药物及其代谢产物对人体肝脏产生了一定的损害，称为药物性肝损伤（Drug-Induced Liver Injury）。目前引起药物性肝损伤的化学药物超过700种，包括中草药等天然产物药物则总数超过1,000种，成为一个不容忽视的公共卫生问题。药物性肝损伤也是新药研发过程中导致失败的主要原因之一，对临床前药物进行准确的肝损伤预测能够大大减少药物研发成本，并让药物能够更加安全的上市。

       最近几年，基于人工神经网络发展而成的深度学习技术在计算机图像识别、语音识别、自然语言处理等领域取得了巨大的突破，推动了人工智能的快速发展，再度燃起了人们对人工智能的渴望。深度学习技术面对大量的标签和无标签数据时，在没有人工干预的情况下能够自动提取有用的信息，基于这些信息进行较好的决策，减轻了人们处理大数据的“烦恼”。北京大学定量生物学中心裴剑锋、来鲁华课题组将深度学习技术应用于化学信息学与药物信息学领域，利用深度学习算法的自动特征提取能力以及强大的学习能力，发展了适用于药物和活性化合物肝损伤预测的深度学习模型（免费在线计算服务网址: http://www.repharma.cn/DILIserver/DILI_home.php），模型在预测198个外部测试药物时达到了86.9%的准确率、82.5%的敏感性以及92.9%的特异性，其预测能力远高于现有的其他计算预测模型。这项研究结果表明深度学习技术在化学信息学与药物信息学领域具有广泛的应用前景。

        此研究工作2015年10月13日在线发表于美国化学会期刊Journal of Chemical Information and Modelling上（http://pubs.acs.org/doi/abs/10.1021/acs.jcim.5b00238），并被选为美国化学会的编辑推荐论文（ ACS Editors' Choice）。北京大学前沿交叉科学研究院定量生物学中心二年级研究生徐优俊为该论文的第一作者，裴剑锋研究员和来鲁华教授为共同通讯作者。该研究得到了国家自然科学基金和科技部项目的资助。

药物导致肝损伤的深度学习预测模型