近期，mgm美高梅79906施建宇教授团队与中国中医科学院中医临床基础医学研究所吕诚研究员（副所长）研究团队在简化热蛋白质组分析方法的方向上展开研究并取得了进展，在《Phytomedicine》（IF= 7.9，中科院一区）上发表一篇论文，这是一项将机器学习技术和生物实验相结合的研究成果，得到了国家自然科学基金的资助。mgm美高梅79906博士研究生赵鹏程为共同第一作者，施建宇教授和吕诚研究员为论文的共同通讯作者。 

下文简要介绍了天然药物分子靶标预测方法的研究背景和成果发现。

1研究背景

雷公藤甲素（TP）是一种高活性的天然药用成分，具有重要的抗癌潜力。然而，这种化合物的强细胞毒性表明，它在细胞内可能有广泛的靶点。因此，在本阶段还需要进一步的靶标筛选。利用人工智能（AI）可以显著优化传统的药物靶点筛选方法，减少盲目性。本研究旨在利用人工智能识别TP的直接蛋白靶点，并解释其抗肿瘤作用的多靶点作用机制。

中药活性分子的靶点筛选日益受到关注，筛选确证药物靶点成为药理学研究和成药性评价的关键。传统的分子靶点筛选方法是标记筛选，即直接对分子进行探针标记，但容易带来假阳性结果，所以基于非标记的化学生物学方法日益成为研究的热点，其中蛋白质热迁移组学（thermal proteome profiling，TPP）是最常用的方法之一，但该方法对实验过程精度要求高，步骤繁琐，所以难以推广使用。AI for Science是近几年兴起的概念，通过AI推动TPP方法的改良，是科学研究方法创新。

2成果发现

针对上述问题，本研究团队提出了一种基于XGBoost机器学习的简化蛋白质热迁移组学（X-TPP）的方法。该方法基于XGBoost和已经发表的TPP方法数据，发现只采用TPP方法中的两个温度（49℃和52℃），比较体外该温度下用药前后的蛋白热稳定性差异，就能达到与传统TPP方法中数据较高的吻合度，从而极大的简化了TPP的实验步骤。在药物分子体外靶点筛选实验过程中，该方法可以达到TPP方法中72.2%的准确率。随后，团队以抗肿瘤天然药物成分雷公藤甲素（TP）为例，对X-TPP方法的实用性进行验证。研究发现，X-TPP筛选出HnRNP A2/B1为TP的高活性靶标，TP可以通过抑制HnRNP A2/B1-PI3K-AKT通路发挥抗肿瘤作用。以上研究结果表明，利用人工智能可以显著优化传统的药物靶点筛选方法，减少实验投入。

图1. 基于xgboost的小分子蛋白靶标筛选TPP方法的构建图。

     3 发表论文

该研究成果^[1]发表在药学一区杂志《Phytomedicine》，得到了国家自然科学基金、中国中医科学院科技创新工程、青年岐黄学者计划的资助。https://doi.org/10.1016/j.phymed.2023.154929

[1] Peng Chen, Pengcheng Zhao, Mingliang Hu, et al. HnRNP A2/B1 as a potential anti-tumor target for triptolide based on a simplified thermal proteome profiling method using XGBoost[J]. Phytomedicine, 2023: p. 154929.

（文：赵鹏程，施建宇；审核：杨慧）