社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

张伯礼等6大院士共识,中医药+AI,大有可为!浙江中医药大学“网络药理学+机器学习+分子对接”,堪称发文模板!!

生信塔 • 3 月前 • 241 次点击  

近日,汇聚了中国工程院院士张伯礼、黄璐琦、陈香美、王琦、田金洲、朱立国等知名专家,在以“中医药+人工智能”为主题的第四届中医药高质量发展大会中,发布了《中医药+人工智能乌镇共识》,再次指出了人工智能是中医药研究的有力工具。那么,跟随大佬的步伐,利用机器学习等工具进行中医药研究,当时小伙伴们重点要关注的!

生信塔也照着“网络药理学+机器学习”的思路,找到一篇浙江中医药大学团队4月份发表在“Phytomedicin6.7分的中科院一区TOP”范文,供小伙伴参考。

这篇文章关注于解毒散根汤(JSD)对抗结直肠癌(CRC)的生物活性成分和药理机制

文章融合了多种中医药研究的经典方法,包括UPLC-MS/MS、RNA-seq、网络药理学、机器学习、分子对接及分子动力学模拟等多种先进手段,全面系统地剖析 JSD 对结直肠癌的作用机制。在分析技术上,创新性地联合运用多种组学技术和机器学习算法,从成分筛选、靶点预测到分子层面的结合验证,实现了对 JSD 复杂体系的深入解析。

网络药理学是中医药人的好帮手!但是,如何提高分析结果的准确性?如何与别人的研究拉开档次?除了分子对接和动力学模拟外,以机器学习为代表的人工智能方法,堪称有力工具!创新性高,还容易复现!如果小伙伴技术受限,欢迎滴滴生信塔复现哦!


定制生信分析

生信服务器

加微信备注99领取使用

题目:解毒散原汤抗结直肠癌的生物活性成分:一种新颖而全面的天然药物开发研究策略

研究背景

解毒散根汤(Jiedu Sangen Decoction,JSD)在中国南方广泛用于结直肠癌 (CRC) 患者的治疗,且临床效果显著,但其有效活性成分尚不明确。

研究思路

对 JSD 和大鼠血浆样本,使用 UPLC-MS/MS 方法,进行成分筛选分析,确定进入血液的原型成分和可能的代谢产物;对 JSD 作用前后的 SW620 细胞样本,使用 RNA-seq 方法,进行转录组测序分析,筛选出差异表达基因作为治疗靶点;将 JSD 血浆成分的潜在靶点与 CRC 相关靶点取交集,运用网络药理学分析并结合机器学习中的层次分析法(AHP)和自组织映射(SOM)聚类算法,得到最有希望的生物活性成分;对核心活性成分与关键靶点,使用分子对接和分子动力学模拟方法,进行结合稳定性分析,并通过表面等离子共振(SPR)和微量热泳动(MST)技术验证其直接结合。

研究结果

JSD 在体外显著降低了结直肠癌的增殖

JSD 对 CRC 细胞增殖有显著抑制作用。在 SW620 细胞中,48 小时和 72 小时的半数抑制浓度(IC50)分别为 1.24 mg/mL 和 0.86 mg/mL。2 mg/mL 和 3 mg/mL 浓度的 JSD 可有效减少 SW620 细胞的增殖。

通过RNA-seq分析全面表征结直肠癌细胞中的JSD干预

RNA 测序显示,JSD 作用后 SW620 细胞中有 183 个 mRNA 表达上调和 235 个 mRNA 表达下调。差异表达基因主要富集在与 CRC 相关的多条信号通路,如 PI3K-Akt 信号通路、Wnt 信号通路等。还对非编码 RNA 的变化进行了分析,进一步探讨了 JSD 对 CRC 细胞的潜在调控机制。

网络药理学分析全面表征JSD生物活性成分对抗CRC的潜在靶点和机制

通过网络药理学分析,获得 JSD 血浆成分的 1372 个潜在靶点,并与 CRC 相关靶点取交集,得到 232 个 JSD 抗 CRC 的潜在靶点。这些靶点主要涉及炎症反应、细胞凋亡等生物过程,并富集在 PI3K/Akt 信号通路等多条信号通路。构建了 JSD-活性成分-潜在靶点-机制通路图,为后续探索 JSD 的作用机制提供了方向。

生物信息学分析探讨了CRC中关键靶点的生存预后,机器学习得出了JSD的核心生物活性成分

结合生物信息学分析和机器学习方法,从 232 个潜在靶点中确定了 6 个关键靶点(CA9、DOK7、DPEP1、NOTUM、CALB2 和 AKAP12)。进一步通过层次分析法(AHP)和自组织映射(SOM)聚类算法,从 26 个活性成分中筛选出最具有潜力的 3 个活性成分:染料木素、荭草素和白藜芦醇。

核心生物活性成分和关键靶点的分子对接和分子动力学模拟并进行验证

对 3 个核心活性成分与 6 个关键靶点进行分子对接,结果显示白藜芦醇-CA9、染料木素-NOTUM 和荭草素-DPEP1 这三对组合具有最低的结合能。分子动力学模拟表明,这三种小分子在相应蛋白结合位点中具有稳定的结合能力,未引起蛋白整体构象的显著变化。通过 SPR 和 MST 技术验证了它们之间的直接结合,证实了分子对接和动力学模拟的准确性。

分子生物学实验进一步表明,白藜芦醇可能通过 CA9/PI3K/AKT 信号通路促进 CRC 细胞凋亡,染料木素则通过靶向 NOTUM 下调 β-catenin 表达来抑制 CRC 细胞增殖。

文章小结

中医药思路花样翻新,这次又突破了传统的网药思路,加入AI模型后,整体创新性大幅提高,关键是分析还不复杂想复现的朋友直接联系生信塔,现在咨询还可领免费思路评估和生信服务器试用名额,等你来询!

生信塔有话说


生信塔公众号持续为大家带来最新生信思路,更多创新性分析思路请点击往期推荐,快来查看吧!想复现这种思路或者定制更多创新性思路欢迎直接call生信塔,我们团队竭诚为您的科研助力!


文献思路复现

定制生信分析

生信服务器


 往期 · 推荐 

IF 16.7!高质量、综合GBD数据库炸裂登场!武大中南医院&湖北医科大襄阳医院携手,3图3表拿下高分,简直美滋滋~

十投九中+纯生信友好=神刊!复旦肿瘤医院李大卫团队2区6分模板文,单细胞数据挖掘+乳酸化修饰,科研人错过血亏!

11种机器学习“飞”上1区Top,诺奖热点不容错过!苏州大学李艳红团队,预后模型这波操作太燃了!


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/181861
 
241 次点击