将转录组数据与新药疗效预测模型集成在一起,用于TCM活性化合物发现

科学领域:

• 计算生物学是一种计算生物学.
• 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:

• 从天然产品中发现药物在识别活性化合物方面面临挑战.
• 复杂的自然产品分析需要预测算法.
• 现有的网络拓分析在药物-疾病相互作用预测方面存在局限性.

研究的目的:

• 开发基于元路径的药物有效性预测 (Meta-DEP) 来识别活性天然化合物.
• 使用药物-蛋白质-疾病异质性网络预测药物-疾病关系.
• 验证Meta-DEP在发现传统中医药中的活性化合物的有效性.

主要方法:

• 构建了一个药物-蛋白质-疾病异质性网络.
• 使用的元路径表示药物标和疾病蛋白之间的最短路径.
• 通过基于网络近距离的预测得分来测量药物疗效.
• 应用Meta-DEP到传统中医药系统药理学数据库和分析平台 (TCMSP) 数据.

主要成果:

• 在预测药物与疾病相互作用方面,Meta-DEP的表现优于传统的网络拓分析.
• 确定了与临床药理学证据一致的关键药物标.
• 在TCMSP数据库中准确预测了大多数药物疾病对.
• 生物实验证实了Meta-DEP能够挖掘传统中医药中的活性化合物,并整合了转录基因数据.

结论:

• Meta-DEP提供了一种新的方法来预测天然产品中的活性成分.
• 该模型有助于发现天然化合物作为创新的分子.
• 超级-DEP显示出在推进从自然来源的药物发现和开发方面显著的潜力.