网络药理学是药理学的一个分支，通过生物网络构建、网络分析和实验验证预期结果的方法研究药物-基因-靶点-疾病之间复杂的生物网络关系。网络药理学在研究复杂成分药物治疗复杂发病机制疾病中具有独特优势。网络药理学主要在新药研发、药物作用机制、中药及其复方研究、药物重定位和毒理学研究等领域中得到应用，在眼部疾病中主要涉及细菌性结膜炎、视网膜静脉阻塞、糖尿病视网膜病变和视网膜色素变性等疾病。网络药理学在眼科的应用前景主要体现在探寻中药治疗眼科疾病的有效物质、疾病靶点和通路，药物重定位和在眼科基础研究寻找下游靶点3个方面，我们需要加大网络药理学在眼科中的应用范围。本文对网络药理学的概念、研究方法、应用领域、在眼科的应用等研究进展进行综述。

目的:分析严重急性呼吸综合征冠状病毒(severe acute respiratory syndrome coronavirus, SARS-CoV)感染所致急性肺损伤的机制及潜在干预药物，为治疗新型冠状病毒肺炎(COVID-19)提供参考。方法:使用基因表达数据库(Gene Expression Ominibus, GEO)筛选SARS-CoV转录组数据，使用R语言包对数据进行差异表达分析及京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes, KEGG)和基因本体学(Gene Ontology, GO)富集分析。使用STRING在线分析网站进行蛋白质互作网络分析，筛选出关键基因。再应用表观精准治疗预测平台(Epigenomic Precision Medicine Prediction Platform, EpiMed)对关键基因进行多组学关联分析和潜在治疗药物预测。结果:选择SARS-CoV全基因组表达谱数据，共筛选出差异基因3 606个，其中上调2 148个，下调1 458个。GO富集主要与病毒感染、白细胞迁移与粘附、急性炎症反应和胶原蛋白分泌等有关。KEGG富集主要与信号转导、急性炎症、免疫反应等有关。蛋白互作网络分析筛选得到PTPRC、TIMP1、ICAM1和IL1B等10个肺损伤相关的关键基因。EpiMed平台预测出白头翁、虎杖、TNF-α抑制剂、泛昔洛韦、氟伐他汀等药物具有潜在治疗作用。结论:SARS-CoV感染可通过激活一系列炎症相关分子引发肺损伤，可能有效的治疗药物包括白头翁、虎杖、TNF-α抑制剂、泛昔洛韦和氟伐他汀。

网络药理学是一门用于阐释疾病和药物之间分子网络的交叉学科,其"多成分—多靶点—多疾病"的宏微观相结合的研究模式与中医整体观一致,有助于促进中医药的现代化发展.由于网络药理学的研究路径固化、研究结果"同质化"、数据质量良莠不齐、技术方法选择存在专业壁垒,致其发展正陷入停滞不前的困境中.为了解决这些困境,需要采取一系列措施.首先,需要创新研究路径,拓展网络药理学的应用领域,如中药质量控制、中药重定位、不良反应预测等,以发挥其更广泛的应用潜能.其次,需要提高数据质量,改善数据来源的准确性、数据处理的规范性、数据选择的精准性和保障数据的中医药特征,避免数据同质化现象.此外,应根据研究目的优化技术方法选择.最后希望通过加强跨学科合作,推动网络药理学在中医药领域的应用.

构建基于药物多特征融合的药物疾病关联预测模型,为药物知识发现提供新思路.借助药物的化学结构、药物-副作用关联、药物-靶标关联的3个特征,构建融合的药物综合相似度及基于MeSH的疾病语义相似度特征表示方法.利用图卷积神经网络模型抽取药物-疾病图数据特征信息,构建基于多特征融合的药物疾病关联预测模型(MFFGCN),进而实现未知的药物疾病关联发现.利用269种药物、598种疾病及其之间的18 416种关联关系,对药物疾病存在的未知关联进行预测,借助AUC、AUPR、准确率、灵敏度、召回率、F1等多个评价指标进行评价.结果表明,多特征融合的药物疾病关联预测方法的AUC指标为0.866 2,较单一特征的平均预测指标最大相对提升为2.48％,较4种代表性基线方法的指标最大相对提升为1.67％;AUPR指标为0.341 2,较单一特征预测结果最大相对提升为1.67％,较4种代表性基线方法提升27.49％.对预测结果中药物-疾病预测关联得分中排名前10的组合及阿霉素为例的单一药物预测组合进行文献研究验证、临床治疗验证,同样证明MFFGCN在未知的药物疾病关联预测上表现良好,能有效地发现药物的新适应症,为药物重定位提供方法借鉴和理论依据.

近年来,国内网络药理学的研究成井喷之势,特别是聚焦在中药复方的网络药理学研究,这类研究大多是通过整合中药成分与靶点数据库的信息,从"成分-靶点-作用通路"的框架去预测中药复方治疗疾病的药效物质基础及作用机制.由于这类研究后续大多缺乏严谨的药理学实验验证,加上其研究对象仅限于特定方剂作用于特定疾病,导致其研究结论可信度较低,缺乏实际科学价值,研究结果与阐明中医理论的现代科学内涵相距甚远.笔者从事网络药理学研究多年,结合自己的研究方向,针对网络药理学未来发展趋势,提出以下两点个人的建议.(一)聚焦中医药理论的现代科学内涵阐释.中医通过辨证论治治疗疾病,比如清热解毒法是中医抗癌的重要法则,补肾法是中医抗老年痴呆的普遍治法.这意味着具有清热解毒、或具有补肾疗效的中药与复方,能够普遍地作用于西医肿瘤及老年痴呆.即清热解毒法、补肾法分别与西医肿瘤及阿尔茨海默病(AD)之间具有共同的生物学基础.而这些具体的生物学基础是什么,可以通过网络药理学的研究方法来预测与指导.笔者结合前期的网络药理学研究基础,提出基于网络距离法探讨补肾法调控内质网应激防治AD的科学假说,获得了国家自然基金面上资助(82074278).近期本团队从基于网络药理学方面预测了补肾方剂补肾益智方中两个天然产物蛇床子素及五味子醇甲B具有协同抗AD的作用,其作用机制与调控内质网应激相关,预测结果在APP/PS1转基因动物模型上得到了验证(Phyto-medicine,2023,已录用).笔者呼吁更多的网络药理学从业者能够聚焦于更具普适性的中医药理论防治疾病的现代科学内涵阐释,及其对中药发掘的指导价值研究.(二)拓展网络药理学应用领域,关注老药新用.国际上对网络药理学的关注一直是聚焦在药物重定位领域,但是基于网络药理学方法的药物重定位研究在国内并未引起足够的重视.笔者2020年受邀Med Res Rev杂志撰写了网络药理学方法在AD药物重定位方面的长篇综述,提出了整合网络药理学方法结合临床电子病历深度挖掘的老年痴呆药物发现框架,即通过网络药理学预测已上市药物潜在的抗老年痴呆活性,并基于大规模电子病历的队列回顾性研究验证预测药物与AD发病率之间的关系[Med Res Rev,2020,40(6):2386-2426].该研究框架已在多个研究案例中成功实现[Nat Aging,2021,1(12):1175-1188;Alzheimers Res Ther,2022,14(1):7].2022年,笔者整合了大规模的AD全基因组关联研究结果,进一步发展人工智能框架预测AD的风险基因,并基于这些潜在靶标开展AD药物重定位研究,网络距离法预测结合大规模电子病历回顾性队列分析发现抗2型糖尿病老药吡格列酮(pioglitazone)与AD疾病风险降低有关,网络分析结合体外人源小胶质细胞模型验证了吡格列酮的抗AD分子机制[Alzheimers Res Ther,2022,14(1):7].该研究思路通过进一步的学科交叉,将网络药理学的预测结果在大规模的临床数据中寻找证据,进一步提高了预测结果的可信度,也加速了药物的发现进程.

药物重定位(又称老药新用)是指已上市药物发现新适应症或新用途,其不仅在西药研发中受到越来越多的关注,在中药新药研究领域也逐渐成为热门.目前,药物重定位研究已进入基于计算机技术的新阶段,其研究方法、技术得到不断地完善.网络药理学方法在药物重定位研究方面发挥着越来越重要的作用,目前其应用于中药药物重定位研究中的策略主要包括基于小分子(或配体)、基于药物靶点和基于网络理论三方面.本文对中药药物重定位的概念、研究现状及网络药理学的应用现状及策略进行介绍,以期为中药药物重定位研究提供参考.

针对阿尔茨海默病,提出基于语义关系SCP算法发现重定位药物的方法,从总体流程、语义关系集抽取等方面阐述算法原理,介绍结果验证方法并比较该算法与LTC-AMW算法筛选药物-AD关系对排序结果.

阿尔茨海默病(AD)是一种典型的中枢神经退行性疾病,由于其发病机制尚不十分清楚,目前临床可用的治疗药物均只能短期改善症状,而不能阻止或延缓疾病的进展.迄今为止,基于主流发病机制学说的改善病情治疗(disease-modifying therapy)药物的研发尚无一成功,迫使研究者们重新审视、思考并探寻新的研发思路和出路.本文在对AD防治药物的研发现状进行较系统梳理的基础上,对其发展方向和趋势、面临的主要挑战及可能取得的进展进行了分析、思考和展望.

阿尔茨海默病(Alzheimer's disease,AD)是一种严重威胁老年人健康的神经系统退行性疾病,目前尚未发现能够根治或者延缓疾病进程的药物.寻找可以同时作用于多个AD相关靶点的多靶点定向配体(MTDL)是当前抗AD新药发现的重要策略.为了从上市药物中寻找潜在的多靶点抗AD药物,本文利用实验室前期基于机器学习算法建立的抗AD多靶点药物预测平台,对全球上市药物数据库进行了预测和挖掘,从中挑选出13个至少作用于1个抗AD药物靶点,且可以通过多种作用对抗AD的上市药物,利用Cytoscape构建化合物——靶点网络;并针对上市药物阿戈美拉汀及其预测的多靶点蛋白进行分子对接以验证预测结果,蛋白靶点包括ADORA2A、ACHE、BACE1、PTGS2、MAOB、SIGMAR1、ESR1,阿戈美拉汀均能与以上靶点产生相互作用.本文应用机器学习算法、网络药理学方法及分子对接方法,初步揭示了上市药物数据库中抗AD作用的潜在药物,为上市药物抗AD作用重定位提供了重要信息.

目的 基于药物重定位策略,筛选可用于预防肝细胞癌(HCC)的药物.方法 收集包含肝硬化、低度不典型结节、高度不典型结节和早期HCC等肝脏疾病不同进展阶段的表达谱数据,确定相邻疾病进展阶段的转录组变化,同时收集作用于人肝癌细胞系HepG2的3927种药物和小分子的基因表达谱,利用基因集富集分析(GSEA)算法分别计算不同药物作用与疾病进展阶段转录组变化相似性,筛选其中负相关药物作为HCC预防的候选药物,并通过构建药物激活子网和通路富集分析等方法研究候选药物的作用机制.结果 分别筛选出对疾病不同进展阶段具有阻碍作用的药物importazole、吡考他胺和紫杉醇,这3种药物对肝硬化到早期HCC的多个疾病阶段均有一定阻断作用,3种药物与疾病进展的基因表达模式呈负相关,通路富集分析结果提示这3种药物通过肿瘤相关通路、p53信号通路、黏附斑、视黄醇代谢等发挥作用.结论 通过药物重定位策略筛选出了HCC预防药物,且结果提示抗血小板治疗可能会预防HCC发生,为后续研究提供了有用线索.