近期，西北工业大学生命学院施建宇教授团队与中国中医科学院中医临床基础医学研究所吕诚研究员（副所长）研究团队在天然药物分子靶标分析预测方向上展开研究并取得了进展，在《Journal of Translational Medicine》（IF=5.531）上发表一篇论文，是本课题组第一项将机器学习技术和生物实验相结合的研究成果，得到了国家自然科学基金和陕西省重点研发计划等科研项目的资助。生命学院硕士生赵鹏程为第一作者，施建宇教授和吕诚研究员为论文的共同通讯作者。

下文简要介绍了天然药物分子靶标预测方法的研究背景和成果发现。

1研究背景

中草药由数百种天然药物分子组成，几千年来一直在中药(TCM)中发挥着重要作用。因此，研究天然药物分子的靶点对探索中药治疗疾病的作用机制具有重要意义。然而，由于药物分子与靶点相互作用的复杂性，确定一个新鲜天然药物分子的靶点是非常困难的任务。虽然机器学习方法已被提出用于药物-靶点相互作用的预测，但大部分算法只能为已有靶标药物分子预测新靶标，不能为没有任何靶标的新鲜天然药物分子提供预测。

2成果发现

针对上述问题，本研究团队提出了一种基于CSLN（Cosine-correlation and similarity-comparison of local network）的靶标筛选方法，并进行了生物实验验证。该方法根据局部网络的余弦相关性和相似性比较，计算靶标与药物分子之间的结合得分。CSLN的创新之处在于，该方法可以预测新药物分子的靶点，即对于新发现的药物分子，CSLN可以更准确地推荐可能的靶点。它最大的优势在于对药物分子目标的预测不受其拓扑关系多少的限制（图1）。

为了验证CSLN方法的有效性，本团队随后对天然药物分子进行了一个案例研究。我们选择一种备受关注的天然药物分子雷公藤甲素作为验证对象。在计算实验中，CSLN表现出了优异的性能。在前20个与雷公藤甲素相互作用的预测靶点中，有13个与TCMSP等其它数据库是一致的。另外，在生物实验中，我们选择在预测靶点中并未在以往研究中报道过的NRH dehydrogenase [quinone] 2 (NQO2)作为研究对象，进一步验证CSLN的准确性。实验结果显示，与空白组相比，药物组在L02肝细胞中NQO2的表达量降低。这意味着雷公藤甲素可以下调NQO2的表达。这再次证明了CSLN在全新天然药物分子的靶点筛选上具有较高的准确性（图2）。该论文发表在《Journal of Translational Medicine》上[1]，其在线链接为：https://doi.org/10.1186/s12967-022-03279-w。

3发表论文

1. Pengcheng Zhao,Lin Lin,Mozheng Wu,Lili Wang,Qi Geng,Li Li,Ning Zhao,Jianyu Shi*,Cheng Lu*. Targets preliminary screening for the Fresh Natural Drug Molecule based on Cosine-correlation and Similarity-comparison of Local Network.Journal of Translational Medicine, 2022, 20(1): 67. （文/图：赵鹏程，审核：杨慧）