唐贇

男， 华东理工大学， 教授/研究员/教授级高工或同等级别

学习/工作经历

1986.09-1991.07， 同济大学化学系，本科学生；
1991.09-1996.07， 中科院上海药物研究所，硕博连读研究生，导师：陈凯先院士、嵇汝运院士；
1996.10-2000.03， 瑞典Karolinska Institute，博士后，合作导师：Prof. Lennart Nilsson；
2000.04-2002.02， 美国NIH/National Cancer Institute，访问学者，合作导师：Dr. Marc Nicklaus；
2002.03-2002.12， 加拿大GlycoDesign Inc.，计算化学研究员；
2003.01-2004.04， 加拿大MDS Proteomics Inc.，计算化学研究员；
2004.05-2006.02， 复旦大学药学院，教授；
2004.09-至今 华东理工大学药学院，教授。

研究领域和兴趣

人工智能加速药物设计，化学信息学，计算毒理学，网络药理学，计算生物学

主要业绩

本人主要采用大数据和人工智能技术，发展了两个方面的预测方法，对药物体内行为及作用方式进行预测模拟，进而开展药物设计研究。1）基于网络推理的药物-靶标相互作用预测方法发展。基于复杂网络原理，我们发展了基于网络推理（Network-Based Inference, NBI）算法，可用于预测已知药物的新靶标；已被实验验证有效，一些老药被发现具有新用途；在此基础上，我们进一步发展了子结构-药物-靶标网络推理算法SDTNBI和bSTDNBI，这些方法可用于预测新化学实体的潜在靶标，阐明活性化合物的作用机制及毒副作用机制，还可以用于药物虚拟筛选，中药网络药理学研究；我们的方法不需要已知靶标三维结构，大大扩展了可预测靶标的范围，因而受到国际同行高度关注和跟踪研究，相关研究论文（代表性成果6）已被引用472次，为ESI高被引论文；在bSDTNBI的基础上，我们还发展了药物-通路关联性预测方法DPNetinfer等，并进一步建立了基于网络的在线预测系统NetInfer（网址：http://lmmd.ecust.edu.cn/netinfer/），可为用户免费预测化合物的潜在靶标、通路、MicroRNA、ATC代码和不良反应等。2）基于大数据和机器学习方法，发展了药代动力学性质及毒性（ADMET）预测方法，构建了各类ADMET预测模型，并建立了在线预测系统admetSAR（http://lmmd.ecust.edu.cn/admetsar2/）, 被包括DrugBank在内的国内外众多用户使用；相关研究论文（代表性成果5）已被引用723次，为ESI高被引论文，并在2021年1月被J. Chem. Inf. Model. 遴选为创刊60年来最具影响力的10篇论文之一；所发展的方法和技术，也被广泛应用于化合物的生态环境风险评估、计算毒理学等研究。在方法发展的同时，我们也与学院内外的多位教授以及制药企业合作，综合应用虚拟筛选、3D-QSAR分析、药效团模建、骨架跃迁等各种药物设计技术，针对肿瘤、神经系统疾病、代谢性疾病、感染性疾病等进行靶标预测、先导化合物发现、设计和优化等研究。已发表SCI收录论文220余篇，其中高被引论文3篇。获得计算机软件著作权5项，授权专利6项。独立编著《药物设计学》，2020年4月由化学工业出版社出版；主编《药学专业实验》，2020年8月由化学工业出版社出版。

主要荣誉和获奖：2005年入选上海市浦江人才计划，2008年入选教育部新世纪优秀人才支持计划；2009年获得上海市育才奖，2010年获得宝钢优秀教师奖，2013年获得上海市教学成果一等奖，2016年获得校教书育人奖。

主要学术兼职：中国化学会计算机化学专业委员会委员，中国毒理学会计算毒理学专业委员会委员，上海市毒理学会常务理事，上海市药学会药物化学专业委员会委员，上海市学位委员会学科评议组成员（药学学科），上海市新药设计重点实验室学术委员会委员，美国化学会期刊J. Chem. Inf. Model.编委，《华东理工大学学报（自然科学版）》编委。

代表成果

1. 彭亚媛#, 王熳炯#, 徐以香#, 吴曾睿, 王吉烨, 张超, 刘桂霞, 李卫华, 李剑*, 唐贇*. Drug repositioning by prediction of drug’s anatomical therapeutic chemical code via network-based inference approaches. Briefings in Bioinformatics, 2021, 22(2): 2058-2072. DOI: 10.1093/bib/bbaa027 已被引用3次。

2. 杨弘宾, 楼超峰, 孙丽霞, 李杰, 蔡迎春, 王状, 李卫华, 刘桂霞, 唐贇*. admetSAR 2.0: web-service for prediction and optimization of chemical ADMET properties. Bioinformatics, 2019; 35(6): 1067-1069. DOI: 10.1093/bioinformatics/bty707 已被引用163次。

3. 吴曾睿, 程飞雄*, 李杰, 李卫华, 刘桂霞, 唐贇*. SDTNBI: an integrated network and chemoinformatics tool for systematic prediction of drug-target interactions and drug repositioning. Briefings in Bioinformatics, 2017; 18(2): 333-347. DOI: 10.1093/bib/bbw012 已被引用71次。

4. 吴曾睿#, 卢伟强#, 吴荡, 罗安琪, 卞汉平, 李杰, 李卫华, 刘桂霞, 黄瑾*, 程飞雄*, 唐贇*. In silico prediction of chemical mechanism-of-action via an improved network-based inference method. British J. Pharmacol. 2016; 173(23): 3372-3385. DOI: 10.1111/bph.13629 已被引用38次。

5. 程飞雄, 李卫华, 周雅迪, 沈杰, 吴曾睿, 刘桂霞, Lee PW, 唐贇*. admetSAR: a comprehensive source and free tool for assessment of chemical ADMET properties. J. Chem. Inf. Model., 2012; 52(11): 3099-3105. DOI: 10.1021/ci300367a 已被引用723次。

6. 程飞雄#, 刘闯#, 姜晶, 卢伟强, 李卫华, 刘桂霞, 周炜星*, 黄瑾*, 唐贇*. Prediction of drug-target interactions and drug repositioning via network-based inference. PLoS Comput. Biol., 2012; 8(5): e1002503. DOI: 10.1371/journal.pcbi.1002503 已被引用472次。

7. 沈杰#, 谈乘方#, 张燕燕, 李曦, 李卫华, 黄瑾*, 沈旭, 唐贇*. Discovery of potent ligands for estrogen receptor β by structure-based virtual screening. J. Med. Chem. 2010; 53(14): 5361-5365. DOI: 10.1021/jm100369g 已被引用44次。

8. 沈杰, 程飞雄, 许柚, 李卫华*, 唐贇*. Estimation of ADME properties with substructure pattern recognition. J. Chem. Inf. Model. 2010; 50(6): 1034-1041. DOI: 10.1021/ci100104j 已被引用180次。

9. 唐贇（编著）。全国高等教育药学类规划教材《药物设计学》，化学工业出版社，2020年4月出版，北京，ISBN：978-7-122-35993-3，59.3万字。

10. 唐贇。基于大数据和人工智能的化合物毒性预测（邀请大会报告）。第六届全国生态毒理学大会，华南师范大学，广州，2019年4月26-28日。

*以上信息由高级会员个人更新和维护。