中药(TCM)是药物发现的丰富来源，在预防和治疗各种疾病方面具有极好的潜力，如心血管疾病、癌症和COVID-19等极其复杂的疾病。然而，基于中药活性成分的快速计算筛选平台十分匮乏，阻碍了中药现代化的进程。

近日，海军军医大学药学系张卫东教授团队在国际生物信息学权威杂志Briefings in Bioinformatics 【IF：13.994】上发表文章Exploring pharmacological active ingredients of traditional Chinese medicine by pharmacotranscriptomic map in ITCM，该研究开发了目前最大的基于中药活性成分的药物转录图谱平台（ITCM: Integrated Traditional Chinese Medicine, http://itcm.biotcm.net）。该平台涵盖超1000套的表达谱数据，包括496种中药活性成分。研究团队对每个中药活性成分进行了多尺度分析，全面解析每个成分的作用机理，并通过可视化进行多维表示。

图1：网站架构图

值得注意的是，基于表达谱的计算筛选已成为药物发现的最有效方法之一，更重要的是，该方法在不依赖药物或疾病特异性先验知识的情况下，极大地提高了新的药物-疾病对的发现，这在现代医学中已得到广泛应用。然而，迄今为止，基于中药活性成分的药物转录组学谱的十分匮乏，同时针对这些数据的在线详细挖掘分析也十分稀缺。为了填补这一空白，作者开展了大规模的中药活性成分的全长转录组测序，获得了高质量的中药活性成分转录图谱数据。

图2：活性成分概图

基于转录图谱的药物筛选算法主要是选择对疾病特异性基因具有逆转作用的药物。作者将此分析过程称为“签名搜索”。简而言之，如果药物诱导的基因表达模式（药物特征）与疾病诱导的基因表达模式（疾病特征）相反，则该药物将证明对该疾病具有治疗价值。作者汇总整理了六种目前最先进的签名搜索方法，并创造性的提出了一个性能分数来评估六种签名搜索方法的稳健性，并将它们集成到筛选策略 TCM-Query 中。采用TCM-Query可以快速实现针对特定疾病的中药活性成分的筛选，从而助力源于中药的创新药物的发现。

图3 活性成分算法原理示意图

作者最后采用3个案例研究，快速发现中药活性成分新的作用机制以及快速识别抗前列腺癌和COVID-19的新的中药活性成分，并通过实验进行验证，进一步说明了该网站可以实现数据驱动的中药活性成分快速发现。此外作者进一步手动收集整理了大量的中药文献、多国药典等信息，从中提取中药各类别（复方、药材、成分）的基本信息、靶标关系数据，并援引第三方数据源进行更新，共获得了25857个复方、8454味药材、43430种成分、18851个靶标和11180种疾病。该数据平台将为源于中药的创新药物发现提供重要依据，同时也为数据驱动的中药新药研发提供了线索和理论依据。

回顾全文，作者构建了迄今为止最大的基于中药活性成分的药物转录组学平台ITCM，并进行了多尺度生物学分析，以揭示每种活性成分的机制。同时作者开发了最先进的签名搜索算法集成到ITCM中，以快速识别特定疾病的潜在中药活性成分。该研究将极大的促进传统网络药理学的发展，促进源于中药的创新新药发现。

药学系天然药物化学教研室田赛赛讲师、张劲柏硕士和袁顺翎硕士为本论文共同第一作者、张卫东教授为通讯作者。该研究成果在国家重点研发计划、国家自然科学基金，国家中医药多学科交叉创新团队、上海市扬帆计划等项目资助下完成。

原文链接：

https://doi.org/10.1093/bib/bbad027

往期精品(点击图片直达文字对应教程)

机器学习

后台回复“生信宝典福利第一波”或点击阅读原文获取教程合集