CN113643751A - 一种药物作用机理分析方法、装置及电子设备 - Google Patents

一种药物作用机理分析方法、装置及电子设备 Download PDF

Info

Publication number
CN113643751A
CN113643751A CN202110759819.6A CN202110759819A CN113643751A CN 113643751 A CN113643751 A CN 113643751A CN 202110759819 A CN202110759819 A CN 202110759819A CN 113643751 A CN113643751 A CN 113643751A
Authority
CN
China
Prior art keywords
target
analyzed
gene
drug
determining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110759819.6A
Other languages
English (en)
Other versions
CN113643751B (zh
Inventor
刘二伟
王启隆
陈晓鹏
韩立峰
郝佳
王誉程
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin University of Traditional Chinese Medicine
Original Assignee
Tianjin University of Traditional Chinese Medicine
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin University of Traditional Chinese Medicine filed Critical Tianjin University of Traditional Chinese Medicine
Priority to CN202110759819.6A priority Critical patent/CN113643751B/zh
Publication of CN113643751A publication Critical patent/CN113643751A/zh
Application granted granted Critical
Publication of CN113643751B publication Critical patent/CN113643751B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B15/00—ICT specially adapted for analysing two-dimensional or three-dimensional molecular structures, e.g. structural or functional relations or structure alignment
    • G16B15/30—Drug targeting using structural data; Docking or binding prediction
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/90—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to alternative medicines, e.g. homeopathy or oriental medicines
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Pharmacology & Pharmacy (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Medicinal Chemistry (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • Toxicology (AREA)
  • Biophysics (AREA)
  • Crystallography & Structural Chemistry (AREA)
  • Alternative & Traditional Medicine (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Biotechnology (AREA)
  • Evolutionary Biology (AREA)
  • Theoretical Computer Science (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

本发明实施例提供了一种药物作用机理分析方法、装置及电子设备，涉及计算机技术领域。该方法包括：确定与待分析药物以及待分析药物所治疗的目标疾病均相关的共同基因靶点；确定共同基因靶点中各个基因靶点之间的目标调控通路；构建关于目标调控通路、共同基因靶点和待分析药物中的目标化合物之间的对应关系的第一分析网络；根据第一分析网络所表征的共同基因靶点和待分析药物中的目标化合物的连接度，确定待分析药物中的有效成分以及待分析药物治疗目标疾病时，所作用的目标基因靶点。与现有技术相比，应用本发明实施例提供的方案，可以实现高效且系统地对中药复方的作用机理进行分析，以全面筛查中药复方中的有效成分及其所作用的基因靶点。

Description

一种药物作用机理分析方法、装置及电子设备
技术领域
本发明涉及计算机技术领域，特别是涉及一种药物作用机理分析方法、装置及电子设备。
背景技术
在使用中药复方治疗疾病的过程中，中药复方通过所包括的多成分间的共同作用，在治疗疾病的多种生物过程中协同发挥功效。为了更好地提升中药复方的治疗效果，通常需要对中药复方的作用机理进行分析。
其中，传统中药学在分析中药复方的作用机理时，通常采用分离、鉴定以及药理学评价的方式进行，多以单一成分到单一靶点的作用过程来研究中药复方的作用机理。
然而，因为中药复方的成分复杂，因此，上述传统中药学在分析中药复方的作用机理时，通常存在任务繁琐、周期长且目的性差的问题，并且，中药复方中的成分繁多进一步增加了中药研究的难度，从而，导致中药复方的作用机理的分析效率较低，
因此，如何高效且系统地对中药复方的作用机理进行分析，以全面筛查中药复方中的有效成分及其所作用的基因靶点成为当前亟待解决的问题。
发明内容
本发明实施例的目的在于提供一种药物作用机理分析方法、装置及电子设备，以实现高效且系统地对中药复方的作用机理进行分析，以全面筛查中药复方中的有效成分及其所作用的基因靶点。具体技术方案如下：
第一方面，本发明实施例提供了一种药物作用机理分析方法，所述方法包括：
确定与待分析药物以及所述待分析药物所治疗的目标疾病均相关的共同基因靶点；
利用预设的通路分析方法，确定所述共同基因靶点中各个基因靶点之间的目标调控通路；
构建关于所述目标调控通路、所述共同基因靶点和所述待分析药物中的目标化合物之间的对应关系的第一分析网络；
根据所述第一分析网络所表征的所述共同基因靶点和所述待分析药物中的目标化合物的连接度，确定所述待分析药物中的有效成分以及所述待分析药物治疗所述目标疾病时，所作用的目标基因靶点。
可选的，一种具体实现方式中，所述根据所述第一分析网络所表征的所述共同基因靶点和所述待分析药物中的目标化合物的连接度，确定所述待分析药物中的有效成分以及所述待分析药物治疗所述目标疾病时，所作用的目标基因靶点的步骤，包括：
根据所述第一分析网络，确定所述共同基因靶点和所述待分析药物中的目标化合物的连接度；
按照连接度由大到小的顺序，分别依次排列所述共同基因靶点中的各个基因靶点，以及所述目标化合物中的各个化合物，并将排列在第一指定位置之前的各个基因靶点，确定为所述待分析药物治疗所述目标疾病时，所作用的目标基因靶点，将排列在第二指定位置之前的各个化合物，确定为所述待分析药物中的有效成分；
或者，
将所述共同基因靶点中，连接度大于第一预设数值的各个基因靶点，确定为所述待分析药物治疗所述目标疾病时，所作用的目标基因靶点，并将所述化合物中，连接度大于第二预设数值的各个化合物，确定为所述待分析药物中的有效成分。
可选的，一种具体实现方式中，所述方法还包括：
构建关于所述共同基因靶点中各个基因靶点之间的相互作用的PPI网络，并基于所述PPI网络构建关于所述共同基因靶点之间的各个靶点的相互作用的第二分析网络；
根据所述第二分析网络所表征的所述共同基因靶点中，各个基因靶点的连接度、介度和紧密度，确定所述共同基因靶点中的核心基因靶点；
对所述核心基因靶点进行指定分析，确定关于所述待分析药物治疗所述目标疾病的作用机理信息；其中，所述指定分析包括：相关调控通道分析和/或疾病热图分析预测。
可选的，一种具体实现方式中，所述根据所述第二分析网络所表征的所述共同基因靶点中，各个基因靶点的连接度、介度和紧密度，确定所述共同基因靶点中的核心基因靶点的步骤，包括：
根据所述第二分析网络，确定所述共同基因靶点中，各个基因靶点的连接度、介度和紧密度；
分别计算各个基因靶点的连接度、介度和紧密度的中位数，得到连接度中位数、介度中位数和紧密度中位数；
根据所述共同基因靶点中，各个基因靶点的连接度、介度和紧密度分别与所述连接度中位数、所述介度中位数和所述紧密度中位数的数值关系，确定所述共同基因靶点中的核心基因靶点。
可选的，一种具体实现方式中，所述指定分析包括：相关调控通道分析和疾病热图分析预测；所述对所述核心基因靶点进行指定分析，确定关于所述待分析药物治疗所述目标疾病的作用机理信息的步骤，包括：
对所述核心基因靶点进行相关调控通路分析，确定与所述待分析药物和所述目标疾病的关联程度满足预设关联要求的信号通道；其中，所述预设关联要求为关于所包括的核心基因靶点数量和与所述目标疾病的相关性的要求；
对所述核心基因靶点进行疾病热图分析预测，确定与所述目标疾病相关的生物功能条目；
将所述信号通道和所述生物功能条目确定为关于所述待分析药物治疗所述目标疾病的作用机理信息。
可选的，一种具体实现方式中，所述确定与待分析药物以及所述待分析药物所治疗的目标疾病均相关的共同基因靶点的步骤，包括：
获取待分析药物中的目标化合物，并利用预设的第一类数据库，确定与所述目标化合物相关的各个第一基因靶点；
利用预设的第二类数据库，确定与所述待分析药物所治疗的目标疾病相关的各个第二基因靶点；
确定所述各个第一基因靶点和所述各个第二基因靶点中的相同基因靶点，作为与待分析药物以及所述待分析药物所治疗的目标疾病均相关的共同基因靶点。
可选的，一种具体实现方式中，所述确定所述各个第一基因靶点和所述各个第二基因靶点中的相同基因靶点，作为与待分析药物以及所述待分析药物所治疗的目标疾病均相关的共同基因靶点的步骤，包括：
利用预设的第三类数据库，将所述各个第一基因靶点和所述各个第二基因靶点分别转换为所对应的标准基因靶点，得到各个第一标准基因靶点和各个第二标准基因靶点；
确定所述各个第一标准基因靶点和所述各个第二标准基因靶点中的相同基因靶点，作为与待分析药物以及所述待分析药物所治疗的目标疾病均相关的共同基因靶点。
第二方面，本发明实施例提供了一种药物作用机理分析装置，所述装置包括：
共同靶点确定模块，用于确定与待分析药物以及所述待分析药物所治疗的目标疾病均相关的共同基因靶点；
调控通路确定模块，用于利用预设的通路分析方法，确定所述共同基因靶点中各个基因靶点之间的目标调控通路；
第一分析网络构建模块，用于基于所述目标调控通路、所述共同基因靶点和所述待分析药物中的目标化合物，构建关于调控通路、基因靶点和化合物之间的对应关系的第一分析网络；
分析结果确定模块，用于根据所述第一分析网络所表征的所述共同基因靶点和所述待分析药物中的目标化合物的连接度，确定所述待分析药物中的有效成分以及所述待分析药物治疗所述目标疾病时，所作用的目标基因靶点。
可选的，一种具体实现方式中，所述分析结果确定模块具体用于：
根据所述第一分析网络，确定所述共同基因靶点和所述待分析药物中的目标化合物的连接度；
按照连接度由大到小的顺序，分别依次排列所述共同基因靶点中的各个基因靶点，以及所述目标化合物中的各个化合物，并将排列在第一指定位置之前的各个基因靶点，确定为所述待分析药物治疗所述目标疾病时，所作用的目标基因靶点，将排列在第二指定位置之前的各个化合物，确定为所述待分析药物中的有效成分；或者，
将所述共同基因靶点中，连接度大于第一预设数值的各个基因靶点，确定为所述待分析药物治疗所述目标疾病时，所作用的目标基因靶点，并将所述化合物中，连接度大于第二预设数值的各个化合物，确定为所述待分析药物中的有效成分。
可选的，一种具体实现方式中，所述装置还包括：
分析网络构建模块，用于构建关于所述共同基因靶点中各个基因靶点之间的相互作用的PPI网络，并基于所述PPI网络构建关于所述共同基因靶点之间的各个靶点的相互作用的第二分析网络；
核心基因靶点确定模块，用于根据所述第二分析网络所表征的所述共同基因靶点中，各个基因靶点的连接度、介度和紧密度，确定所述共同基因靶点中的核心基因靶点；
作用机理信息确定模块，用于对所述核心基因靶点进行指定分析，确定关于所述待分析药物治疗所述目标疾病的作用机理信息；其中，所述指定分析包括：相关调控通道分析和/或疾病热图分析预测。
可选的，一种具体实现方式中，所述核心基因靶点确定模块具体用于：
根据所述第二分析网络，确定所述共同基因靶点中，各个基因靶点的连接度、介度和紧密度；
分别计算各个基因靶点的连接度、介度和紧密度的中位数，得到连接度中位数、介度中位数和紧密度中位数；
根据所述共同基因靶点中，各个基因靶点的连接度、介度和紧密度分别与所述连接度中位数、所述介度中位数和所述紧密度中位数的数值关系，确定所述共同基因靶点中的核心基因靶点。
可选的，一种具体实现方式中，所述指定分析包括：相关调控通道分析和疾病热图分析预测；所述作用机理信息确定模块具体用于：
对所述核心基因靶点进行相关调控通路分析，确定与所述待分析药物和所述目标疾病的关联程度满足预设关联要求的信号通道；其中，所述预设关联要求为关于所包括的核心基因靶点数量和与所述目标疾病的相关性的要求；
对所述核心基因靶点进行疾病热图分析预测，确定与所述目标疾病相关的生物功能条目；
将所述信号通道和所述生物功能条目确定为关于所述待分析药物治疗所述目标疾病的作用机理信息。
可选的，一种具体实现方式中，所述共同靶点确定模块包括：
第一靶点获取子模块，用于获取待分析药物中的目标化合物，并利用预设的第一类数据库，确定与所述目标化合物相关的各个第一基因靶点；
第二靶点获取子模块，用于利用预设的第二类数据库，确定与所述待分析药物所治疗的目标疾病相关的各个第二基因靶点；
共同靶点确定子模块，用于确定所述各个第一基因靶点和所述各个第二基因靶点中的相同基因靶点，作为与待分析药物以及所述待分析药物所治疗的目标疾病均相关的共同基因靶点。
可选的，一种具体实现方式中，所述共同靶点确定子模块具体用于：
利用预设的第三类数据库，将所述各个第一基因靶点和所述各个第二基因靶点分别转换为所对应的标准基因靶点，得到各个第一标准基因靶点和各个第二标准基因靶点；
确定所述各个第一标准基因靶点和所述各个第二标准基因靶点中的相同基因靶点，作为与待分析药物以及所述待分析药物所治疗的目标疾病均相关的共同基因靶点。
第三方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述第一方面提供的任一方法的步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述第一方面提供的任一方法的步骤。
第五方面，本发明实施例提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述第一方面提供的任一方法的步骤。
本发明实施例有益效果：
以上可见，应用本发明实施例提供的方案，在分析待分析药物的作用机理时，首先确定待分析药物所治疗的目标疾病，进而，便可以确定与待分析药物和目标疾病均相关的共同基因靶点，并确定共同基因靶点中各个基因靶点之间的目标调控通路。之后，便可以构建关于目标调控通路、共同基因靶点和待分析药物中的目标化合物之间的对应关系的第一分析网络，从而，可以根据该第一分析网络所表征的共同基因靶点和目标化合物的连接度，确定待分析药物中的有效成分以及待分析药物治疗目标疾病时，所作用的目标基因靶点。
进一步的，在得到上述有效成分和目标基因靶点后，便可以确定待分析药物治疗目标疾病的作用机理为：待分析药物中的上述有效成分作用于与目标疾病相关的基因靶点，以产生治疗效果，并且，上述目标基因靶点在被待分析药物作用后，发生状态改变，以产生治疗效果。
基于此，针对中药复方，便可以通过上述方案，筛查中药复方中的有效成分及其所作用的基因靶点。这样，应用本发明实施例提供的方案，便可以实现高效且系统地对中药复方的作用机理进行分析，以全面筛查中药复方中的有效成分及其所作用的基因靶点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的实施例。
图1为本发明实施例提供的一种药物作用机理分析方法的流程示意图；
图2为本发明实施例提供的一种药物作用机理分析方法的流程示意图；
图3为应用本发明实施例提供的一种药物作用机理分析方法，分析中药复方治疗糖尿病视网膜病变的作用机理的流程示意图；
图4为图3所示具体实例中，所确定的共同基因靶点的示意图；
图5为图3所示具体实例中，所确定的PPI网络的示意图；
图6为图3所示具体实例中，所确定的关于调控通路、共同基因靶点和化合物的对应关系的网络图的示意图；
图7为图3所示具体实例中，所确定的各个核心基因靶点之间的相互作用的示意图；
图8为图3所示具体实例中，对核心基因靶点进行相关调控通道分析所得到的结果示意图；
图9为图3所示具体实例中，对核心基因靶点进行疾病热图分析预测所得到的结果示意图；
图10为本发明实施例提供的一种药物作用机理分析装置的结构示意图；
图11为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员基于本申请所获得的所有其他实施例，都属于本发明保护的范围。
传统中药学在分析中药复方的作用机理时，通常采用分离、鉴定以及药理学评价的方式进行，多以单一成分到单一靶点的作用过程来研究中药复方的作用机理。然而，因为中药复方的成分复杂，因此，上述传统中药学在分析中药复方的作用机理时，通常存在任务繁琐、周期长且目的性差的问题，并且，中药复方中的成分繁多进一步增加了中药研究的难度，从而，导致中药复方的作用机理的分析效率较低，因此，如何高效且系统地对中药复方的作用机理进行分析，以全面筛查中药复方中的有效成分及其所作用的基因靶点成为当前亟待解决的问题。
为了解决上述技术问题，本发明实施例提供了一种药物作用机理分析方法。
其中，该方法可以适用于对中药复方等各类药物进行作用机理分析的各类应用场景。此外，该方法可以应用于笔记本电脑、台式电脑等各类电子设备，并且，该电子设备可以是独立的电子设备，也可以是多台设备构成的设备。
基于此，本发明实施例不对该方法的应用场景和执行主体进行限定。
其中，本发明实施例提供的一种药物作用机理分析方法，可以包括：
确定与待分析药物以及所述待分析药物所治疗的目标疾病均相关的共同基因靶点；
利用预设的通路分析方法，确定所述共同基因靶点中各个基因靶点之间的目标调控通路；
构建关于所述目标调控通路、所述共同基因靶点和所述待分析药物中的目标化合物之间的对应关系的第一分析网络；
根据所述第一分析网络所表征的所述共同基因靶点和所述待分析药物中的目标化合物的连接度，确定所述待分析药物中的有效成分以及所述待分析药物治疗所述目标疾病时，所作用的目标基因靶点。
以上可见，应用本发明实施例提供的方案，在分析待分析药物的作用机理时，首先确定待分析药物所治疗的目标疾病，进而，便可以确定与待分析药物和目标疾病均相关的共同基因靶点，并确定共同基因靶点中各个基因靶点之间的目标调控通路。之后，便可以构建关于目标调控通路、共同基因靶点和待分析药物中的目标化合物之间的对应关系的第一分析网络，从而，可以根据该第一分析网络所表征的共同基因靶点和目标化合物的连接度，确定待分析药物中的有效成分以及待分析药物治疗目标疾病时，所作用的目标基因靶点。
进一步的，在得到上述有效成分和目标基因靶点后，便可以确定待分析药物治疗目标疾病的作用机理为：待分析药物中的上述有效成分作用于与目标疾病相关的基因靶点，以产生治疗效果，并且，上述目标基因靶点在被待分析药物作用后，发生状态改变，以产生治疗效果。
基于此，针对中药复方，便可以通过上述方案，筛查中药复方中的有效成分及其所作用的基因靶点。这样，应用本发明实施例提供的方案，便可以实现高效且系统地对中药复方的作用机理进行分析，以全面筛查中药复方中的有效成分及其所作用的基因靶点。
在对本发明实施例提供的一种药物作用机理分析方法进行具体说明之前，首先对本发明实施例所可能涉及到的相关技术术语进行介绍。
1、TCMSP(Traditional Chinese Medicine Database and Analysis Platform，重要系统药理学数据库分析平台)：一种独特的中草药系统药理学平台，能够确定药物、靶标和疾病之间的关系。该数据库包含499味中药和29000多个化合物，针对每一个化合物提供了较全面的ADME(Absorption、Distribution、Metabolism and excretion，吸收、分布、代谢及排泄)评价及潜在活性成分的靶标和疾病信息
2、OMIM(Online Mendelian Inheritance in Man，在线人类孟德尔遗传数据库)：关于人类基因和遗传紊乱的数据库，通过对新的病症分类并命名、收录表型和相关病因基因的关系来收录人类孟德尔疾病信息，主要着眼于所有已知的遗传病、遗传决定的性状及其基因的查询，是医学遗传学最权威的数据库，。
3、CTD(Comparative Toxicogenomics Database，毒性与基因比较数据库)：一个关于化学物质与基因的相互作用，化学物质在体内的运输和积累的数据库，主要收集收集了化合物、基因、序列、有脊椎动物、无脊椎动物的相关信息，探究化合物、基因、通路、疾病间的相互作用。
4、DrugBank：提供详细的药品数据(即化学、药理学和制药)与综合药物靶点信息(即序列、结构和作用通路)相结合的“生物信息学和化学信息学”资源，是唯一将详细药品数据与靶点及通路信息相结合的生物信息学和化学信息学数据库，数据库中包含药品名称、成分、结构、靶点、药物相互作用等多种信息。
5、Uniprot(UniversalProtein)数据库：目前信息最丰富、资源最广的蛋白质数据库，被应用于已知蛋白推导其相应靶基因，以及标准基因名称的转化。
6、STRING数据库：在线搜索已知的蛋白互作关系的数据库，可以输入蛋白质名称或者蛋白质序列进行查询。输入的是单个蛋白质名称，数据库将会输出与该蛋白质互作的所有蛋白质的互作图，输入的是多个蛋白质名称或者序列，数据库将只输出所输入的蛋白质之间的互作网络图。
7、Cytoscape软件：一款图形化显示网络结构并对之进行分析和编辑的软件，可以将化合物、基因、通路间的相互关系可视化并进行多样分析和筛选。
8、IPA(Ingenuity Pathway Anaylsis，通路分析)软件：基于云计算的一体化生物通路分析软件。其在高度结构化的生物信息平台(Ingenuity Knowledge Base)支持下，一方面可以搜索基因、蛋白、药物等的各类相关信息，并构建相互作用模型；另一方面还可以分析来源于基因组、micro-RNA、SNP、芯片、代谢组、蛋白组等的实验数据。
9、PPI(protein-proteininteraction，蛋白质-蛋白质相互作用)：两个或两个以上的蛋白质分子通过非共价键形成蛋白质复合体(proteincomplex)的过程。
10、Degree(连接度)：针对每个节点，直接与该节点相连接的靶点个数；其中，个数越多代表该节点在网络图中占比越大。
11、Betweenness(介度)：针对每个节点，网络图中两个节点直接相连的路径中，包括该节点的路径的数量。
12、Closeness(紧密度)：针对每个节点，该节点到网络图中其他节点的距离总和，用于衡量该节点处于网络图的中间位置的程度。
下面结合附图，对本发明实施例提供的一种药物作用机理分析方法进行具体说明。
图1为本发明实施例提供的一种药物作用机理分析方法的流程示意图，如图1所示，该方法可以包括如下步骤S101-S104：
S101：确定与待分析药物以及待分析药物所治疗的目标疾病均相关的共同基因靶点；
针对待分析药物，可以首先确定待分析药物所治疗的目标疾病，进而，便可以确定当前已知的基因靶点中，与待分析药物和目标疾病均相关的共同基因靶点。
其中，可选的，一种具体实现方式中，上述步骤S101可以包括如下步骤11-13：
步骤11：获取待分析药物中的目标化合物，并利用预设的第一类数据库，确定与目标化合物相关的各个第一基因靶点；
步骤12：利用预设的第二类数据库，确定与待分析药物所治疗的目标疾病相关的各个第二基因靶点；
步骤13：确定各个第一基因靶点和各个第二基因靶点中的相同基因靶点，作为与待分析药物以及待分析药物所治疗的目标疾病均相关的共同基因靶点。
在本具体实现方式中，可以首先获取待分析药物中的目标化合物，从而，便可以利用预设的第一类数据库，确定与目标化合物相关的各个第一基因靶点，则所得到的各个第一基因靶点即为与待分析药物相关联的基因靶点。
其中，上述第一类数据库可以为能够确定与化合物相关联的基因靶点的各个数据库，例如，TCMSP等。
可选的，上述待分析药物中的目标化合物可以通过对待分析药物进行质谱定性得到的。
进而，可以利用预设的第二类数据库，确定与上述目标疾病相关的各个第二基因靶点。
其中，上述第二数据库可以为能够确定与疾病相关联的基因靶点的各个数据库，例如，OMIM、CTD、DrugBank等。并且，在上述步骤12中，所利用的第二类数据库的数量可以是一个，也可以是多个，这都是合理的。
这样，在得到上述与目标化合物相关的各个第一基因靶点，以及与目标疾病相关的各个第二基因靶点后，便可以确定各个第一基因靶点和各个第二基因靶点中所存在的相同基因靶点。进而，由于所确定的相同基因靶点既是与目标化合物相关的基因靶点，也是与目标疾病相关的基因靶点，因此，便可以将所确定的相同基因靶点，作为与待分析药物以及待分析药物所治疗的目标疾病均相关的共同基因靶点。
其中，由于针对同一基因靶点，不同的第一类数据库和第二类数据库中，可能采用不同的命名方式进行命名，从而，导致通过不同的第一类数据库和第二类数据库，所得到的针对同一基因靶点的名称可能不同，因此，为了保证能够准确地根据各个第一基因靶点和各个第二基因靶点，得到上述共同基因靶点，可以将所得到的各个第一基因靶点和各个第二基因靶点，转化为统一命名的标准基因靶点。
基于此，可选的，一种具体实现方式中，上述步骤13可以包括如下步骤131-132：
步骤131：利用预设的第三类数据库，将各个第一基因靶点和各个第二基因靶点分别转换为所对应的标准基因靶点，得到各个第一标准基因靶点和各个第二标准基因靶点；
步骤132：确定各个第一标准基因靶点和各个第二标准基因靶点中的相同基因靶点，作为与待分析药物以及待分析药物所治疗的目标疾病均相关的共同基因靶点。
在本具体实现方式中，在得到各个第一基因靶点和各个第二基因靶点后，便可以利用预设的第三类数据库，将各个第一基因靶点和各个第二基因靶点分别转换为所对应的标准基因靶点，从而，得到各个第一标准基因靶点和各个第二标准基因靶点。
其中，上述第三类数据库可以为包括各个基因靶点的标准基因名称，并且，能够实现对基因靶点的名称进行标准化转化，以得到所对应的标准基因名称的数据库，例如，UniProt等。
这样，在得到各个第一标准基因靶点和各个第二标准基因靶点后，便可以确定各个第一标准基因靶点和各个第二标准基因靶点中的相同基因靶点，从而，所确定的相同基因靶点即为上述共同基因靶点。
S102：利用预设的通路分析方法，确定共同基因靶点中各个基因靶点之间的目标调控通路；
在得到上述共同基因靶点后，便可以利用预设的通路分析方法，确定共同基因靶点中各个基因靶点之间的目标调控通路。
可选的，可以将上述共同基因靶点导入IPA软件，得到IPA软件所输出的目标调控通路。
S103：构建关于目标调控通路、共同基因靶点和待分析药物中的目标化合物之间的对应关系的第一分析网络；
在确定对上述待分析药物进行作用机理分析时，可以随之确定待分析药物中的目标化合物。例如，可以通过质谱定性的方式确定待分析药物中的目标化合物。
这样，在得到上述目标调控通路、共同基因靶点和待分析药物中的目标化合物之后，便可以进一步构建关于目标调控通路、共同基因靶点和待分析药物中的目标化合物之间的对应关系的第一分析网络。
例如，可以将上述目标调控通路、共同基因靶点和待分析药物中的目标化合物导入Cytoscape软件，从而，获取Cytoscape软件所输出的第一分析网络。
其中，根据上述第一分析网络中，目标调控通路、共同基因靶点和待分析药物中的目标化合物之间的连接关系，可以确定该第一分析网络中，各个节点的连接度、介度和紧密度。也就是说，可以根据上述第一分析网络，确定每个共同基因靶点，以及每个目标化合物的连接度、介度和紧密度。
S104：根据第一分析网络所表征的共同基因靶点和待分析药物中的目标化合物的连接度，确定待分析药物中的有效成分以及待分析药物治疗目标疾病时，所作用的目标基因靶点。
在得到上述第一分析网络后，便可以根据第一分析网络所表征的共同基因靶点和待分析药物中的目标化合物的连接度，确定待分析药物中的有效成分，以及待分析药物治疗目标疾病时，所作用的目标基因靶点。
其中，可选的，一种具体实现方式中，上述步骤S104，可以包括如下步骤41和42：
步骤41：根据第一分析网络，确定共同基因靶点和待分析药物中的目标化合物的连接度；
步骤42：按照连接度由大到小的顺序，分别依次排列共同基因靶点中的各个基因靶点，以及目标化合物中的各个化合物，并将排列在第一指定位置之前的各个基因靶点，确定为待分析药物治疗目标疾病时，所作用的目标基因靶点，将排列在第二指定位置之前的各个化合物，确定为待分析药物中的有效成分；
在本具体实现方式中，可以首先根据上述第一分析网络，确定每个共同基因靶点，以及每个目标化合物的连接度。
这样，针对上述共同基因靶点中各个基因靶点，便可以按照连接度由大到小的顺序，依次排列各个基因靶点，从而，将排列在第一指定位置之前的各个基因靶点，确定为待分析药物治疗目标疾病时，所作用的目标基因靶点。
也就是说，可以将排列在前第一预设位的各个基因靶点，确定为待分析药物治疗目标疾病时，所作用的目标基因靶点。其中，第一预设位所对应的位数等于上述第一指定位置所对应的位数减1所得到的差值。
例如，将排列在第21位之前的各个基因靶点，确定为上述目标基因靶点，也就是说，将排列在前20位的各个基因靶点，确定为上述目标基因靶点。
同样的，针对上述目标化合物中的各个化合物，便可以按照连接度由大到小的顺序，依次排列各个化合物，并将排列在第二指定位置之前的各个化合物，确定为待分析药物中的有效成分。
也就是说，可以将排列在前第二预设位的各个化合物，确定为待分析药物中的有效成分。其中，第二预设位所对应的位数等于上述第二指定位置所对应的位数减1所得到的差值。
例如，将排列在第21位之前的各个化合物，确定为待分析药物中的有效成分，也就是说，将排列在前20位的各个化合物，确定为上述有效成分。
可选的，上述第一指定位置和第二指定位置可以相同，也可以不同。
可选的，另一种具体实现方式中，上述步骤S104，可以包括如下步骤41和43：
步骤41：根据第一分析网络，确定共同基因靶点和待分析药物中的目标化合物的连接度；
步骤43：将共同基因靶点中，连接度大于第一预设数值的各个基因靶点，确定为待分析药物治疗目标疾病时，所作用的目标基因靶点，并将化合物中，连接度大于第二预设数值的各个化合物，确定为待分析药物中的有效成分。
在本具体实现方式中，可以首先根据上述第一分析网络，确定每个共同基因靶点，以及每个目标化合物的连接度。
这样，针对上述共同基因靶点中各个基因靶点，便可以将连接度大于第一预设数值的各个基因靶点，确定为待分析药物治疗目标疾病时，所作用的目标基因靶点。
例如，可以将连接度大于10的各个基因靶点，确定为上述目标基因靶点。
同样的，针对上述目标化合物中的各个化合物，便可以将连接度大于第二预设数值的各个化合物，确定为待分析药物中的有效成分。
例如，可以将连接度大于4的各个化合物，确定为上述有效成分。
可选的，上述第一预设数值和第二预设数值可以相同，也可以不同。
基于此，针对中药复方，便可以通过上述方案，筛查中药复方中的有效成分及其所作用的基因靶点。这样，应用本发明实施例提供的方案，便可以实现高效且系统地对中药复方的作用机理进行分析，以全面筛查中药复方中的有效成分及其所作用的基因靶点。
可以理解的，在与待分析药物以及目标疾病均相关的共同基因靶点中，可以存在对待分析药物的作用机理具有较大贡献的核心基因靶点，从而，这些核心基因靶点所对应的调控通道和生物功能条目，也可以用于表征待分析药物的作用机理。这样，在得到上述目标基因靶点和有效成分后，还可以进一步利用上述共同基因靶点中的核心基因靶点，从而，调控通道和生物功能条目的角度，对待分析药物的作用机理进行分析。
基于此，可选的，一种具体实现方式中，如图2所示，上述本发明实施例提供的一种药物作用机理分析方法，还可以包括如下步骤S105-S107：
S105：构建关于共同基因靶点中各个基因靶点之间的相互作用的PPI网络，并基于PPI网络构建关于共同基因靶点之间的各个靶点的相互作用的第二分析网络；
在得到上述共同基因靶点后，便可以进一步构建关于共同基因靶点中各个基因靶点之间的相互作用的PPI网络，并基于PPI网络构建关于共同基因靶点之间的各个靶点的相互作用的第二分析网络。
其中，根据上述第二分析网络中，共同基因靶点中各个基因靶点之间的连接关系，可以确定该第二分析网络中，各个节点的连接度、介度和紧密度，也就是说，可以根据上述第二分析网络，确定每个共同基因靶点的连接度、介度和紧密度。
可选的，可以将上述共同基因靶点导入STRING数据库，得到STRING数据库输出的PPI网络，进而，将PPI网络导入Cytoscape软件，得到Cytoscape软件输出的关于共同基因靶点之间的各个靶点的相互作用的第二分析网络。
S106：根据第二分析网络所表征的共同基因靶点中，各个基因靶点的连接度、介度和紧密度，确定共同基因靶点中的核心基因靶点；
在得到上述第二分析网络后，便可以根据第二分析网络所表征的共同基因靶点中，各个基因靶点的连接度、介度和紧密度，确定共同基因靶点中的核心基因靶点。
其中，可选的，一种具体实现方式中，上述步骤S106可以包括如下步骤21-23：
步骤21：根据第二分析网络，确定共同基因靶点中，各个基因靶点的连接度、介度和紧密度；
步骤22：分别计算各个基因靶点的连接度、介度和紧密度的中位数，得到连接度中位数、介度中位数和紧密度中位数；
步骤23：根据共同基因靶点中，各个基因靶点的连接度、介度和紧密度分别与连接度中位数、介度中位数和紧密度中位数的数值关系，确定共同基因靶点中的核心基因靶点。
在本具体实现方式中，在得到上述第二分析网络后，可以首先根据该第二分析网络中，各个基因靶点之间的连接关系，确定该第二分析网络中，各个节点的连接度、介度和紧密度。进而，利用各个基因靶点的连接度，计算连接度的中位数，得到连接度中位数，利用各个基因靶点的介度，计算介度的中位数，得到介度中位数，并利用各个基因靶点的紧密度，计算紧密度的中位数，得到紧密度中位数。
这样，便可以根据上述共同基因靶点中，各个基因靶点的连接度、介度和紧密度分别与连接度中位数、介度中位数和紧密度中位数的数值关系，确定共同基因靶点中的核心基因靶点。
可选的，可以将上述共同基因靶点中，连接度、介度和紧密度分别大于连接度中位数、介度中位数和紧密度中位数的基因靶点，确定为核心基因靶点。
S107：对核心基因靶点进行指定分析，确定关于待分析药物治疗目标疾病的作用机理信息；
其中，指定分析包括：相关调控通道分析和/或疾病热图分析预测。
在得到上述核心基因靶点后，便可以对核心基因靶点进行相关调控通道分析和/或疾病热图分析预测，从而，确定关于待分析药物治疗目标疾病的作用机理信息。
其中，可选的，一种具体实现方式中，当对核心基因靶点进行相关调控通道分析和疾病热图分析预测时，则上述步骤S107可以包括如下步骤31-33：
步骤31：对核心基因靶点进行相关调控通路分析，确定与待分析药物和目标疾病的关联程度满足预设关联要求的信号通道；
其中，预设关联要求为关于所包括的核心基因靶点数量和与目标疾病的相关性的要求；
步骤32：对核心基因靶点进行疾病热图分析预测，确定与目标疾病相关的生物功能条目；
步骤33：将信号通道和生物功能条目确定为关于待分析药物治疗目标疾病的作用机理信息。
在本具体实现方式中，对核心基因靶点进行相关调控通路分析，可以得到关于上述核心基因靶点的多个信号通道，从而，便可以根据关于所包括的核心基因靶点数量和与目标疾病的相关性的预设关联要求，从上述多个信号通道中，选取与待分析药物和目标疾病的关联程度满足上述预设关联要求的信号通道。
可选的，上述预设关联要求可以为：与目标疾病的相关性大于预设相关性，且所包括的核心基因靶点的数量大于预设数量。
并且，还可以对核心基因靶点进行疾病热图分析预测，确定与目标疾病相关的生物功能条目。
可选的，可以确定与目标疾病相关的全部生物功能条目，也可以根据生物功能条目与目标疾病的相关性，确定与目标疾病相关的部分生物功能条目。
这样，便可以将上述所确定的信号通道和生物功能条目确定为关于待分析药物治疗目标疾病的作用机理信息。这样，便可以根据所确定的信号通道和生物功能条目对待分析药物的作用机理进行分析。
其中，通过对信号通道的分析，可以预测待分析药物对与目标疾病相关的基因靶点进行作用时，所利用的基因靶点之间的调控通路，而通过对生物功能条目的分析，可以确定待分析药物在治疗目标疾病时，所针对的生物功能条目。从而，可以进一步分析得到待分析药物的作用机理。
为了便于更好地连接本发明实施例提供的一种药物作用机理分析方法，下面，以中药复方治疗糖尿病视网膜病变为例，对本发明实施例提供的一种药物作用机理分析方法进行举例说明。
如图3所示，为应用本发明实施例提供的一种药物作用机理分析方法，分析中药复方治疗糖尿病视网膜病变的作用机理的流程示意图。
其中，图3中的GC-MS为Gas Chromatography-Mass Spectrometer(气相色谱-质谱联用仪)的英文缩写，LC-MS为液相色谱质谱联用的英文缩写。从而，可以通过分析中药复方中的化合物。Canonical Pathway为信号通道，Diseases&Funtion为生物功能条目。
第一环节：利用GC-MS和LC-MS对中药复方进行质谱定性，并根据成分鉴定，确定中药复方中包括138个化合物。从而，将该138个化合物导入TCMSP中，可以得到该138个化合物具有作用靶点的68个化合物，导出该68个化合物的作用靶点，在去重后，将所得到的靶蛋白名导入UniProt数据库中，转换并导出与中药复方相关联的287个基因靶点，即得到287个图3中的药物调控基因。
第二环节：使用OMIM、CTD和DrugBank三个数据库，分别导出与糖尿病视网膜病变相关联的基因靶点，再利用UniProt数据库，将所得到的基因靶点转化为具有统一名称的标准化基因靶点。其中，应用OMIM获得与糖尿病视网膜病变相关联的基因靶点638个，利用CTD数据库获得对糖尿病视网膜病变的相关通路有调节作用的基因靶点13个，利用DrugBank数据库获得已上市的治疗糖尿病视网膜病变西药的确切作用靶点3个。从而，综合以上数据库所得到的基因靶点，在去重后，共获得646个与糖尿病视网膜病变相关联的基因靶点，即得到646个图3中的疾病调控基因。
第三环节：利用Cytoscape软件，获取上述287个药物调控基因与646个疾病调控基因的交集，得到59个共同基因靶点，例如，如图4所示。进而，将59个共同基因靶点导入STRING数据库，构建得到如图5所示的PPI网络。
其中，图5中的各个节点表示各个共同基因靶点，每个节点上的英文为该节点所表征的共同基因靶点的名称。
第四环节：将上述59个共同基因靶点导入IPA软件中，得到关于59个共同基因靶点中各个共同基因靶点之间的调控通路；进而，将所得到的调控通路，上述59个共同基因靶点，以及中药复方中具有作用靶点的68个化合物导入Cytoscape软件，得到关于调控通路、共同基因靶点和化合物的对应关系的网络图，如图6所示。
其中，图6中，左侧的各个节点表示中药复方中具有作用靶点的各个化合物，右侧外圈的各个节点表示各个共同基因靶点，右侧内圈的各个节点表示各个共同基因靶点中之间的调控通路。并且，各个节点上的文字表示该节点所表征的内容的名称。
这样，根据如图6所示的网络图，可以根据中药复方中具有作用靶点的各个化合物的连接度，确定中药复方中的有效成分。例如，如表1所示，为按照连接度由高到低的顺序排列，所得到的中药复方中排位在前15位的化合物，从而，将这15个化合物确定为中药复方中的有效成分。
表1
序号 成分名称 靶点数目
1 芹菜素 22
2 木犀草素 21
3 大豆甙元 19
4 山奈酚 18
5 黄芩素 10
6 芦丁 8
7 金圣草素 7
8 黄豆黄素 7
9 芒柄花素 7
10 毛蕊异黄酮 7
11 紫云英苷 6
12 芒柄花苷 6
13 油酸 5
14 原阿片碱 4
15 小檗红碱 4
进一步的，根据如图6所示的网络图，可以根据各个共同基因靶点的连接度，确定与糖尿病视网膜病变相关联的各个潜在治疗靶点，即确定中药复方治疗糖尿病视网膜病变时，所作用的目标基因靶点。例如，如表2所示，为按照连接度由高到低的顺序排列，所得到的各个共同基因靶点中排位在前20位的共同基因靶点，从而，将这20个共同基因靶点确定为与糖尿病视网膜病变相关联的各个潜在治疗靶点。
表2
Figure BDA0003148820030000211
Figure BDA0003148820030000221
第五环节：将上述如图5所示的PPI网络导入Cytoscape，可以得到关于上述59个共同基因靶点中，各个基因靶点之间的相互作用的网络图。其中，该网络图中包括59个节点以及765条边。进而，以大于1倍Degree、Betweennes和Closeness的中位数值为标准进行筛选，便可以得到上述59个共同基因靶点中的27个核心基因靶点。其中，以大于1倍Degree、Betweennes和Closeness的中位数值为标准进行筛选是指：在计算得到上述59个共同基因靶点中，各个基因靶点的Degree、Betweennes和Closeness的中位数值，进而，将上述59个共同基因靶点中，Degree、Betweennes和Closeness分别大于Degree、Betweennes和Closeness的中位数值的各个共同基因靶点，确定为核心基因靶点。
例如，所得到的各个核心基因靶点如表3所示，各个核心基因靶点之间的相互作用如图7所示，其中，图7中，各个节点表示各个核心基因靶点，各个节点之间的连线表示各个核心基因靶点之间的相互作用，各个节点上的英文为该节点所表示的核心基因靶点的名称。
表3
Figure BDA0003148820030000231
第六环节：通过IPA软件对上述所得到的27个核心基因靶点进行相关调控通道分析，得到调控通道结果，例如，如图8所示。
其中，图8中，-Log p-value表示：调控通道与糖尿病视网膜病变的相关性，ratio表示调控通道所包括的核心基因靶点数量与调控通道所包括的全部基因靶点数量的比值。
进而，根据调控通道与糖尿病视网膜病变的相关性，以及调控通道所包括的核心基因靶点数量与调控通道所包括的全部基因靶点数量的比值，从所得到的调控通道中，选取十条调控通道。例如，该十条调控通道分别为：
(1)Neuroinflammation Signaling Pathway(神经炎症信号通路)；(2)Coloractal Cancer Metastasis Signaling(乳腺癌转移信号转导)；(3)GlucocorticoidReceptor Signaling(糖皮质激素受体信号转导)；(4)HMGB1 Signaling；(5)Inhibitionof Angiogenesis by TSP1(TSP1对血管生成的抑制作用)；(6)Hepatic Fibrosis/HepaticStellate Cell Activation(肝纤维化/肝星状细胞活化)；(7)Role of Macrophages，Fibroblasts and Endothelial Cells in Rheumatoid Arthritis(巨噬细胞、成纤维细胞和内皮细胞在类风湿关节炎中的作用)；(8)Aryl Hydrocarbon Receptor Signaling(芳香烃受体信号)；(9)Pancreatic Adenocarcinoma Signaling(胰腺癌信号转导)；(10)P53Signaling。
第七环节：通过IPA软件对上述所得到的27个核心基因靶点进行疾病热图分析预测，得到预测结果，例如，如图9所示，其中，图9中的每个矩形表示一个生物功能条目，每个矩形上的英文为该矩形所表示的生物功能条目的名称，并且，矩形的颜色越深表示矩形所表示的生物功能条目为与糖尿病视网膜病变相关的生物功能条目的概率越小，即P值越小。
从而，可以得到包括Organismal injury and abnormalities(组织损伤和异常)、Cell death and survival(细胞死亡与存活)、Cellular development(细胞发育)、Cellular growth and proliferation(细胞生长与增殖)、Hematological systemdevelopment(血液系统进程)、Tissue development(组织发育)、Organismal development(组织发育)、Cellular movement(细胞运动)在内的，72个与糖尿病视网膜病变相关的生物功能条目。
这样，可以确定中药复方治疗糖尿病视网膜病变可能与细胞的凋亡与增殖、组织的新生和血液系统的进程密切相关。
以上，以中药复方中的138个化合物为基础，通过上述本发明实施例提供的药物作用机理分析方法，得到了中药复方治疗糖尿病视网膜病变时，可能的有效成分、潜在治疗靶点，核心基因靶点、生物功能条目及调控通道，进而，可以为药物的进一步研究提供思路。
相应于上述本发明实施例提供的一种药物作用机理分析方法，本发明实施例还提供了一种药物作用机理分析装置。
图10为本发明实施例提供的一种药物作用机理分析装置的结构示意图，如图10所示，该装置可以包括如下模块：
共同靶点确定模块1010，用于确定与待分析药物以及所述待分析药物所治疗的目标疾病均相关的共同基因靶点；
调控通路确定模块1020，用于利用预设的通路分析方法，确定所述共同基因靶点中各个基因靶点之间的目标调控通路；
第一分析网络构建模块1030，用于基于所述目标调控通路、所述共同基因靶点和所述待分析药物中的目标化合物，构建关于调控通路、基因靶点和化合物之间的对应关系的第一分析网络；
分析结果确定模块1040，用于根据所述第一分析网络所表征的所述共同基因靶点和所述待分析药物中的目标化合物的连接度，确定所述待分析药物中的有效成分以及所述待分析药物治疗所述目标疾病时，所作用的目标基因靶点。
以上可见，应用本发明实施例提供的方案，在分析待分析药物的作用机理时，首先确定待分析药物所治疗的目标疾病，进而，便可以确定与待分析药物和目标疾病均相关的共同基因靶点，并确定共同基因靶点中各个基因靶点之间的目标调控通路。之后，便可以构建关于目标调控通路、共同基因靶点和待分析药物中的目标化合物之间的对应关系的第一分析网络，从而，可以根据该第一分析网络所表征的共同基因靶点和目标化合物的连接度，确定待分析药物中的有效成分以及待分析药物治疗目标疾病时，所作用的目标基因靶点。
进一步的，在得到上述有效成分和目标基因靶点后，便可以确定待分析药物治疗目标疾病的作用机理为：待分析药物中的上述有效成分作用于与目标疾病相关的基因靶点，以产生治疗效果，并且，上述目标基因靶点在被待分析药物作用后，发生状态改变，以产生治疗效果。
基于此，针对中药复方，便可以通过上述方案，筛查中药复方中的有效成分及其所作用的基因靶点。这样，应用本发明实施例提供的方案，便可以实现高效且系统地对中药复方的作用机理进行分析，以全面筛查中药复方中的有效成分及其所作用的基因靶点。
可选的，一种具体实现方式中，所述分析结果确定模块1040具体用于：
根据所述第一分析网络，确定所述共同基因靶点和所述待分析药物中的目标化合物的连接度；
按照连接度由大到小的顺序，分别依次排列所述共同基因靶点中的各个基因靶点，以及所述目标化合物中的各个化合物，并将排列在第一指定位置之前的各个基因靶点，确定为所述待分析药物治疗所述目标疾病时，所作用的目标基因靶点，将排列在第二指定位置之前的各个化合物，确定为所述待分析药物中的有效成分；或者，
将所述共同基因靶点中，连接度大于第一预设数值的各个基因靶点，确定为所述待分析药物治疗所述目标疾病时，所作用的目标基因靶点，并将所述化合物中，连接度大于第二预设数值的各个化合物，确定为所述待分析药物中的有效成分。
可选的，一种具体实现方式中，所述装置还包括：
分析网络构建模块，用于构建关于所述共同基因靶点中各个基因靶点之间的相互作用的PPI网络，并基于所述PPI网络构建关于所述共同基因靶点之间的各个靶点的相互作用的第二分析网络；
核心基因靶点确定模块，用于根据所述第二分析网络所表征的所述共同基因靶点中，各个基因靶点的连接度、介度和紧密度，确定所述共同基因靶点中的核心基因靶点；
作用机理信息确定模块，用于对所述核心基因靶点进行指定分析，确定关于所述待分析药物治疗所述目标疾病的作用机理信息；其中，所述指定分析包括：相关调控通道分析和/或疾病热图分析预测。
可选的，一种具体实现方式中，所述核心基因靶点确定模块具体用于：
根据所述第二分析网络，确定所述共同基因靶点中，各个基因靶点的连接度、介度和紧密度；
分别计算各个基因靶点的连接度、介度和紧密度的中位数，得到连接度中位数、介度中位数和紧密度中位数；
根据所述共同基因靶点中，各个基因靶点的连接度、介度和紧密度分别与所述连接度中位数、所述介度中位数和所述紧密度中位数的数值关系，确定所述共同基因靶点中的核心基因靶点。
可选的，一种具体实现方式中，所述指定分析包括：相关调控通道分析和疾病热图分析预测；所述作用机理信息确定模块具体用于：
对所述核心基因靶点进行相关调控通路分析，确定与所述待分析药物和所述目标疾病的关联程度满足预设关联要求的信号通道；其中，所述预设关联要求为关于所包括的核心基因靶点数量和与所述目标疾病的相关性的要求；
对所述核心基因靶点进行疾病热图分析预测，确定与所述目标疾病相关的生物功能条目；
将所述信号通道和所述生物功能条目确定为关于所述待分析药物治疗所述目标疾病的作用机理信息。
可选的，一种具体实现方式中，所述共同靶点确定模块1010包括：
第一靶点获取子模块，用于获取待分析药物中的目标化合物，并利用预设的第一类数据库，确定与所述目标化合物相关的各个第一基因靶点；
第二靶点获取子模块，用于利用预设的第二类数据库，确定与所述待分析药物所治疗的目标疾病相关的各个第二基因靶点；
共同靶点确定子模块，用于确定所述各个第一基因靶点和所述各个第二基因靶点中的相同基因靶点，作为与待分析药物以及所述待分析药物所治疗的目标疾病均相关的共同基因靶点。
可选的，一种具体实现方式中，所述共同靶点确定子模块具体用于：
利用预设的第三类数据库，将所述各个第一基因靶点和所述各个第二基因靶点分别转换为所对应的标准基因靶点，得到各个第一标准基因靶点和各个第二标准基因靶点；
确定所述各个第一标准基因靶点和所述各个第二标准基因靶点中的相同基因靶点，作为与待分析药物以及所述待分析药物所治疗的目标疾病均相关的共同基因靶点。
相应于上述本发明实施例提供的一种药物作用机理分析方法，本发明实施例还提供了一种电子设备，如图11所示，包括处理器1101、通信接口1102、存储器1103和通信总线1104，其中，处理器1101，通信接口1102，存储器1103通过通信总线1104完成相互间的通信，
存储器1103，用于存放计算机程序；
处理器1101，用于执行存储器1103上所存放的程序时，实现上述本发明实施例提供的任一药物作用机理分析方法的步骤。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，RAM)，也可以包括非易失性存储器(Non-Volatile Memory，NVM)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在本发明提供的又一实施例中，还提供了一种计算机可读存储介质，该计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述本发明实施例提供的任一药物作用机理分析方法的步骤。
在本发明提供的又一实施例中，还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述本发明实施例提供的任一药物作用机理分析方法的步骤。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置实施例、电子设备实施例、计算机可读存储介质实施例以及计算机程序产品实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (10)

1.一种药物作用机理分析方法，其特征在于，所述方法包括：
确定与待分析药物以及所述待分析药物所治疗的目标疾病均相关的共同基因靶点；
利用预设的通路分析方法，确定所述共同基因靶点中各个基因靶点之间的目标调控通路；
构建关于所述目标调控通路、所述共同基因靶点和所述待分析药物中的目标化合物之间的对应关系的第一分析网络；
根据所述第一分析网络所表征的所述共同基因靶点和所述待分析药物中的目标化合物的连接度，确定所述待分析药物中的有效成分以及所述待分析药物治疗所述目标疾病时，所作用的目标基因靶点。
2.根据权利要求1所述的方法，其特征在于，所述根据所述第一分析网络所表征的所述共同基因靶点和所述待分析药物中的目标化合物的连接度，确定所述待分析药物中的有效成分以及所述待分析药物治疗所述目标疾病时，所作用的目标基因靶点的步骤，包括：
根据所述第一分析网络，确定所述共同基因靶点和所述待分析药物中的目标化合物的连接度；
按照连接度由大到小的顺序，分别依次排列所述共同基因靶点中的各个基因靶点，以及所述目标化合物中的各个化合物，并将排列在第一指定位置之前的各个基因靶点，确定为所述待分析药物治疗所述目标疾病时，所作用的目标基因靶点，将排列在第二指定位置之前的各个化合物，确定为所述待分析药物中的有效成分；
或者，
将所述共同基因靶点中，连接度大于第一预设数值的各个基因靶点，确定为所述待分析药物治疗所述目标疾病时，所作用的目标基因靶点，并将所述化合物中，连接度大于第二预设数值的各个化合物，确定为所述待分析药物中的有效成分。
3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
构建关于所述共同基因靶点中各个基因靶点之间的相互作用的PPI网络，并基于所述PPI网络构建关于所述共同基因靶点之间的各个靶点的相互作用的第二分析网络；
根据所述第二分析网络所表征的所述共同基因靶点中，各个基因靶点的连接度、介度和紧密度，确定所述共同基因靶点中的核心基因靶点；
对所述核心基因靶点进行指定分析，确定关于所述待分析药物治疗所述目标疾病的作用机理信息；其中，所述指定分析包括：相关调控通道分析和/或疾病热图分析预测。
4.根据权利要求3所述的方法，其特征在于，所述根据所述第二分析网络所表征的所述共同基因靶点中，各个基因靶点的连接度、介度和紧密度，确定所述共同基因靶点中的核心基因靶点的步骤，包括：
根据所述第二分析网络，确定所述共同基因靶点中，各个基因靶点的连接度、介度和紧密度；
分别计算各个基因靶点的连接度、介度和紧密度的中位数，得到连接度中位数、介度中位数和紧密度中位数；
根据所述共同基因靶点中，各个基因靶点的连接度、介度和紧密度分别与所述连接度中位数、所述介度中位数和所述紧密度中位数的数值关系，确定所述共同基因靶点中的核心基因靶点。
5.根据权利要求3所述的方法，其特征在于，所述指定分析包括：相关调控通道分析和疾病热图分析预测；所述对所述核心基因靶点进行指定分析，确定关于所述待分析药物治疗所述目标疾病的作用机理信息的步骤，包括：
对所述核心基因靶点进行相关调控通路分析，确定与所述待分析药物和所述目标疾病的关联程度满足预设关联要求的信号通道；其中，所述预设关联要求为关于所包括的核心基因靶点数量和与所述目标疾病的相关性的要求；
对所述核心基因靶点进行疾病热图分析预测，确定与所述目标疾病相关的生物功能条目；
将所述信号通道和所述生物功能条目确定为关于所述待分析药物治疗所述目标疾病的作用机理信息。
6.根据权利要求1或2所述的方法，其特征在于，所述确定与待分析药物以及所述待分析药物所治疗的目标疾病均相关的共同基因靶点的步骤，包括：
获取待分析药物中的目标化合物，并利用预设的第一类数据库，确定与所述目标化合物相关的各个第一基因靶点；
利用预设的第二类数据库，确定与所述待分析药物所治疗的目标疾病相关的各个第二基因靶点；
确定所述各个第一基因靶点和所述各个第二基因靶点中的相同基因靶点，作为与待分析药物以及所述待分析药物所治疗的目标疾病均相关的共同基因靶点。
7.根据权利要求6所述的方法，其特征在于，所述确定所述各个第一基因靶点和所述各个第二基因靶点中的相同基因靶点，作为与待分析药物以及所述待分析药物所治疗的目标疾病均相关的共同基因靶点的步骤，包括：
利用预设的第三类数据库，将所述各个第一基因靶点和所述各个第二基因靶点分别转换为所对应的标准基因靶点，得到各个第一标准基因靶点和各个第二标准基因靶点；
确定所述各个第一标准基因靶点和所述各个第二标准基因靶点中的相同基因靶点，作为与待分析药物以及所述待分析药物所治疗的目标疾病均相关的共同基因靶点。
8.一种药物作用机理分析装置，其特征在于，所述装置包括：
共同靶点确定模块，用于确定与待分析药物以及所述待分析药物所治疗的目标疾病均相关的共同基因靶点；
调控通路确定模块，用于利用预设的通路分析方法，确定所述共同基因靶点中各个基因靶点之间的目标调控通路；
第一分析网络构建模块，用于基于所述目标调控通路、所述共同基因靶点和所述待分析药物中的目标化合物，构建关于调控通路、基因靶点和化合物之间的对应关系的第一分析网络；
分析结果确定模块，用于根据所述第一分析网络所表征的所述共同基因靶点和所述待分析药物中的目标化合物的连接度，确定所述待分析药物中的有效成分以及所述待分析药物治疗所述目标疾病时，所作用的目标基因靶点。
9.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现权利要求1-7任一所述的方法步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-7任一所述的方法步骤。
CN202110759819.6A 2021-07-05 2021-07-05 一种药物作用机理分析方法、装置及电子设备 Active CN113643751B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110759819.6A CN113643751B (zh) 2021-07-05 2021-07-05 一种药物作用机理分析方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110759819.6A CN113643751B (zh) 2021-07-05 2021-07-05 一种药物作用机理分析方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN113643751A true CN113643751A (zh) 2021-11-12
CN113643751B CN113643751B (zh) 2024-06-14

Family

ID=78416726

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110759819.6A Active CN113643751B (zh) 2021-07-05 2021-07-05 一种药物作用机理分析方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN113643751B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110867256A (zh) * 2019-10-17 2020-03-06 湖南中医药大学 一种优化肝复乐抗肝癌组方药理学分析方法和系统
CN111462814A (zh) * 2020-04-01 2020-07-28 广州市中医医院（广州市中医中药研究所） 一种基于网络药理学分析马钱子活性成分镇痛作用的方法
CN112201365A (zh) * 2020-11-10 2021-01-08 南宁市第二人民医院 基于网络药理学分析茯苓聚糖抗腺性膀胱炎作用机制方法
CN112735534A (zh) * 2021-01-25 2021-04-30 天津中医药大学 一种中药网络药理深度分析方法与系统
CN112786121A (zh) * 2021-01-12 2021-05-11 贵港市人民医院 一种生物信息学分析凝脂玉颜散抗皮肤炎作用机制方法
CN112927818A (zh) * 2021-03-15 2021-06-08 杭州师范大学 一种基于中药整合药理学平台分析“半夏-柴胡”药对治疗胃炎作用机制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110867256A (zh) * 2019-10-17 2020-03-06 湖南中医药大学 一种优化肝复乐抗肝癌组方药理学分析方法和系统
CN111462814A (zh) * 2020-04-01 2020-07-28 广州市中医医院（广州市中医中药研究所） 一种基于网络药理学分析马钱子活性成分镇痛作用的方法
CN112201365A (zh) * 2020-11-10 2021-01-08 南宁市第二人民医院 基于网络药理学分析茯苓聚糖抗腺性膀胱炎作用机制方法
CN112786121A (zh) * 2021-01-12 2021-05-11 贵港市人民医院 一种生物信息学分析凝脂玉颜散抗皮肤炎作用机制方法
CN112735534A (zh) * 2021-01-25 2021-04-30 天津中医药大学 一种中药网络药理深度分析方法与系统
CN112927818A (zh) * 2021-03-15 2021-06-08 杭州师范大学 一种基于中药整合药理学平台分析“半夏-柴胡”药对治疗胃炎作用机制方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
郭晴晴: "基于网络药理学方法研究乌头汤治疗类风湿关节炎的作用机理", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》, pages 9 - 16 *

Also Published As

Publication number Publication date
CN113643751B (zh) 2024-06-14

Similar Documents

Publication Publication Date Title
Fang et al. HERB: a high-throughput experiment-and reference-guided database of traditional Chinese medicine
Chong et al. MetaboAnalyst 4.0: towards more transparent and integrative metabolomics analysis
Xue et al. Review of drug repositioning approaches and resources
Chen et al. A survey and systematic assessment of computational methods for drug response prediction
Bonetta Interactome under construction
Gill et al. Emerging role of bioinformatics tools and software in evolution of clinical research
Yi et al. WholePathwayScope: a comprehensive pathway-based analysis tool for high-throughput data
Jafari et al. Unsupervised learning and multipartite network models: a promising approach for understanding traditional medicine
Nikolsky et al. Functional analysis of OMICs data and small molecule compounds in an integrated “knowledge-based” platform
Kim et al. Using knowledge-driven genomic interactions for multi-omics data analysis: metadimensional models for predicting clinical outcomes in ovarian carcinoma
van der Lee et al. Artificial intelligence in pharmacology research and practice
Mullen et al. An integrated data driven approach to drug repositioning using gene-disease associations
Ostrowski et al. Integrating genomics, proteomics and bioinformatics in translational studies of molecular medicine
Davis et al. Public data sources to support systems toxicology applications
Ullah et al. DBHR: a collection of databases relevant to human research
Abu-Jamous et al. UNCLES: method for the identification of genes differentially consistently co-expressed in a specific subset of datasets
Seol et al. NABIC: a new access portal to search, visualize, and share agricultural genomics data
Chen et al. Systematic analysis of the associations between adverse drug reactions and pathways
CN113643751A (zh) 一种药物作用机理分析方法、装置及电子设备
Vaidya et al. How to rekindle drug discovery process through integrative therapeutic targeting?
Erola et al. Learning differential module networks across multiple experimental conditions
Chen et al. Investigation of the mechanism of Zishen Yutai pills on polycystic ovary syndrome: a network pharmacology and molecular docking approach
Li et al. Cancer-drug interaction network construction and drug target prediction based on multi-source data
Sharma et al. Detecting protein complexes based on a combination of topological and biological properties in protein-protein interaction network
Devkota et al. Computational identification of kinases that control axon growth in mouse

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant