SEMO Algorithm
SEMO 算法
SEMO Algorithm
从生命状态到干预方案的转换引擎
完整定义
SEMO是一个预训练的网络医学模型，通过将全局人类蛋白质-蛋白质相互作用(PPI)网络划分为更小的子网络，并统计比较化学物质的靶点与非靶点基因集来量化化学物质的潜在效应。它能从状态表征到干预方案生成，填补了医学从'知道状态'到'生成方案'的系统性空白。
从第一性原理的推导
从第一性原理推导：
1. 如果生命是能力集合，那么干预的目标是恢复或增强特定能力。
2. 能力的分子基础可以通过网络药理学方法进行建模。
3. 因此，可以构建一个算法，从能力状态表征自动推导出干预方案。
为什么重要
现有医学AI主要做预测和辅助诊断，缺少从状态到干预的系统性生成能力。SEMO填补了这一空白，是能力组学走向应用的核心引擎。
关联文章
关联论文
- 从网络药理学到能力组学，《中国药理学与毒理学杂志》2023年S1期