《Current Molecular Pharmacology》:TCMDATA: an integrated R package for target-oriented network pharmacology analysis and AI-assisted interpretation in traditional Chinese medicine
编辑推荐:
摘要专业翻译
背景: 现有中医药(traditional Chinese medicine,TCM)网络药理学工作流在数据库和软件工具之间仍然呈现碎片化状态,对系统性靶点优先级排序(target prioritization)的支持有限。本研究旨在开发TCMD
摘要专业翻译
背景: 现有中医药(traditional Chinese medicine,TCM)网络药理学工作流在数据库和软件工具之间仍然呈现碎片化状态,对系统性靶点优先级排序(target prioritization)的支持有限。本研究旨在开发TCMDATA,一个用于可重复、靶点导向的中医药网络药理学分析的集成R包。
方法: TCMDATA是一个集成R包,为中医药网络药理学提供可脚本化的靶点导向工作流。该包整合了来自多个公共资源的草药-化合物-靶点关联数据,经数据清洗和基因符号标准化后,共包含1,808种草药、2,068个与靶点关联的化合物以及15,889个人类蛋白靶点。在靶点优先级排序方面,TCMDATA原生实现了19种蛋白质互作网络(protein-protein interaction,PPI)中心性指标、四种社区检测算法以及一个可配置的网络扰动框架用于评估靶点重要性。多算法机器学习模块支持共识候选靶点筛选,而AI智能体模块则支持任务路由和可定制技能,用于自动化分析和解读。
结果: 在灵芝(Ganoderma lucidum)治疗脓毒症(sepsis)的案例研究中,TCMDATA优先排序出四个候选靶点:MAPK14、CASP1、ARG1和PPARG。外部疾病数据库、文献证据和分子对接进一步支持了这些靶点与脓毒症的相关性,展示了TCMDATA作为中医药网络药理学可重复分析资源的实用价值。
结论: TCMDATA为靶点导向的中医药网络药理学提供了一个集成且可重复的R框架,支持透明的数据整合、网络分析和基于机器学习的候选靶点优先级排序。对其输出的解读应考虑现有公共数据库的覆盖范围,进一步的实验验证将有助于确立优先靶点的机制相关性。TCMDATA可在https://github.com/YuLab-SMU/TCMDATA免费获取。
论文解读文章
一、研究背景与问题
中医药在临床实践中已应用数十年,在感染性疾病、代谢性疾病和心血管疾病等多种复杂疾病的治疗中展现出独特的治疗价值。与针对单一靶点的传统疗法不同,中医药通过多成分、多靶点、多通路的特征性作用模式发挥药理效应,实现对生物过程的系统层面调控。在这一背景下,网络药理学已成为中医药研究中组织化合物-靶点-通路关系的常用计算策略。
然而,现有中医药网络药理学研究仍面临多重关键局限。第一,中医药数据分散在多个异构数据库中,且相当比例的数据存在冗余,需要大量人工整理来标准化化学成分和基因符号。第二,分析工作流仍然碎片化,研究人员常常需要在R或Python等编程环境与Cytoscape等图形化工具之间切换,降低了效率和可重复性。第三,尽管已开发了多个中医药专属R包,但其范围和所支持的模块各不相同,与上游组学分析的原生整合并不一致。第四,靶点优先级排序仍有待加强——现有中医药数据库收集的靶点关联在置信度上存在差异,而靶点筛选策略往往基于简单的重叠分析或有限的中心性指标,缺乏更整合、多维度的优先级排序框架。此外,预测的化合物-靶点关联可能包含来自异构证据阈值、配体相似性推断或数据库间传播所产生的假阳性结果。
二、研究内容与意义
为应对上述实际需求,研究人员开发了TCMDATA,一个靶点导向的可脚本化中医药网络药理学R包。该包首先整合并协调了来自多个公共数据库的草药-化合物-靶点关联数据,经质量控制和人源基因命名委员会(HGNC)基因符号映射后,获得1,808种草药、2,068个与靶点关联的化合物和15,889个人类蛋白靶点。该数据层支持双向查询和草药水平的过表达分析。其次,TCMDATA原生实现了19种蛋白质互作网络(PPI)中心性指标以及四种社区检测算法(MCODE、MCL、Louvain和Fast Greedy)用于网络分析。第三,TCMDATA将靶点检索和多维PPI网络优先级排序与机器学习特征筛选及可扩展的R可视化相连接,提供了一个集成框架,用于筛选候选靶点并识别在互补分析标准下持续获得支持的靶点。此外,可选的AI层可将自然语言请求转化为对TCMDATA工具的调用,并将生成的分析对象存储为工件以供后续检查和复用。技能机制存储领域特定偏好、质量检查点和默认分析选择,使自动化分析更具可重复性,同时保留中间R对象以供检查、修订和下游复用。TCMDATA作为开源R包,可在GitHub上免费获取。
三、关键技术与方法
研究人员整合了来自BATMAN-TCM、ITCM、TCMIO、TM-MC、NPASS和CTD等多个公共数据库的化合物相关信息,经质量控制、人源蛋白编码基因保留和HGNC基因符号标准化后构建数据库。案例研究使用了脓毒症外周血批量RNA测序数据集GSE154918作为发现队列,GSE185263作为独立验证队列,以及早期糖尿病肾病数据集GSE142025和COVID-19数据集GSE157103用于工作流演示。核心技术包括:草药过表达分析(herb_enricher)、19种PPI中心性指标计算与复合评分排名(compute_nodeinfo和rank_ppi_nodes)、四种社区检测算法、基于DESeq2的差异表达分析、加权基因共表达网络分析(WGCNA)、ssGSEA免疫细胞富集评分、多算法机器学习特征筛选、以及基于AutoDock的分子对接验证。
四、研究结果
4.1 数据整合与标准化: 研究人员从六个公共数据库收集并整理了化合物相关数据,经过去除缺失条目、仅保留人源蛋白编码基因、将非标准基因名映射至HGNC官方基因符号以及去除重复记录等质控流程后,最终获得1,808种草药、2,068个与靶点关联的化合物和15,889个人类蛋白靶点。此外还提供了两个辅助数据集:来自DoRothEA数据库的转录因子-靶点相互作用数据集tf_targets,以及来自GutMGene v2.0的肠道微生物-代谢物-靶点关联数据集gutMGene。
4.2 草药富集分析: TCMDATA提供herb_enricher()函数,将过表达分析框架扩展至草药-靶点关联。每种草药被表示为由其已知蛋白靶点组成的基因集,通过单侧Fisher精确检验评估输入基因列表与每种草药靶点集之间的重叠是否显著大于随机预期,并采用Benjamini-Hochberg方法进行多重检验校正。
4.3 PPI网络拓扑评估与靶点优先级排序: compute_nodeinfo()计算每个节点的19种拓扑指标,分为局部指标(度、加权强度、局部聚类系数、k-core核度)、全局指标(介数中心性、接近中心性、特征向量中心性、PageRank、离心率、径向度、应力中心性)和五种补充指标(MCC、MNC、DMNC、BottleNeck、EPC)。rank_ppi_nodes()通过最小-最大归一化将各指标缩放至[0,1]范围,并计算加权复合评分以进行枢纽节点排名。
4.4 案例研究——灵芝治疗脓毒症: 在灵芝治疗脓毒症的案例研究中,TCMDATA优先排序出四个候选靶点:MAPK14、CASP1、ARG1和PPARG。外部疾病数据库(Open Targets Platform)检索、文献证据以及分子对接分析进一步支持了这些靶点与脓毒症的相关性。分子对接结果显示,山柰酚(kaempferol)和染料木素(genistein)与PPARG(PDB ID: 1PRG)、CASP1(PDB ID: 8WRA)和ARG1(PDB ID: 2PHA)的结合能评分达到≤?5.0 kcal/mol的筛选标准,提示存在潜在有利的相互作用。
4.5 机器学习特征筛选: 多算法机器学习模块支持共识候选靶点筛选,在COVID-19数据集GSE157103上展示了集成机器学习特征选择功能。
4.6 外部验证: 在独立验证队列GSE185263(包含84例脓毒症患者和24例健康对照)中,研究人员使用与发现队列相同的独立预处理流程,通过受试者工作特征(ROC)曲线分析评估四个候选基因的区分能力,并使用DeLong方法计算曲线下面积(AUC)的双侧95%置信区间。
五、讨论与结论
TCMDATA通过整合数据层、网络分析模块、机器学习筛选和AI辅助解读,为靶点导向的中医药网络药理学提供了一个集成且可重复的R框架。该框架支持透明的数据整合、多维度的网络分析和基于机器学习的候选靶点优先级排序,有助于识别在互补分析标准下持续获得支持的目标靶点。对其输出的解读应考虑现有公共数据库的覆盖范围,预测的化合物-靶点关联可能包含假阳性结果,靶点重叠或高网络中心性可能反映注释密度而非因果药理学相关性。进一步的实验验证将有助于确立优先靶点的机制相关性。TCMDATA作为开源R包免费提供,为中医药网络药理学研究提供了可重复的分析资源。