亮点构建自底向上数据流框架，统一中药多尺度靶点分析体系人工智能将单体化合物映射为中药材协同网络的基础节点人工智能对中药方剂配伍原则进行数学建模机制驱动的人工智能实现方剂智能推荐与精准剂量预测计算-实验闭环推动中药研究迈向科学第５范式hemin1976@xtu.edu.cn (M. He)jingzhao@um.edu.mo (J. Zhao)spli@um.edu.mo (S. Li).#中药#人工智能#多尺度靶点分析#单体化合物#中药材#中药方剂背景中药具备多化合物、多靶点的独特治疗模式，但其复杂性阻碍了作用机制解析与标准化研究。人工智能已应用于中药研究的细分领域，但尚未形成覆盖单体化合物（SC）-中药材（CMM）-中药方剂（CMF）层级结构的整合体系，难以系统解析从单体药理到复方协同的完整机制。目的提出全新的AI 驱动框架，通过跨尺度数据流实现中药多尺度靶点分析的统一，以 AI 为核心实现单体化合物、中药材、方剂层面的全景解析。核心科学内涵该框架以单体化合物层面预测的分子靶点为基础输入，解析中药材内多化合物协同网络；进一步整合网络模块，揭示方剂复杂多靶点协同机制，为方剂智能推荐与精准剂量预测提供支撑。本综述重点探讨中医理论与分子数据间的语义鸿沟等核心挑战，倡导建立计算-实验闭环验证AI预测结果，并提出研发中药专用大模型等前沿方向，为中药的科学验证与国际化提供明确路径。引言表1本综述与代表性AI中药综述的定量与概念对比从研究范围、整合局限性、单体化合物/中药材/方剂覆盖度、精准剂量预测、系统数据流、全维度覆盖率对比本综述与既往研究；U=覆盖，Partial=部分覆盖，✗=未覆盖；覆盖率基于5个核心维度（单体靶点预测、药材协同网络、方剂机制、精准剂量、跨尺度数据流）定量评估，全维度覆盖率达100%。分子基础：AI驱动下从化学空间到生物靶点的数字化创新AI工具优化靶点预测表2代表性AI靶点预测网络工具核心综述按特征法、传统机器学习、深度学习、混合模型分类，列明算法、功能、优缺点、性能指标、网址与参考文献；AUC=受试者工作特征曲线下面积，DL=深度学习，ECFP4=扩展连接性指纹4，GA=遗传算法，GNN=图神经网络，GPCRs=G蛋白偶联受体，IC
