癌症是一种由多种因素导致的复杂疾病，涉及多个基因突变，信号通路异常及代谢改变，临床上单一药物疗法往往会很快获得耐药性而失去疗效。同时，因为研发抗癌新药历程漫长，审批滞后，新药诞生的速度总是赶不上癌细胞突变的速度。 此时，在现有药物名单里研发不同药物的组合使用疗法，得到了越来越多临床医生及药物研发机构的青睐， 特别是那些通过合理搭配，能够增效减毒，即有协同效果的药抗癌药物组合。 然而，从巨量的药物组合可能性中通过实验遴选出具有协同抗癌作用的药物组合，犹如大海捞针般极具挑战。 因此，开发出一套能够快速高效的协同药物组合计算预测方法迫在眉睫。

        2015年9月28日，Nature著名学术子刊《Nature Communications》 （影响因子：11.47）在线发表了3344体育官方入口曹志伟课题组完成的一项重要研究成果：“Combining genomic and network characteristics for extended capability in predicting synergistic drugs for cancer”。 该组研究人员基于多成分多靶点药物的网络效应，结合癌症的基因表达谱特征，开发了一套用于协同抗癌药物组合的高效筛选系统（RACS），将国际上的协同用药预测准确率从 61%提升到了78%  (随机预测为50%，理想极态为 90%)。

        曹志伟课题组研究人员通过研究现有的抗癌药物组合的靶点和癌症基因表达谱特征，采用机器学习算法，提取出具有协同作用的抗癌药物组合的网络靶向特征，并将其用于潜在协同药物组合的排序筛选。RACS先后在B-细胞淋巴癌，乳腺癌，和肺癌细胞系上分别进行了实验验证，并利用斑马鱼肿瘤模型，验证出一组具有强协同作用且低毒的抗乳腺癌协同药物组合。 

每年FDA-批准的抗癌药物数量有限，而这些药物组合的可能性却近乎天文数字。 RACS系统的推出，将极大地降低现有抗癌药物协同组合研发的实验筛选空间，缩短研发周期，从而为临床病人的个性化用药提供快速理论指导。

        本研究工作在我校3344体育官方入口曹志伟教授和费俭教授课题组的共同合作下，由我院2010级生物医学工程直博学生孙怡同学主导完成，实验部分得到了费俭教授课题组及南方模式生物研究中心的大力支持。该项目受到了国家科技部和自然基金委的共同资助。