近日，根据科睿唯安（Clarivate Analytics）发布的最新高被引论文榜单，我校数学与统计学院江健教授团队2025年发表于国际化学领域顶级期刊Chemical Science的综述论文 “A review of machine learning methods for imbalanced data challenges in chemistry” (Chem. Sci., 2025, 16, 7637. DOI: 10.1039/d5sc00270b) 成功入选2026年度高被引论文。江健教授为论文第一作者，武汉纺织大学为第一通讯单位，该工作与美国密歇根州立大学Guo-Wei Wei教授团队合作完成。
数据不平衡是化学与药物设计领域长期存在的核心挑战之一。在实际化学数据集中，活性化合物样本往往远少于非活性化合物样本，这种类别分布的不均衡会导致机器学习模型产生偏差，难以准确识别稀缺但重要的活性分子，严重制约了AI辅助药物研发的可靠性与实用性。江健教授团队在这篇综述中系统梳理了化学领域应对数据不平衡问题的机器学习方法体系，从数据层面、算法层面和评估层面全面总结了当前主流技术路线，包括重采样策略、代价敏感学习、集成学习、迁移学习等多种方案，并深入分析了各方法在分子性质预测、药物靶标识别、化学反应预测等典型化学任务中的适用场景与优劣。该工作首次对化学领域的不平衡学习研究进行了完整的体系化梳理，为后续研究者提供了清晰的方法框架与实践指南，发表以来受到国际同行的广泛关注与持续引用。
Chemical Science是英国皇家化学会（Royal Society of Chemistry）的旗舰期刊，为中国科学院化学一区Top期刊，在全球化学领域享有高学术声誉。该期刊录用率约为15%，以发表具有突破性和高影响力的原创研究与综述著称，是化学及交叉学科领域具有权威性的学术刊物之一。
江健教授现为数学与统计学院教授、硕士生导师、数学与应用数学系主任，主要从事计算生物信息学、AI辅助药物设计、复杂网络及传播动力学等方向的研究。他先后在Chemical Reviews、AR Biochemistry、Chemical Science等国际权威期刊发表SCI论文30余篇，主持和参与国家自然科学基金5项、省部级项目4项，出版学术专著1部，并担任Briefings in Bioinformatics、JCIM等多个国际重要期刊审稿人。
江健教授所在的计算系统生物学团队负责人为张本龚教授，主要从事数学与大数据技术、计算系统生物学、机器学习、药物设计等领域交叉科学研究。近5年来，研究团队在单细胞测序数据分析、药物设计及发现、蛋白质结构预测和高光谱图像处理等研究领域取得了丰富的研究成果。团队教授2人，副教授4人，讲师2人，承担国家自然科学基金9项（其中面上4项），省部级项目5项，发表SCI论文60余篇。
点击量排行
发稿排行
