SEMO（Selective Remodeling of Protein Networks by Chemicals，化学物质对蛋白质网络的选择性重塑）是DeepoMe开发的网络医学算法，已获国家发明专利授权（CN117766054B）。与传统高通量筛选关注单一靶点不同，SEMO从系统层面审视化合物对整个蛋白质相互作用（PPI）网络拓扑结构的影响，量化"网络落差"（Network Gap）作为干预相关性指标。
SEMO（Selective Remodeling of Protein Networks by Chemicals）是DeepoMe开发的网络医学算法。传统药物发现关注单一靶点与化合物的结合关系，SEMO从系统层面审视化合物对整个PPI（蛋白-蛋白相互作用）网络拓扑结构的影响，将药物视为对蛋白质网络的"重塑工具"而非简单的"靶点抑制剂"。
网络落差是SEMO引入的干预相关性指标。算法将个体组学数据（如DNA甲基化）映射到PPI网络，识别与疾病相关的网络子区域，然后计算化合物靶点对该子区域的"重塑效应"——即化合物能否将异常网络状态拉回正常。落差越大，干预相关性越高。
传统高通量筛选是"一对一"（一个化合物对一个靶点），SEMO是"多对多"（化合物靶点集合对疾病网络子区域）。前者关注结合亲和力，后者关注网络拓扑修复能力。SEMO更适合多靶点药物和老药新用场景。
是的，SEMO算法已获中国国家发明专利授权（CN117766054B），是DeepoMe的核心技术壁垒之一。该算法已整合到CapoVime®虚拟临床智能体平台中，服务AI制药全流程。
Genes & Diseases期刊（SCI收录，IF 7.108）秒读论文栏目解读熊江辉课题组DNA甲基化与糖尿病研究
阅读原文BioSpace报道：DeepoMe发布基于预训练的医学基础模型DamoPa
阅读原文BioSpace报道：新一代衰老时钟为3000个细胞通路计算衰老评分
阅读原文AI Drug Discovery
AI制药（AI Drug Discovery）是利用人工智能加速药物靶点发现、化合物筛选、作用机制分析和临床试验设计的制药新范式。DeepoMe深度甲基以DNA甲基化数据为核心，开发了SEMO（选择性蛋白网络重塑算法）和DeepVime（深度药食功效在体图谱技术），构建从靶点发现到功效评估的闭环系统，特别擅长药物重定位和老药新用。
Biomedical World Model
生物医学世界模型（Biomedical World Model）是世界模型概念在医学和生命科学领域的具体化：以分子、细胞、器官多尺度数据建立人体状态的内部表征，并学习状态在干预下的转移规律。DeepoMe深度甲基的SteeraMed是该方向的代表性工作，以DNA甲基化作为状态入口，结合蛋白-蛋白相互作用网络和化合物-靶点注释，构建可审计、可测试的干预推理证据链。
DNA Methylation
DNA甲基化（DNA Methylation）是在DNA序列特定位置（主要是CpG位点）添加甲基基团的表观遗传修饰。它不改变基因序列，但能调控基因表达，并随年龄、环境暴露、疾病状态动态变化——被称为"人体软件运行过程中写下的备忘录"。DeepoMe以DNA甲基化作为整个技术体系的"数据总线"，构建衰老检测、疾病预测和干预评估的统一计算框架。
Network Pharmacology
网络药理学（Network Pharmacology）是网络医学在药物研发中的应用分支，从"多靶点-多疾病"的系统视角研究药物作用机制。区别于传统"一药一靶"模式，网络药理学通过分析化合物靶点集合对疾病网络模块的协同重塑效应来评估药物效果。DeepoMe的SEMO算法是网络药理学的工程化实现，已获国家发明专利授权（CN117766054B）。