ComplexDnet：基于网络的复杂疾病关键靶点发现与活性化合物筛选新策略

　　本研究针对复杂疾病病因机制不清、治疗靶点发现困难的问题，开发了转录组与网络整合分析框架ComplexDnet。该框架在八种癌症类型中实现77.63%的平均召回率，较现有方法提升10-40%。应用于代谢相关脂肪性肝炎（MASH）研究时，成功识别RORγt为核心调控因子，并通过虚拟筛选发现强效RORγt反向激动剂panaxatriol（IC50=0.01μM），经X射线晶体学（2.8?）验证其结合模式。动物实验证实该化合物显著改善纤维化表型，为复杂疾病药物研发提供了新范式。

　　

随着多组学技术和系统生物学的发展，复杂疾病的机制研究和药物发现正面临新的机遇与挑战。代谢相关脂肪性肝炎（MASH）作为典型复杂疾病，其发病机制涉及代谢紊乱、炎症反应和纤维化等多重病理过程，给靶点识别和治疗策略开发带来极大困难。传统单一靶点筛选策略难以全面捕捉复杂疾病的网络调控特征，而多靶点药物设计又缺乏有效的理论指导。针对这一困境，华东理工大学的研究团队在《Journal of Medicinal Chemistry》发表了创新性研究成果，开发了名为ComplexDnet的整合分析框架，为复杂疾病的靶点发现和药物筛选提供了新思路。

该研究主要采用转录组数据分析、网络药理学建模、分子对接虚拟筛选、体外活性验证（IC₅₀测定）、X射线晶体学（2.8?分辨率）和小鼠模型体内药效评价等关键技术方法。临床样本数据来源于公共数据库，动物实验采用标准MASH诱导模型。

研究结果：

1. 1.

   网络框架的构建与验证

   通过整合转录组数据和蛋白互作网络，研究团队构建了疾病特异性网络分析框架ComplexDnet。在八种癌症类型中的测试表明，该框架平均召回率达到77.63%，显著优于其他四种先进方法10-40%。这一结果证明了ComplexDnet在识别疾病关键靶点方面的可靠性和优越性。

2. 2.

   MASH关键靶点的发现

   应用ComplexDnet分析MASH疾病网络，发现视黄酸相关孤儿受体γt（RORγt）在炎症和纤维化级联反应中处于核心调控地位。网络分析显示RORγt与多个MASH相关通路存在密切连接，提示其可能作为治疗MASH的关键靶点。

3. 3.

   活性化合物的虚拟筛选与验证

   基于RORγt靶点的三维结构特征，研究团队采用网络导向的虚拟筛选策略，从化合物库中识别出人参三醇（panaxatriol, PXT）作为潜在RORγt反向激动剂。体外实验证实PXT对RORγt具有强效抑制活性，IC₅₀达到0.01μM。

4. 4.

   结构生物学验证

   通过X射线晶体学解析了PXT与RORγt的结合模式（分辨率2.8?），揭示了化合物与受体之间的详细相互作用机制，为后续药物优化提供了结构基础。

5. 5.

   体内药效评价

   在MASH小鼠模型中，PXT治疗显著改善了肝脏纤维化程度，证明其具有良好的体内抗纤维化效果，验证了RORγt作为治疗靶点的可行性。

研究结论与讨论：

本研究开发的ComplexDnet框架成功实现了复杂疾病关键靶点的系统识别和活性化合物的高效筛选。该方法的创新性在于将转录组数据与网络分析相结合，能够更全面地捕捉复杂疾病的网络调控特征。针对MASH的应用研究不仅揭示了RORγt的核心调控作用，还发现了具有强效活性的先导化合物PXT，并通过结构生物学和体内实验验证了其治疗潜力。这些发现为复杂疾病的药物研发提供了新的思路和方法，特别是将网络药理学与实验验证相结合的研究策略，有望加速针对复杂疾病的药物发现进程。研究团队还将该流程集成开源软件，可供学术界和工业界研究人员使用，这将极大促进复杂疾病研究领域的协作和创新。

该研究的重要意义在于：首先，建立了系统性的复杂疾病靶点发现和验证流程；其次，发现了RORγt在MASH中的关键作用并验证了其治疗价值；最后，提供了开源工具以促进领域发展。这些成果不仅对MASH治疗具有直接意义，也为其他复杂疾病的药物研发提供了可借鉴的研究范式。