クラスター化された薬用植物、分子、疾患、および標的の知識グラフ統合

科学分野:

• 植物化学とシステム薬理学
• ケモインフォマティクスとネットワーク生物学

背景:

• 植物化学物質は、単独では異なる特性を示すが、分子クラスターでは相乗効果を示す可能性がある。
• Dasamoolaのような伝統的な多剤配合は、ネットワーク薬理学の可能性を持つ植物化学物質の複雑な混合物を含んでいる。

研究 の 目的:

• Dasamoolaからの植物化学クラスターを分析し、疾患状態にマッピングすること。
• クラスタリング、ICD-11マッピング、および知識グラフを使用して、多剤配合を分析するための統一されたワークフローを開発すること。
• システムレベルの薬理学を探求し、伝統医学の仮説を生成すること。

主な方法:

• 10の薬用植物からの490の植物化学成分の体系的な分析。
• 分子を49のクラスターに整理するためのケモインフォマティッククラスタリング（K-Means）および次元削減（t-SNE）。
• 分子クラスターを87のICD-11疾患状態にマッピングし、Neo4j知識グラフを使用して疾患オントロジーと統合すること。

主要な成果:

• 構造的に一貫した49の植物化学クラスターの同定。
• ヒートマップ分析による分子クラスターと疾患表現型の間の有意な相関関係の発見。
• 分子-標的-疾患関連の可視化により、ネットワークレベルの薬理学的メカニズムが示唆される。

結論:

• 構造的に関連する植物化学物質は、共有された生物学的標的を介して特定の疾患カテゴリーに関連している。
• 開発されたワークフローは、他の多剤配合を分析するためのテンプレートを提供する。
• 発見は、システム薬理学の理解と実験的仮説の生成に新たな道を提供する。