.基于深度学习的化合物多靶点活性预测技术

激酶是癌症、炎症、糖尿病、心血管疾病和阿尔兹海默症重要的治疗靶标，如何设计多靶点或选择性的激酶抑制剂是目前创新药物研究的难点。我们利用药物活性大数据，发展了药物激酶谱预测分析的多任务深度神经网络方法，开发了药物激酶谱活性在线预测分析方法（J Med Chem. 2020, 63, 16, 8723-8737）及可视化公共服务平台KinomeX（Bioinformatics, 2019, 35(24), 5354–5356）。我们应用该模型预测了数个上市和在研激酶抑制剂的激酶谱，并进行了实验验证，预测谱与实验谱吻合度较高，并发现了这些抑制剂新的激酶作用靶点。相关结果表明基于深度学习的酶谱模型可以成功地应用于激酶药物设计和靶标发现。

3.基于图卷积神经网络的药物分子表示学习和性质预测技术

分子表示学习旨在从化合物结构直接获取分子属性和信息。对于药物设计来说，我们希望直接从小分子的结构中提取分子相关的ADME/T等性质，或对特定生物靶标的活性和作用。我们利用人工智能处理自然语言的注意力机制，开发全新分子图信息提取方法对小分子进行表征，构建出具有预测能力的分子表征方法Attentive FP （J Med Chem. 2020, 63, 16, 8749-8760）。该方法在物理化学性质（水溶性、亲油性、水和作用自由能），生物活性（HIV、BACE抑制活性）和生理活性(血脑透过率、毒副作用) , 等十余个预测任务上表现优异。其中 9个预测任务的综合指标显著优于前期文献报道的模型。此外，Attentive FP的可解释性相比通常的人工智能黑箱模型有很大的改进，能有效辅助我们对全新药物化学空间的探索。

4.药物分子化学合成和成药性优化技术

以往的化学结构优化需要大量的人力物力来合成大量的化合物，用以获得活性好的化合物。而我们则可以通过人工智能，开发出了新的方法来对需要合成的化合物进行预测，同时通过机器的自我学习能力，设计出全新的化学结构，并预测化合物相关的ADME/T等性质，该技术大大加快了先导化合物以及成药性优化的进程。目前我们已开发了基于量化计算和深度神经网络的化学反应条件优化模型，在Suzuki-Miyaura偶联反应中取得良好效果（Org. Chem. Front. 2020,7, 2269-2277）；在2019年默克公司组织的逆合成反应预测大赛中，我们开发的图卷积和注意力机制模型获得第二名（共370个参数团队）。目前我们通过相关技术实现了P300/CBP小分子化合物的快速设计合成-活性优化-药代动力学性质优化（J Med Chem. 2020, 63, 3:1337-1360），已经获得了数个成药性高的小分子化合物（发明专利申请：8.2）。

我们利用上述人工智能药物设计模型和方法高效发现和优化多种新骨架先导化合物和候选药物，包括：一类高活性P300/CBP小分子化合物（J Med Chem. 2020，63(3):1337-1360）、一类组蛋白甲基转移酶DOT1L小分子抑制剂（J Med Chem 2017, 60(5), 2026?2036），以及成纤维细胞因子受体激酶FGFR非共价抑制剂。其中FGFR抑制剂具有良好体内外抗肿瘤活性和安全性（J Med Chem. 2019, 62(16), 7473-7488）。研究团队由药物设计、分子与细胞生物学、化学生物学和药物合成化学等多学科成员组成，目前已构建了以人工智能和大数据驱动的药物设计，以及涵盖小分子→蛋白质→通路→细胞→动物水平研究的比较系统配套的技术平台体系，积累了丰富的的人工智能和药物开发的背景知识和研究经验。


shrz:中国化学会计算机化学专业委员会委员

相关话题/中国科学院 上海药物研究所

Free考研考试FreeKaoYan.Com
欢迎来到Free考研考试，"为实现人生的Free而奋斗"

© 2020 FreeKaoYan! . All rights reserved.