从复杂到清晰:开发CHM-FIEFP,通过使用大数据预测中国草药配方中的有效成分

科学领域:

• 计算化学是一种计算化学.
• 药理学 药理学是指药理学的学科.
• 生物信息学是一种生物信息学.

背景情况:

• 中国草药 (CHM) 的复杂性挑战了活性化合物的识别和理解它们的机制.
• 开发CHM的预测工具对于推进传统医学研究至关重要.

研究的目的:

• 开发一个大数据驱动的,基于知识的in silico算法,用于预测复杂的CHM公式中的中心组件.
• 为了确定Danggui Sini Decoction (DSD) 的主要活性成分,用于胃癌治疗.

主要方法:

• 利用网络药理学和临床数据库 (TCMSP,GEO) 来识别疾病特异性基因标.
• 进行了基因本体学 (GO) 和基因和基因组 (KEGG) 丰富分析的京都百科全书.
• 开发了一个使用权衡来排名组件重要性的合适得分,通过胃癌的DSD进行验证.

主要成果:

• 中国草药-配方与中国草药-配方. 成功开发了原料效率拟合和预测 (CHM-FIEFP) 算法.
• 酸被确定为在DSD中获得最高合适分数的成分.
• 实验验证证证实ferulic acid的药理作用与DSD配方可比.

结论:

• CHM-FIEFP是一种可行的in silico方法,用于识别特定疾病的CHM配方中的活性药理成分.
• 这种方法为药物发现和传统医学的复杂问题提供了实际的解决方案.
• 在http://chm-fiefp.net/上,可以公开访问CHM-FIEFP算法.