基于网络药理学的菊花舒心片治疗冠心病稳定型心绞痛的作用靶点预测

目的基于网络药理学预测菊花舒心片治疗冠心病稳定型心绞痛的作用靶点。方法综合利用Drugbank数据库、Therapeutic Target Database数据库及idTarget服务器的数据信息,Cytoscape3.2.1软件、ClueGO软件的分析功能,构建稳定型心绞痛的分子生物网络、菊花舒心片的成分-靶点网络及菊花舒心片成分-稳定型心绞痛靶点网络,从多个角度探索菊花舒心片治疗稳定型心绞痛潜在的分子机制。结果菊花舒心片可直接作用于12个稳定型心绞痛靶点及83个与稳定型心绞痛相关的靶点,这些靶点可通过抗氧化损伤、改善内皮功能、抗炎等发挥对心血管系统的保护作用。结论菊花舒心片可通过多靶点、多途径,直接或间接的发挥对稳定型心绞痛的治疗作用。

药物靶点预测中类别不平衡问题的研究进展

针对药物靶点预测中类别不平衡的问题,归纳总结相关学者提出的各种处理方法,力求改善药物靶点预测中类别不平衡状况,为药物靶点预测的相关研究提供有利的参考和借鉴。以中国知网、维普、万方数据和PubMed作为主要文献检索平台,查询整理相关文献,对药物靶点预测中类别不平衡问题的研究进行综述。共检索到相关有效文献81篇,结果显示类别不平衡问题主要从数据层面、学习算法层面和构造负样本层面着手处理。其中,数据层面的方法主要通过减少或增加一定的数据来平衡数据集;学习算法层面的方法主要利用半监督学习和集成学习思想来使分类算法适用于不平衡数据或构造出平衡数据集;构造负样本层面的方法则是采用一些策略从大量未标记样本中筛选出高可靠的负样本。药物靶点预测中类别不平衡问题的处理方法较多,不同的方法均有特色,但各方法之间无明显差异,都可一定程度上提高药物靶点预测水平,从而为药物靶点预测相关研究提供有力的技术支持。

基于文献的中医经方靶点预测模型研究

由于经方由药材构成,药材又由成分组成,成分和靶点在靶点数据库中可以建立直接联系。因此先提取经方配方和经方成分;然后进行靶点提取,借助靶点数据库构建靶点筛选模型;最后将不同来源的靶点汇总,计算靶点置信度,绘制经方靶点预测。根据经方到靶点的不同路径建立从经方到靶点之间的联系,构建经方靶点预测模型,并以芍药甘草汤和大黄黄连泄心汤为例进行综合实验验证预测模型的有效性。预测模型利用自然语言处理技术,借助外部数据库,从文献中发现经方靶点,可以减轻科研人员文献调研的负担。

基于计算的中药靶点预测研究探讨与实验分析

鉴于药物微观作用具有的基本网络调控特性,网络药理学已经成为药物机理研究和新药研发的新思路。本文从计算方法的角度对网络药理学的核心研究内容之一:药物靶点关系及其预测的分析方法进行综述,在此基础上,总结了近年来药物靶点预测分析方法所遵循的一般原理和步骤。鉴于中药成分的多样性、药物的整体调控能力和高质量药理数据的缺乏等问题,中药面向靶点网络的调控机理研究具有更大难度。因此,本文还探讨了中药药物靶点预测分析研究的主要难点与研究趋势。最后,结合实际整合后的中药网络数据、化学结构相似性计算和链接预测方法,应用一种基于复杂网络的中药靶点预测分析方法进行了示范实验研究,并探讨中药靶点预测分析的重点研究方向。

南海海绵Pseudoceratina sp.化学成分的细胞毒协同增效作用及靶点预测

以肿瘤细胞毒活性筛选为导向,采用硅胶柱色谱及高效液相色谱等现代色谱技术对南海海绵Pseudoceratina sp.化学成分进行分离纯化,并利用电喷雾质谱和核磁共振波谱等波谱技术对化合物进行结构表征;采用磺酰罗丹明B(SRB)法评价化学成分对人肺癌细胞A549、人肝癌细胞HepG2和人宫颈癌细胞HeLa的增殖抑制作用,分析化学成分和单一化合物的细胞毒活性,探讨可能的联合作用机制;采用Chemmapper Server对化合物进行靶点计算,推测作用靶点。结果表明,从南海海绵Pseudoceratina sp.中分离并鉴定得到溴代酪氨酸类生物碱hemifistularin-3(1)和11,19-dideoxyfistularin 3(2),2个化合物对3种肿瘤细胞的半数抑制浓度(IC_(50))均大于91.76μmol/L,而以一定配比时IC_(50)可达到8.71μmol/L,二者对肿瘤细胞的增殖抑制具有明显的协同作用;2个化合物作用靶点可能集中在热休克转录因子1和辣椒素受体1,而协同作用可能跟化合物的多靶标作用相关。

一种通过代谢差异分析抑制SARS-CoV-2复制的靶点预测方法

提出一种通过代谢差异分析抑制新型冠状病毒(SARS-CoV-2)复制进程的靶点预测方法。该方法基于肺宿主细胞的基因表达数据,重建病毒入侵后宿主细胞代谢系统发生变化的部分网络模型,并通过单基因敲除和细胞毒性测试识别候选靶点。此外,分析抗病毒靶点对目前已知的多种SARS-CoV-2变体的稳健性。结果表明,D-丙氨酸是影响SARS-CoV-2复制的关键代谢物,且适用于当前所有的SARS-CoV-2变体。调控D-丙氨酸的基因PLPBP是主要的基因靶点。本文方法具有通用性,适用于现有病毒及宿主细胞,为应对病毒性疾病提供新思路。

附子多成分作用靶点预测及网络药理学研究

目的:以常用中药附子为例,探索以中药化学成分预测其作用靶点,并构建中药多成分-多靶点网络。方法:根据1 401个美国FDA批准上市药物的分子结构及其相应靶点数据,采用随机森林法建立靶点预测模型;进而依据附子所含化学成分预测其作用靶点,并据此构建附子多成分-多靶点网络。结果:以附子的22个化学成分预测出多个作用靶点,预测结果得到文献数据印证。所建网络模型中每个化合物的平均靶点数为16.3,平均每个靶点与4.77个化合物相关联,反映出中药"多成分、多靶点"特点。结论:本方法可用于发现中药的某些潜在作用靶点。

糖尿病肾病相关miR-130b-3p靶点的生物信息学预测

目的:预测miR-130b-3p靶基因,并对靶基因的分子功能、生物学进程和信号通路进行富集分析,为深入研究糖尿病肾病相关miR-130b-3p的靶基因功能提供理论基础。方法:通过NCBI和miRbase数据库检索基因。应用Vector NTI软件进行miR-130b-3p序列分析,应用Target Scan,pic Tar,RNA22,PITA和miRanda软件预测靶基因,通过DAVID和KEGG数据库进行靶基因功能与信号通路富集分析。结果:已知成熟的不同物种miR-130b-3p核酸序列高度保守。靶基因主要富集在核质和细胞溶质,分子功能主要富集在蛋白绑定和转录因子激活。经典的miR-130b-3p靶基因集合明显富集于KEGG数据库中的TGF-β、AMPK和内吞作用等7个信号转导通路。疾病富集分析与糖尿病高度相关。结论:成功预测miR-130b-3p靶基因,部分靶基因参与的功能及信号通路与糖尿病肾病发生发展过程密切相关。

基于结构特征的药物靶点亲和力预测

预测药物与其靶向蛋白的结合亲和力是研发新药的关键步骤。传统的湿实验耗时长,成本高。随着人工智能技术的快速发展,在药物筛选阶段应用深度学习的技术可以大幅度提升研发效率。针对上述问题,提出一种基于卷积神经网络预测药物靶点亲和力的方法。将蛋白质和小分子的结构特征分别转换成对应的三维矩阵,送入对应的三维卷积神经网络中进行训练,然后再通过若干层全连接神经网络提取特征值,得到最终的亲和力值。实验结果表明,该模型可有效地预测药物靶点亲和力,具有良好的应用前景。

基于网络药理学预测小檗碱治疗心房颤动作用靶点及通路

目的探讨基于网络药理学预测小檗碱治疗心房颤动的作用靶点及通路。方法通过GeneCards、Swiss Target Prediction、TCMSP数据库筛选小檗碱作用靶点。通过DisGeNET、OMIMD、TTD数据库检索心房颤动的相关疾病靶点。将共同作用靶点输入STRING平台构建蛋白-蛋白(PPI)网络模型。使用DAVID平台及Cytoscape软件对相应靶点进行GO分析和KEGG信号通路富集分析,并分析小檗碱治疗心房颤动的作用靶点及通路。结果共筛选得到小檗碱与心房颤动共同作用靶点50个。白细胞介素6(IL-6)、肿瘤坏死因子(TNF)、血管内皮生长因子(VEGF)、内皮型一氧化氮合酶(NOS3)、基质金属蛋白酶-9(MMP9)、信号转导与转录激活因子3(STAT3)等核心靶点较重要。与心房颤动有关的生物功能主要富集于脂多糖的响应、活性氧代谢过程、第二信使介导的信号传递、蛋白激酶活性的激活、细胞对氧化应激的反应、细胞外基质的组织、细胞外调节蛋白激酶级联、急性炎症反应、转化生长因子β(TGF-β)的响应、丝裂原活化蛋白激酶(MAPK)活性的激活、Janus激酶-信号转导子和转录激活子(JAK-STAT)级联等。小檗碱作用靶点可能与TNF信号通路、流体剪切应力和动脉粥样硬化、G磷脂酰肌醇3激酶/蛋白激酶B(PI3K-Akt)信号通路、MAPK信号通路、白细胞介素17(IL-17)信号通路、Toll样受体(TLR)信号通路、缺氧诱导因子1(HIF-1)信号通路、VEGF信号通路、肥厚型心肌病信号通路、TGF-β信号通路等密切相关。结论小檗碱治疗心房颤动从多靶点、多通路发挥作用。

基于网络药理分子对接技术及实验验证探究十味接骨方治疗骨关节炎的作用靶点及机制

目的基于网络药理学及分子对接技术研究十味接骨方治疗骨关节炎的潜在作用靶点及机制。方法利用中药系统药理学数据库筛选十味接骨方的活性成分及对应靶点,并通过GeneCards、Digsee、DisGeNET数据库获取骨关节炎疾病靶点。然后将药物活性成分靶点及疾病靶点的交集录入STRING数据库,构建两者相互作用网络。采用clusterProfiler 3.8.1将所得交集靶点信息进行GO与KEGG富集分析。利用AutoDock 4.2.6软件对重要活性成分与靶点进行分子对接验证。采用细胞计数试剂盒-8及实时荧光定量多聚核苷酸链式反应技术对经十味接骨方处理后软骨细胞的细胞活力及骨关节炎关键基因的RNA表达进行检测。结果共得到679个药物活性成分及2411个作用靶点。主要活性成分为:木犀草素、乌索酸及汉黄芩素等。相关靶点主要为:蛋白激酶B(AKT1)、肿瘤坏死因子(TNF)、白细胞介素-6(IL-6)、血管生长因子A(VEGFA)、白细胞介素-1B(IL-1B)、肿瘤蛋白P53(TP53)、胱天蛋白酶3(CASP3)、前列腺素内过氧化物合酶2(PTGS2)、表皮生长因子受体(EGFR)、基质金属蛋白酶-9(MMP-9)等。富集分析结果显示十味接骨方抑制骨关节炎发生的关键通路为脂质与动脉粥样硬化信号通路。分子对接结果表明十味接骨方的主要活性成分木犀草素、乌索酸、汉黄芩素与骨关节炎关键靶点TNF、IL-6、VEGFA有较好的结合能。细胞活力及细胞增殖结果表明十味接骨方可以有效促进软骨细胞的生长增殖。基因及蛋白表达结果表明十味接骨方可以显著下调骨关节炎关键蛋白TNF、IL-6、VEGFA的表达。结论十味接骨方可能是通过组方中的木犀草素、乌索酸和汉黄芩素等主要活性成分调控脂质与动脉粥样硬化通路中TNF、VEGFA、IL-6等关键蛋白的表达,抑制骨关节炎的发展。

沉香挥发油成分-靶点预测研究

目的 通过网络药理学研究方法,预测沉香挥发油化学成分-疾病治疗靶点。方法 首先,采用GC-MS对沉香挥发油成分测定分析,构建化合物数据库;其次,采用虚拟计算对数据进行吸收、分布、代谢、排泄(ADME)和作用靶点预测;最后,对预测所得的潜在靶标进行分类并与已知睡眠障碍、焦虑及抑郁相关疾病的治疗靶点进行比对分析,预测沉香疾病治疗靶点,并构建化合物-治疗靶点-疾病网络。结果 沉香挥发油可以通过配体-受体相互作用、c AMP信号、5-羟色胺能神经、胆碱能神经、多巴胺能神经等多条信号通路发挥神经调节作用;同时筛选到11个化合物对30个治疗失眠、焦虑和抑郁相关靶点有潜在作用。结论 沉香挥发油对睡眠障碍、焦虑及抑郁等神经系统疾病具有潜在的预防和治疗作用,这为沉香挥发油镇静安神及作用机制的深入研究开发提供理论依据和数据支撑。

基于网络药理学预测降酸除痹方治疗痛风作用靶点与通路

目的基于网络药理学方法预测降酸除痹方治疗痛风性关节炎作用靶点与通路。方法采用Therapeutic Targets数据库,Genetic Association数据库,Traditional Chinese M edicine Systems Pharmacology数据库获得痛风性关节炎靶点以及降酸除痹方药物靶点,采用Uniprot数据库转换信息,采用Cytoscape3.2.1软件包括Bisogene插件,Merge插件,Cyto NCA插件构建网络,最后通过DAVID数据库和Omicshare数据库做通路分析和结果可视化。结果降酸除痹方作用于痛风性关节炎有核心靶点蛋白295个,而这些蛋白主要富集在EB病毒感染,癌症,病毒致癌,PI3K-Akt通路,MAPK通路等多条通路,与痛风的治疗均有密切的联系。结论降酸除痹方治疗痛风性关节炎从多靶点、多通路发挥作用。

基于SVM的药物靶点预测方法及其应用

目的:基于已知药物靶点和潜在药物靶点蛋白的一级结构相似性,结合SVM技术研究新的有效的药物靶点预测方法。方法:构造训练样本集,提取蛋白质序列的一级结构特征,进行数据预处理,选择最优核函数,优化参数并进行特征选择,训练最优预测模型,检验模型的预测效果。以G蛋白偶联受体家族的蛋白质为预测集,应用建立的最优分类模型对其进行潜在药物靶点挖掘。结果:基于SVM所建立的最优分类模型预测的平均准确率为81.03%。应用最优分类器对构造的G蛋白预测集进行预测,结果发现预测排位在前20的蛋白质中有多个与疾病相关。特别的,其中有两个G蛋白在治疗靶点数据库(TTD)中显示已作为临床试验的药物靶点。结论:基于SVM和蛋白质序列特征的药物靶点预测方法是有效的,应用该方法预测出的潜在药物靶点能够为发现新的药靶提供参考。

灵芝酸A-靛红拼合物的合成、抗肿瘤活性及靶点预测研究

目的 将灵芝三萜中的主要成分灵芝酸A与具有抗肿瘤作用的靛红片段进行拼合,对所得的拼合物进行体外抗肿瘤活性评价,分析构效关系,并对灵芝酸A及其拼合物的靶点进行预测。方法 将灵芝酸A与1个单元或3个单元长度的聚乙二醇连接,再通过点击化学反应与靛红片段进行拼合,采用噻唑蓝(MTT)法考察合成拼合物对乳腺癌MCF-7细胞、肝癌HepG2细胞、骨肉瘤SJSA-1细胞和正常细胞系HK-2细胞的抗增殖活性。结果 共合成16个不同长度及不同取代的灵芝酸A-靛红拼合物,确定结构,为结构全新的化合物。部分拼合物表现出良好的抗肿瘤活性,且靛红片段上的取代基对抗肿瘤效果影响较大,其中6位取代活性最优。反向找靶及分子对接结果表明,灵芝酸A及拼合物可能通过调控鼠双微体2/X蛋白(mouse double minute 2/X,MDM2/X)发挥抗肿瘤作用。结论 该系列化合物对MCF-7细胞的选择性较强,化合物A11和A16具有进一步研究的价值,具有开发为双靶点或多靶点抗肿瘤化合物的潜力。

基于网络属性的抗肿瘤药物靶点预测方法及其应用

【目的】旨在发现潜在的抗肿瘤药物作用靶点,为日后临床工作及实验验证提供参考。【方法】从DrugBank数据库获取抗肿瘤药物靶点,结合HPRD数据库中蛋白质相互作用信息,使用Cytoscape建立药物靶点PPI网络并计算网络节点的拓扑属性,使用SPSS单因素分析和Weka信息增益原理筛选拓扑属性变量,采用SMOTE算法处理不平衡数据集问题,利用决策树方法构建抗肿瘤药物靶点预测模型,并与其他三种常见的机器学习分类算法模型进行性能比较。【结果】应用决策树算法构建的抗肿瘤药物靶点预测模型的预测准确率达73.18%,在CBioPortal中验证发现,结果中预测分数大于等于0.9的16个靶点在多种肿瘤中存在突变和扩增,并以NR5A1为例进行具体分析。【局限】仅使用抗肿瘤药物靶点的PPI网络属性构建预测模型,未加入靶点的功能、序列属性等特征。【结论】基于PPI网络的拓扑属性,采用机器学习方法对潜在的抗肿瘤药物靶点进行预测是有效的,可以为抗肿瘤药物的研发及临床工作提供一定参考。

融入异构网络特征的深度学习预测中药靶点

针对传统预测中药靶点相互作用,忽略了中药、成分、靶点3者之间的潜在联系,导致特征提取不足,模型精度不高的问题,构建中药-成分-靶点3层异构网络。利用重启随机游走、高斯核、信息熵算法提取网络特征,并提出了运用深度神经网络分析中药成分-靶点相互作用的模型TCMIT-DNN。实验结果表明,GBDT、RF、SVM模型使用TCMIT 3层异构网络策略后,分类性能均有所提升。TCMIT-DNN的AUC、F1值、准确率分别为96.0%、89.5%、89.5%,均优于TCMIT-GBDT、TCMIT-RF、TCMIT-SVM分类模型。

药物-靶点相互作用预测的计算方法综述

药物-靶点相互作用预测旨在发现可作用于特定蛋白质的潜在药物,在药物重定位、药物副作用预测、多重药理学和耐药性的研究中都发挥着重要作用。随着计算机处理能力的进步和计算算法的不断更新,药物-靶点相互作用预测的计算方法展现出时间短、成本低、精度高、范围广的优势,受到了广泛的关注,并取得了显著的进展。为了梳理其研究发展历程,探讨未来的研究方向,就药物-靶点相互作用预测的背景和意义进行简要概述;将方法分为基于分子对接、基于药物结构、基于文本挖掘和基于化学基因组四类进行综述,并对每类方法进行对比分析,详细阐述每类方法的数据需求及应用场景;对现有研究存在的局限性和面临的挑战进行讨论,展望未来的研究方向,为后续研究提供参考和借鉴。

基于生物信息学方法的胃癌靶点预测研究

目的分析胃癌相关的差异表达基因,分析其相关信号通路。方法从高通量基因表达(GEO)数据库中选取胃癌相关的基因表达芯片GSE63121(miRNA)和GSE2685(mRNA),设置筛选标准获取差异表达基因,之后用miRDB数据库预测胃癌相关的共有基因。在注释、可视化和集成发现(DAVID)数据库中对共有基因进行基因肿瘤学(gene ontology,GO)和京都基因和基因组百科全书(Kyoto encyclopedia of genes and genomes,KEGG)富集分析。使用检索相互作用基因的搜索工具(STRING)对具有相互作用的基因进行可视化分析,构建差异表达基因的蛋白质交互作用网络(PPI)。使用基因表达谱交互分析(GEPIA)数据库预测差异基因与胃癌患者生存率间的关系,根据预后筛选出有意义的差异表达基因。最后通过TIMER2.0数据库分析最终筛选到的基因与免疫细胞浸润的相关性。结果共获得734种差异表达基因,其中表达上调和下调的基因分别为261和473种;获得20种差异表达miRNA的基因,表达上调和下调的基因分别为1和19种。得到相互映射的共有基因103种,其在胃癌中主要参与了免疫系统调节和代谢过程的调节过程等。通过GEPIA数据库筛选得到的显著差异表达基因为cAMP反应元件结合蛋白1(CREB1)和雌激素受体1(ESR1),二者低表达时胃癌患者有较好的预后。胃癌组织中CREB1和ESR1的表达均与肿瘤微环境中调节性T细胞(Tregs)的浸润水平正相关(均P<0.05)。结论 CREB1和ESR1在胃癌发生、发展过程中影响免疫浸润,二者高表达与胃癌不良预后相关,可能的原因是肿瘤微环境中存在更多的Tregs细胞。CREB1和ESR1有望成为研究胃癌发病机制和分子机制及临床应用的重要靶点。

深度学习在药物靶点亲和力预测中的应用

在药物研发前期阶段中,预测小分子药物和蛋白质靶点结合亲和力的计算机方法已经证明其关键作用,这类方法被称为药物靶点亲和力(Drug-Target Affinity,DTA)预测。其中基于深度学习的DTA预测方法表现出其预测模型优异的性能与巨大的潜力。这篇综述全面回顾了与基于深度学习的DTA预测相关的主题,如来源数据库、数据挖掘与特征学习方法、深度学习模型等,以及一些利用这些资源开发的代表性的预测方法。本综述首先从数据格式和编码方案的角度讨论了来自各种库的化合物和蛋白质数据。对于DTA预测模型,我们从两种角度进行分类,即预测任务类型的角度和模型采用的学习方法的角度,并且总结了每个类型代表性的DTA预测模型。最后,我们讨论了一些尚存的问题,以探索开发更强大和准确的DTA预测方法。