SPR天然產(chǎn)物小分子抑制劑的“人工智能”藥物篩選和“網(wǎng)絡(luò)藥理”作用機(jī)制研究＊

艾中柱，王皓南，周珊珊，江經(jīng)緯，袁勝濤，黃必勝，杜鴻志＊＊

(1.湖北中醫(yī)藥大學(xué)藥學(xué)院 武漢 430065；2.中藥資源與中藥化學(xué)湖北省重點(diǎn)實(shí)驗(yàn)室 武漢 430065；3.湖北中醫(yī)藥大學(xué)中醫(yī)臨床學(xué)院 武漢 430065；4.中國藥科大學(xué)國家(南京)新藥篩選中心 南京 210009)

近年來，針對腫瘤細(xì)胞代謝特征的靶向治療，已成為腫瘤治療新策略和研究熱點(diǎn)，全球醫(yī)藥巨頭都聚焦于抗腫瘤代謝藥物研發(fā)[1]。正如，四氫生物蝶呤(Tetrahydrobiopterin：BH4)是腫瘤細(xì)胞代謝的關(guān)鍵物質(zhì)，在腫瘤的發(fā)生發(fā)展中起到重要作用，通過調(diào)控腫瘤細(xì)胞BH4代謝可能是潛在治療策略[2]。其中，墨蝶呤還原酶(Sepiapterin reductase：SPR)是BH4合成的重要關(guān)鍵酶。1989年P(guān)NAS雜志首次報(bào)道稱，SPR抑制劑能夠抑制鼠源紅白血病細(xì)胞的增殖[3]；隨后，NIMH(美國國家心理健康研究所)的Kaufman課題組進(jìn)一步確證了這一作用[4]。2015年，美國密西根大學(xué)的Bachmann課題組通過臨床數(shù)據(jù)分析表明，在神經(jīng)母細(xì)胞瘤中SPR的表達(dá)與腫瘤的惡性程度以及一些神經(jīng)母細(xì)胞瘤相關(guān)腫瘤基因的表達(dá)呈正相關(guān)，而SPR抑制劑可以抑制神經(jīng)母細(xì)胞瘤細(xì)胞的增殖[5]。同樣地，Nature雜志2018年報(bào)道證實(shí)了SPR抑制劑能夠顯著地抑制細(xì)胞的增殖[6]。最新，本團(tuán)隊(duì)首次證實(shí)SPR能促進(jìn)肝癌細(xì)胞增殖，其表達(dá)與肝癌患者的不良預(yù)后密切相關(guān)[7]；同時(shí)，也發(fā)現(xiàn)SPR在結(jié)直腸癌組織中顯著高表達(dá)，研究證實(shí)SPR通過調(diào)控結(jié)直腸癌細(xì)胞增殖和轉(zhuǎn)移，從而促進(jìn)結(jié)直腸癌惡性進(jìn)展?？傊?，SPR可能作為多種腫瘤不良預(yù)后的潛在指標(biāo)，是潛在的抗腫瘤新靶點(diǎn)。因此，本研究擬篩選SPR的小分子抑制劑，以期為腫瘤治療提供可能的治療新方案。

天然產(chǎn)物，毫無疑問是藥物開發(fā)的寶庫。2020年美國國立衛(wèi)生研究院(NIH)發(fā)表題為“Natural Products As Sources of New Drugs”的綜述指出近四十年間所有上市的抗腫瘤藥物，大約50%的藥物是天然產(chǎn)物或衍生于天然產(chǎn)物[8]。目前，已發(fā)現(xiàn)數(shù)萬的天然小分子化合物，不少報(bào)道具有抗腫瘤活性。為此，我們擬篩選SPR天然產(chǎn)物小分子抑制劑。傳統(tǒng)上，篩選靶點(diǎn)的小分子抑制劑，需花費(fèi)大量資金獲得實(shí)體藥物后，先逐一進(jìn)行酶學(xué)水平篩選，隨后進(jìn)行體內(nèi)外驗(yàn)證。這種藥物篩選過程，存在耗時(shí)長、成本高、效率低等問題。于是，越來越多的研究機(jī)構(gòu)開始采用“人工智能”藥物設(shè)計(jì)篩選體系[9]，將基于機(jī)器學(xué)習(xí)技術(shù)來模擬小分子化合物的藥物特性，從而挑選出最有希望的模擬化合物進(jìn)行合成和實(shí)驗(yàn)。2019年7月，全球首個(gè)基于“人工智能”獲得的藥物問世，并批準(zhǔn)進(jìn)入臨床試驗(yàn)階段[10]。今年，新型冠狀病毒肺炎席卷全球，我國科學(xué)家在極短的時(shí)間內(nèi)基于“人工智能”篩選出一批候選藥物，這為它們成功地應(yīng)用于臨床提供了有力的科學(xué)支撐，其中，多個(gè)天然化合物也被篩選為候選藥物[11]?？梢?，“人工智能”藥物篩選，將有助于天然產(chǎn)物的有效開發(fā)利用。然而，天然產(chǎn)物的藥理作用機(jī)制往往具有“多層次、多途徑、多靶點(diǎn)”的特性，這給它們開發(fā)研究增加了巨大的困難。2007年，英國藥理學(xué)家Hopkins首次提出“網(wǎng)絡(luò)藥理學(xué)”的概念[12]。它是指通過生物學(xué)網(wǎng)絡(luò)中節(jié)點(diǎn)的連接和關(guān)系來分析網(wǎng)絡(luò)特性，從而闡明藥物作用機(jī)制?！熬W(wǎng)絡(luò)藥理學(xué)”與天然產(chǎn)物的藥理作用機(jī)制復(fù)雜的特點(diǎn)不謀而合，在天然產(chǎn)物的作用機(jī)制研究中大量應(yīng)用，已成為當(dāng)前的研究熱點(diǎn)[13]。今年，在中醫(yī)藥抗擊新型冠狀病毒肺炎中，“網(wǎng)絡(luò)藥理學(xué)”為諸多中藥的臨床應(yīng)用及時(shí)地提供了一定的科學(xué)支撐[14-16]。所以，“網(wǎng)絡(luò)藥理學(xué)”符合天然產(chǎn)物藥理作用機(jī)制的特性，將為其機(jī)制研究指明方向，提高研究效率。

因此，我們將針對SPR開展天然產(chǎn)物小分子抑制劑的篩選研究，擬通過“人工智能”藥物篩選，從成千上萬個(gè)天然產(chǎn)物中獲得數(shù)十個(gè)最佳候選小分子(圖1)。同時(shí)，針對SPR候選的天然產(chǎn)物小分子抑制劑，借助“網(wǎng)絡(luò)藥理學(xué)”對天然化合物、作用靶點(diǎn)和不同途徑的相互作用網(wǎng)絡(luò)進(jìn)行分析研究，以期初步闡明其抗腫瘤作用機(jī)制，為后續(xù)體內(nèi)外機(jī)制探究，指明了方向。總之，本團(tuán)隊(duì)依托“墨蝶呤還原酶促進(jìn)結(jié)直腸癌進(jìn)展的作用機(jī)制及其抑制劑發(fā)現(xiàn)的研究”項(xiàng)目為SPR天然產(chǎn)物小分子抑制劑的研究，奠定了一定的工作基礎(chǔ)。這將為后續(xù)深入開展酶學(xué)、細(xì)胞水平和動(dòng)物水平的評價(jià)減少了盲目性，極大降低研發(fā)成本和工作量，有望提高研發(fā)效率，還能為天然產(chǎn)物小分子抑制劑的研究開發(fā)提供啟示。

圖1 研究方法思路圖

1 材料與方法

1.1 天然產(chǎn)物小分子數(shù)據(jù)庫的建立

搜集中藥系統(tǒng)藥理學(xué)數(shù)據(jù)庫與分析平臺(TCMSP，http://tcmspw.com/tcmsp.php)、Selleck Chemicals天然產(chǎn)物庫(https://www.selleck.cn/)、Med Chem Express天然產(chǎn)物庫(https://www.medchemexpress.cn/)和Target Mol天然產(chǎn)物庫(https://www.tsbiochem.com)等平臺的天然小分子化合物。下載化合物的三維結(jié)構(gòu)，建立用于“人工智能”藥物篩選的天然產(chǎn)物小分子數(shù)據(jù)庫。應(yīng)用openbabel(版本號2.4.1)軟件將全部天然產(chǎn)物單體分子(MOL2格式)轉(zhuǎn)換成pdbqt格式用于分子對接。

1.2 “人工智能”藥物虛擬篩選方法

SPR的晶體結(jié)構(gòu)從RCSB蛋白數(shù)據(jù)庫(PDB ID：4z3k)下載。去除晶體結(jié)構(gòu)內(nèi)的小分子結(jié)構(gòu)和結(jié)晶水分子，轉(zhuǎn)換成pdbqt格式，然后將分子對接空間最大化。以此SPR蛋白胞結(jié)構(gòu)與天然產(chǎn)物小分子結(jié)構(gòu)進(jìn)行分子對接(Autodock vina對接軟件(版本號4.2))，選擇結(jié)合自由能小于-14kcal/mol的天然產(chǎn)物小分子，以“三重積分協(xié)同過濾計(jì)分系統(tǒng)”(人工智能篩選系統(tǒng))判斷天然產(chǎn)物小分子的結(jié)合位置，計(jì)算位置分?jǐn)?shù)較高的候選天然產(chǎn)物若干個(gè)。

其中，“人工智能”藥物設(shè)計(jì)篩選體系，將基于機(jī)器學(xué)習(xí)技術(shù)來模擬小分子化合物的藥物特性，比如靶點(diǎn)結(jié)合能力和特異性，藥物動(dòng)力學(xué)和藥物代謝特性，以及毒副作用，從而挑選出最有希望的模擬化合物進(jìn)行合成和實(shí)驗(yàn)，提高篩選效率，從而節(jié)省時(shí)間和金錢。本研究中用到的“三重積分協(xié)同過濾計(jì)分系統(tǒng)”(人工智能篩選系統(tǒng))由國家南京新藥篩選中心(中國藥科大學(xué))江經(jīng)緯副研究員基于“協(xié)同過濾算法(collaborative filtering)”自行編程設(shè)計(jì)，詳見團(tuán)隊(duì)已發(fā)表文章[17]。協(xié)同過濾算法是對小分子抑制劑行為數(shù)據(jù)的挖掘，發(fā)現(xiàn)抑制劑的偏好，基于不同的偏好對抑制劑進(jìn)行群組劃分并推薦行為相似的候選抑制劑的著名推薦算。利用該系統(tǒng)，團(tuán)隊(duì)已經(jīng)成功篩選出PD-1/PD-L1的小分子抑制劑[18]、p53變構(gòu)劑[19]和VSIG3小分子抑制劑[20]等多個(gè)候選的藥物，并成功獲得或申報(bào)了國家專利。

1.3 化合物-靶點(diǎn)網(wǎng)絡(luò)的構(gòu)建

根據(jù)“人工智能”藥物篩選得到1783個(gè)候選小分子化合物，綜合考慮結(jié)合能，口服生物利用度(OB)(大于20%)，類藥性(DL)(大于0.7)和文獻(xiàn)報(bào)道等指標(biāo)，選擇最佳化合物基于SwissTargetPrediction數(shù)據(jù)庫(SIB，http://www.swisstargetprediction.ch)和STITCH數(shù)據(jù)庫(http://stitch.embl.de)等獲得其潛在靶點(diǎn)，將Probability在0.3及以上的243個(gè)靶點(diǎn)作為其候選的作用靶蛋白。隨后，將這些篩選出的作用靶蛋白通過Uniprot數(shù)據(jù)庫(https://www.uniprot.org/)規(guī)范其名稱，再將規(guī)范后的靶點(diǎn)導(dǎo)入STRING(https://string-db.org/)數(shù)據(jù)庫，就可以獲得“化合物-靶點(diǎn)”相互作用信息。接下來，下載互作信息文件導(dǎo)入Cytoscape軟件(版本號3.6.0)，在軟件Network Analyzer插件里即可進(jìn)行藥理作用機(jī)制網(wǎng)絡(luò)分析，篩選degree大于2的100個(gè)蛋白作為其關(guān)鍵靶點(diǎn)。最后，在Cytoscape軟件中構(gòu)建化合物-靶點(diǎn)的網(wǎng)絡(luò)機(jī)制圖。

1.4 靶點(diǎn)富集分析

在DAVID數(shù)據(jù)庫(https://david.ncifcrf.gov)中，選擇人源靶點(diǎn)，導(dǎo)入上述篩選的靶點(diǎn)信息，進(jìn)行KEGG信號通路分析和GO富集分析。最后，將分析的數(shù)據(jù)整理后，即可利用R語言和Cytoscape軟件對網(wǎng)絡(luò)進(jìn)行可視化。

2 研究結(jié)果

2.1 SPR天然產(chǎn)物小分子抑制劑“人工智能”藥物篩選模型的建立

首先選擇SPR的原底物墨蝶呤和已報(bào)道的抑制劑(吲哚美辛(Indomethacin，Indocin)、蘆丁(Rutin)、磺胺吡啶(Sulfapyridine，SFD)和磺胺噻唑(Sulfathiazole，SFZ))進(jìn)行了“人工智能藥”物篩選模型測試。結(jié)果顯示，其最優(yōu)結(jié)合能在-8.0 kcal·mol-1左右。它們與SPR蛋白結(jié)構(gòu)的作用位點(diǎn)和相互作用模式見表1和圖2。下一步，利用該“人工智能”藥物篩選模型，進(jìn)行SPR天然產(chǎn)物小分子抑制劑虛擬篩選。

圖2 原配體和已報(bào)道陽性藥物與SPR的對接模式

表1 原配體和陽性藥物與SPR的對接數(shù)據(jù)

2.2 SPR天然產(chǎn)物小分子抑制劑“人工智能”藥物篩選結(jié)果

首先，經(jīng)過“人工智能”虛擬篩選，共有1783個(gè)天然小分子化合物的最優(yōu)結(jié)合能小于原配體和陽性抑制劑(-8.0 kcal·mol-1左右)，表明這些化合物與SPR結(jié)合能力較強(qiáng)。然后，選擇結(jié)合自由能小于-14 kcal·mol-1的天然產(chǎn)物小分子，以“三重積分協(xié)同過濾計(jì)分系統(tǒng)”(人工智能計(jì)分系統(tǒng))判斷天然產(chǎn)物小分子的結(jié)合位置，篩選出位置分?jǐn)?shù)較高的20個(gè)候選天然產(chǎn)物小分子化合物(圖3)。這些化合物的分子量在400-500左右，主要是三萜和甾體類。其中，預(yù)測活性最強(qiáng)的6個(gè)天然小分子化合物最優(yōu)結(jié)合能均小于-17 kcal·mol-1，類藥性(DL)均遠(yuǎn)大于0.18這個(gè)常用閾值(表2)。預(yù)測活性最強(qiáng)的是山楂酸(Maslinic acid)，結(jié)合能為-18.4 kcal·mol-1，結(jié)合位點(diǎn)是ARG14，GLY15，PHE16，GLY17，ASN97，ILE152，PRO195，GLY196，PRO197，LEU198，THR200，MET202，GLN203(圖4)。山楂酸在大棗、覆盆子、金櫻子和枇杷葉等常見中藥材的主要活性成分之一。其次是刺囊酸(Echinocystic acid)，它的 結(jié) 合 能 是-18.2 kcal·mol-1，結(jié) 合 位 點(diǎn) 是GLY11，ARG14，GLY15，PHE16，GLY17，ASN97，ILE152，SER153，PRO195，GLY196，LEU198，THR200，ASP201，MET202(圖4)，它在紫菀、大皂莢、墨旱蓮、皂角刺和豬牙皂等藥用植物中均有發(fā)現(xiàn)。此外還有常見草藥雷公藤中的雷公藤紅素(Celastrol)、積雪草中的羥基積雪草酸(Madecassic acid)和積雪草酸(Asiatic acid)以及莪術(shù)中的常春藤皂苷元(Hederagenin)等活性成分，也具有較強(qiáng)的SPR抑制作用?？傊@些天然產(chǎn)物可能是SPR的有效小分子抑制劑。

圖4 預(yù)測活性最強(qiáng)的前6個(gè)SPR天然產(chǎn)物小分子抑制劑與酶的對接模式

表2 預(yù)測活性最強(qiáng)的前6個(gè)SPR天然產(chǎn)物小分子抑制劑與SPR的對接數(shù)據(jù)

圖3 預(yù)測活性最強(qiáng)的前20個(gè)SPR天然產(chǎn)物小分子抑制劑

2.3 SPR天然小分子抑制劑，刺囊酸的抗腫瘤網(wǎng)絡(luò)作用機(jī)制

基于上述“人工智能”藥物篩選和“計(jì)算機(jī)分子對接”，篩選出SPR的最佳潛在天然小分子抑制劑可能是山楂酸、刺囊酸、雷公藤紅素、羥基積雪草酸、積雪草酸和常春藤皂苷元等天然產(chǎn)物。綜合考慮結(jié)合能量、口服生物利用度(OB)和類藥性(DL)等指標(biāo)，下一步我們將重點(diǎn)評價(jià)三個(gè)篩選指標(biāo)均最高的刺囊酸的抗腫瘤作用，并探究其抗腫瘤作用機(jī)制。因此，我們對刺囊酸展開了“網(wǎng)絡(luò)藥理學(xué)”作用機(jī)制探索研究，以期為后續(xù)研究指明方向。

2.3.1 刺囊酸靶點(diǎn)-靶點(diǎn)網(wǎng)絡(luò)圖構(gòu)建

將刺囊酸得到的相關(guān)靶點(diǎn)100個(gè)，導(dǎo)入STRING數(shù)據(jù)庫中，得到PPI網(wǎng)絡(luò)關(guān)系圖。PPI中有邊(edge)418條，節(jié)點(diǎn)(node)97個(gè)，平均度(degree)值8.62。將相關(guān)靶點(diǎn)導(dǎo)入Cytoscape軟件中，構(gòu)建PPI圖(圖5)。網(wǎng)絡(luò)中節(jié)點(diǎn)由藍(lán)色向紅色轉(zhuǎn)變表示靶點(diǎn)相關(guān)性成正比，網(wǎng)絡(luò)節(jié)點(diǎn)的度表示網(wǎng)絡(luò)中和節(jié)點(diǎn)關(guān)聯(lián)的邊的數(shù)目。連接靶點(diǎn)較多的節(jié)點(diǎn)在整個(gè)網(wǎng)絡(luò)中起到可能為樞紐蛋白。結(jié)果顯示刺囊酸前5個(gè)關(guān)鍵靶點(diǎn)可能是SRC(rous sarcoma oncogene，勞斯肉瘤癌基因)(node：SRC；degree：45；Betweenness Centrality：0.202)，ESR1(estrogen receptor 1，雌 激 素 受 體1)(node：ESR1；degree：35；Betweenness Centrality：0.095)，PPARA(peroxisome proliferator activated receptor alpha過氧化物酶體增殖物激活受體ɑ)，(node：PPARA；degree：31；Betweenness Centrality：0.125)，TP53(tumor protein p53，腫瘤抑制蛋白53)，(node：TP53；degree：30；Betweenness Centrality：0.0702)，PPARG(peroxisome proliferator activated receptor gamma，過氧化物酶體增殖物激活受體γ)，(node：PPARG；degree：29；Betweenness Centrality：0.01)。

圖5 刺囊酸的靶點(diǎn)-靶點(diǎn)網(wǎng)絡(luò)圖(PPI)

2.3.2 刺囊酸相關(guān)靶點(diǎn)的富集分析

2.3.2.1 GO富集分析

將得到的靶點(diǎn)導(dǎo)入DAVID數(shù)據(jù)庫中，進(jìn)行GO富集分析，富集分析結(jié)果包含3個(gè)部分，分別為生物學(xué)過程(Biological Process，BP)(94個(gè)基因)、細(xì)胞組成(Cellular Component，CC)(95個(gè)基因)和分子功能(Molecular Function，MF)(95個(gè)基因)。以P＜0.05為閾值，采用Count值排序，分別篩選出前10個(gè)條目，繪制氣泡圖。見圖6，其中縱坐標(biāo)為GO條目名稱，橫坐標(biāo)和氣泡大小為相關(guān)基因數(shù)Count值，顏色以-log10(PValue)代表。富集結(jié)果表明刺囊酸可能涉及到的生物學(xué)過程(Biological Process，BP)主要有RNA聚合酶II啟動(dòng)子的轉(zhuǎn)錄起始(transcription initiation from RNA polymerase IIpromoter)，細(xì)胞增殖的調(diào)控(regulation of cell proliferation)和G蛋白偶聯(lián)受體信號途徑(G-protein coupled receptor signaling pathway)等(圖6A)。涉及細(xì)胞組成(Cellular Component，CC)主要有質(zhì)膜(plasma membrane)，膜的組分(integral component of membrane)和胞漿(cytosol)等(圖6B)。涉及分子功能(Molecular Function，MF)主要有蛋白結(jié)合(protein binding)，鋅離子結(jié)合(zinc ion binding)和類固醇激素受體(steroid hormone receptor activity)等(圖6C)。

2.3.2.2 KEGG富集分析

將得到的靶點(diǎn)導(dǎo)入DAVID數(shù)據(jù)庫中，進(jìn)行KEGG富集分析，以P＜0.05為閾值，采用Count值排序，分別篩選出前10個(gè)條目，繪制氣泡圖。其中縱坐標(biāo)為信號通路名稱，橫坐標(biāo)和氣泡大小為相關(guān)基因數(shù)Count值，顏色以-log10(PValue)代表。富集結(jié)果表明，刺囊酸涉及多條與腫瘤相關(guān)的信號通路。包括癌癥信號通路(Pathways in cancer，Count：19)，癌癥中的蛋白多糖信號通路(Proteoglycans in cancer，Count：9)和PPAR信號通路(PPARsignaling pathway，Count：9)等(圖6D)。

3 討論

天然藥物來源于動(dòng)物、植物、微生物和礦物，尤其以植物來源為主。自古至今，天然產(chǎn)物在人類與疾病斗爭的過程中，發(fā)揮了巨大的作用。先后有嗎啡、阿司匹林、喜樹堿、紫杉醇和青蒿素等藥物被批準(zhǔn)應(yīng)用，它們直接來源于植物或衍生于植物藥[8]。近年來，美國食品藥品監(jiān)督管理局繼續(xù)批準(zhǔn)了巨大戟醇甲基丁烯酸酯、高三尖杉酯堿和Crofelemer等天然藥物應(yīng)用于臨床[8]。目前，已發(fā)現(xiàn)的天然藥物多達(dá)數(shù)萬，不少報(bào)道具有廣泛的藥理活性。然而，絕大部分化合物靶點(diǎn)未知，作用機(jī)制不明確，嚴(yán)重阻礙它們有效地開發(fā)利用。

本團(tuán)隊(duì)基于前期文獻(xiàn)調(diào)研和實(shí)驗(yàn)證實(shí)，SPR可作為白血病、膠質(zhì)瘤、肝癌和腸癌等多種腫瘤不良預(yù)后的指標(biāo)，是新的抗腫瘤靶點(diǎn)[2]。為此，我們擬針對SPR，開發(fā)天然產(chǎn)物小分子抑制劑。首先，我們整合多個(gè)平臺數(shù)據(jù)，構(gòu)建了天然產(chǎn)物小分子虛擬數(shù)據(jù)庫。隨后，通過“人工智能篩選”在短時(shí)間內(nèi)就從成千上萬個(gè)化合物中，成功篩選出了20個(gè)最佳的候選天然產(chǎn)物小分子抑制劑。進(jìn)一步地，重點(diǎn)考察了山楂酸、刺囊酸、雷公藤紅素、羥基積雪草酸、積雪草酸和常春藤皂苷元等6個(gè)天然產(chǎn)物，結(jié)果顯示它們的結(jié)合均能遠(yuǎn)低于已報(bào)道的抑制劑，而且類藥性也遠(yuǎn)大于常用閾值，顯然它們將是SPR抑制劑開發(fā)的重點(diǎn)研究對象之一。因此，“人工智能”SPR天然小分子抑制劑的篩選，能極大縮小了候選化合物的篩選范圍，有望提高研發(fā)效率和成功率。

基于“人工智能”藥物篩選的結(jié)果，我們又綜合考慮結(jié)合能量、口服生物利用度和類藥性等指標(biāo)，進(jìn)一步地選取次囊酸作為研究對象，開展網(wǎng)絡(luò)藥理學(xué)分析。利用數(shù)據(jù)庫得到次囊酸相關(guān)靶點(diǎn)100個(gè)，構(gòu)建靶點(diǎn)-靶點(diǎn)圖(PPI)，根據(jù)關(guān)鍵靶點(diǎn)排序中發(fā)現(xiàn)多個(gè)靶點(diǎn)均與腫瘤有相關(guān)性。已有研究表明，SRC是受體結(jié)合后激活的主要激酶之一，在其它蛋白酪氨酸激酶(PTK)家族的激活中起作用，SRC激酶在一些腫瘤組織和腫瘤細(xì)胞系如結(jié)腸癌細(xì)胞中的活性增加[20]。TP53在許多腫瘤類型中起抑癌作用，根據(jù)生理環(huán)境和細(xì)胞類型誘導(dǎo)生長停滯或凋亡，TP53在大約60%的癌癥中經(jīng)常發(fā)生突變或失活，與癌癥具有很強(qiáng)的相關(guān)性[21]。對次囊酸關(guān)鍵靶點(diǎn)富集分析，GO富集分析發(fā)現(xiàn)，次囊酸可能對RNA聚合酶II啟動(dòng)子的轉(zhuǎn)錄起始，細(xì)胞增殖的調(diào)控和G蛋白偶聯(lián)受體信號途徑起調(diào)節(jié)作用，這些生物學(xué)過程通過影響諸多信號通路的傳導(dǎo)，控制腫瘤細(xì)胞中基因的轉(zhuǎn)錄和翻譯，從而調(diào)控蛋白質(zhì)的合成與穩(wěn)定性，最終調(diào)節(jié)腫瘤細(xì)胞的增殖、侵襲、轉(zhuǎn)移等一系列的生理病理過程。進(jìn)一步KEGG富集分析發(fā)現(xiàn)，排在第一位的是腫瘤信號通路(Pathways in cancer)，還涉及到癌癥中的蛋白多糖信號通路(Proteoglycans in cancer)等。由富集結(jié)果表明，次囊酸可能通過干預(yù)多條與腫瘤相關(guān)的通路，從而發(fā)揮抗腫瘤作用。

因此，本研究一方面通過“人工智能”藥物篩選，獲得了山楂酸、刺囊酸、雷公藤紅素、羥基積雪草酸、積雪草酸和常春藤皂苷元等數(shù)個(gè)候選的SPR天然產(chǎn)物小分子抑制劑。另一方面，基于“網(wǎng)絡(luò)藥理學(xué)”研究，揭示了代表SPR抑制劑刺囊酸的藥理作用機(jī)制。雖然，“人工智能”藥物篩選和“網(wǎng)絡(luò)藥理”作用機(jī)制研究，只能初步地篩選出候選藥物和揭示其作用機(jī)制，還需要進(jìn)一步地借助細(xì)胞分子生物學(xué)、動(dòng)物實(shí)驗(yàn)和臨床試驗(yàn)進(jìn)行確證。但是，這些結(jié)果有望為后續(xù)SPR抑制劑的篩選評價(jià)，縮小篩選范圍，極大地提高成功率；同時(shí)，還可能為候選藥物的作用機(jī)制探究，明確方向，顯著提高研究效率。總之，本研究期望為天然產(chǎn)物小分子抑制劑的研究開發(fā)，提供思考和啟示。