香港城市大学（城大）领导的研究团队成功开辟快捷途径，能够在多不胜数的化合物中，筛选出潜力高的进行研发，从而减少研制新药的时间及成本，准确度约50%。

（左起）段鑫先生、林旭東博士、史鵬博士、鄭淑嫻教授、王鑫博士

城大生物医学工程学系和生物医学系，联同美国哈佛医学院的科研团队，历经五年合作研究，在神经药理学方面取得突破。研究结果在科学期刊《自然通讯》发表，题为「以高通量大脑活动图谱和机器学习为基础的系统神经药理学研究」。

研究由城大生物医学工程学系副教授史鹏博士领导，旨在提供一个技术平台以预测化合物是否有潜力研发成治疗大脑疾病的新药。该平台有助加快发现新药的过程，节省成本。史博士说：「即使药物研发的成功率仅提高1%，对中枢神经系统疾病患者而言，足以带来重大改变。」

这项研究以小型脊椎动物——斑马鱼作为研究对象，对它们整个脑部进行扫描和追踪神经细胞的活动，以显示其大脑或中枢神经系统对药物的反应。这个药物筛选系统运用创新方法简化流程，因而能进行大规模实验。

史博士解释说︰「我们运用机械人、微流控技术与水动力，可于20秒内自动捕获并固定一条未经麻醉的斑马鱼，而过往要花上20分钟，因此可同时对多条斑马鱼进行扫描；更重要的是，我们的技术毋须用麻醉药来降低斑马鱼的运动功能，因此避免了干扰。」

大腦活動圖譜示例，用於預測化合物的神經藥理學性質

研究团队首先为179种现有中枢神经系统药物建立大脑活动图谱的参考库。他们对数以千计的斑马鱼分别逐一施加一种临床中枢神经系统药物，相关的大脑活动图谱显示斑马鱼脑部不同区域对这些药物的反应情况。然后，研究团队根据图谱之间的内在相似性，运用机器学习算法将这些药物按斑马鱼大脑生理表现分类为10个集群。

建立参考库之后，研究团队与城大生物医学系助理教授王鑫博士、哈佛医学院副教授Stephen Haggarty博士紧密合作，进行数据分析，运用机器学习算法来预测121种新型化合物的潜在临床治疗功效。机器学习策略预测到在121种新化合物中，有30种具抗癫痫特性。为了验证这个预测，研究团队从这30种潜在抗癫痫化合物中，随机挑选了14种，在斑马鱼的癫痫动物模型作行为学测试。结果显示，14种化合物中有7种能够减轻斑马鱼癫痫发作，而不会产生任何镇定性副作用，显示预测的准确度达到50%左右。史博士说：「结合快速的体内药物筛选系统和机器学习，我们为协助筛选出更具治疗药用潜力的新型化合物提供捷径，从而加快药物研发，降低整个过程中的失败比率。」

该论文的共同第一作者是生物医学工程学系副研究员林旭东博士、生物医学系副研究员段鑫先生，其他作者包括生物医学系郑淑娴教授、生物医学工程学系毕业生陈中原先生和前副研究员陈思亚女士。