跳到正文
原文
生物谷·资讯·· 3 小时前AI 评分59

新型图学习模型整合空间微环境筛选消化系肿瘤天然产物靶点

Pharmacological Research:纳入肿瘤空间微环境,突破传统网络药理学局限,挖掘消化系肿瘤天然产物靶点

AI 导读

Pharmacological Research刊发一项研究,中国中医科学院广安门医院团队构建SC‑HGNN‑Rank图学习模型,将基因调控规律与肿瘤空间微环境纳入天然化合物靶点筛选流程。经多维度证据过滤后获得三组候选组合,分别针对结直肠癌、肝癌和胃癌进行体外实验验证。团队还开发了SC‑HGNN‑Rank Explorer交互工具支撑后续研究。

正文

来源:生物谷原创 2026-11-19 14:09

该研究构建图学习模型,整合多组学筛选消化系肿瘤天然化合物 靶点组合,经体外实验验证三组肿瘤特异性候选,配套交互工具支撑后续药理研究。

消化道肿瘤是我国高发的一类恶性肿瘤,临床治疗仍存在不少难点。从中药天然产物里寻找抗肿瘤活性分子,一直是新药研发很受关注的方向。

很多人做靶点筛选会用到网络药理学,但传统思路大多只看分子之间能不能结合。可肿瘤是一块真实的活体组织,里面混杂着各类免疫细胞、基质细胞。不同细胞的占比,以及它们在组织里的空间位置,都会实实在在改变药物最终效果。这就造成一个很常见的困境:计算机筛选出来的候选分子看着潜力十足,可一做细胞实验就失效,研究就此卡壳。

近期,Pharmacological Research刊发中国中医科学院广安门医院团队的工作。他们没有只盯着分子两两相互作用,而是把基因调控规律、肿瘤空间微环境一并纳入筛选,试图解决上述痛点。

研究搭建SC‑HGNN‑Rank图学习模型,把化合物靶点关系、基因调控网络、蛋白互作、单细胞、空间转录组全部整合进来,对结直肠癌、肝癌、胃癌合计600组候选作用机制完成打分排序。 多套交叉验证说明模型预测可靠性很高。有意思的是,当研究拿掉空间信息模块后,模型筛选能力明显下滑,直接证明空间微环境是不能忽略的关键信息。

图1 研究设计与SC‑HGNN‑Rank候选优先级筛选框架

经过多维度证据层层过滤,得到三组肿瘤专属的候选组合:结直肠癌中槲皮素作用CDK1/MYB,关联髓系免疫细胞;肝癌中4',5‑二羟基黄酮靶向AR/HDAC1,关联T/NK免疫细胞;胃癌中圣草酚作用HSP90AB1/HOPX,和成纤维细胞密切相关。借助空间转录组,团队还解析了靶点表达和周边细胞丰度的联系,还原候选分子所处的真实微环境。

图2 候选靶点空间表达及其与映射细胞丰度的关联

蛋白稳定性实验首先证实,三种天然产物均可结合靶蛋白,提升靶蛋白稳定性。细胞实验进一步看到,它们能够抑制肿瘤细胞存活,削弱克隆形成、迁移侵袭能力,同时诱导癌细胞凋亡。

为确认是不是这些靶点在发挥作用,研究做了基因扰动对照。把靶基因人为调高,化合物的抑瘤效果就被削弱;敲低靶基因,又能复现出药物处理后的细胞表型。两组对照一正一反,坐实了靶点在药物效应中的介导作用。

图3 靶点扰动对化合物介导的细胞生长、凋亡与迁移表型的影响

团队还开发SC‑HGNN‑Rank Explorer交互工具,科研人员可以检索候选、查阅全套证据、导出数据,资源不限于本次验证的三组配对。

整体来看,这项研究跳出传统分子配对的局限,将调控特征与空间微环境纳入评估,建立“计算预测+体外实验验证”完整范式。既给消化系肿瘤天然产物研究提供可复用分析流程,也输出数个经过细胞实验验证的候选,为后续机制深挖打下基础。(生物谷Bioon.com)

参考文献:

Jiang H, Zheng S, Yang C, Zhang X, Liu H, Bao Y. Graph learning guided by regulatory and spatial contexts prioritizes natural compound-target pairs in digestive system cancers. Pharmacol Res. Published online November 15, 2026. doi:10.1016/j.phrs.2026.109767

版权声明 本网站所有注明“来源:生物谷”或“来源:bioon”的文字、图片和音视频资料,版权均属于生物谷网站所有。非经授权,任何媒体、网站或个人不得转载,否则将追究法律责任。取得书面授权转载时,须注明“来源:生物谷”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。

87%用户都在用生物谷APP 随时阅读、评论、分享交流 请扫描二维码下载->

来源:生物谷·资讯 · news.bioon.com