代谢组学是研究生物体被扰动后其小分子代谢产物种类及数量变化的一门学科，是新药研发领域中的重要学科。代谢组学通过分析生物体对扰动的响应，找出药物作用后引起的生物代谢变化，可获得最接近表型的药理及毒理学信息。近期，浙江大学智能创新药物研究院创新药物靶标发现平台朱峰团队在国际知名方法学领域权威期刊《Nature Protocols》发表了题为“Optimization of metabolomic data processing using NOREVA”的研究论文。

  该研究开发了一套基于机器学习和并行计算的优化组学信号处理策略的方法。该方法可通过大规模扫描现有的海量信号处理流程，针对用户给定的代谢组学原始数据，可以快速地优化出性能最佳的组学数据处理流程。这一方法实现了对新药开发领域常见的“时间序列”和“多分类”代谢组学问题的数据处理，对药物靶标发现、药物代谢、药物响应与疾病发生发展的病理学机制研究有着重要的价值。

处理基于MS/NMR生成的代谢组学峰表示意图

  为解决大规模扫描海量信号处理流程过程中所面临的计算资源瓶颈问题，本研究首次将并行计算架构引入代谢组学数据处理。该项工作中的测试显示，相比串行运算来说，该方法整合的并行计算仅在个人电脑上就将运行效率提高了10倍以上，目前正在阿里云平台上部署运行和对外服务。

  浙江大学智能创新药物研究院致力于运用人工智能技术突破新药研发的瓶颈问题。重点发展基于人工智能的药物研发新方法和新技术，开发代谢组学数据处理新方法，将更快速和准确的评价候选药物的毒性，缩短新药研发周期，提高研发成功率，推动生物医药产业高质量发展。