整合药物相似性网络社区分析与自动化ATC标记的药物重定位新策略：以分子对接验证氯霉素抗癌潜力为例

《Frontiers in Bioinformatics》：Drug repositioning pipeline integrating community analysis in drug-drug similarity networks and automated ATC community labeling to foster molecular docking analysis

本综述提出了一种创新的药物重定位计算流程，该流程通过整合药物-基因-疾病三方网络构建药物相似性网络（DDSN），并利用社区检测算法识别具有共享药理学特性的药物群落。通过自动化ATC（Anatomical Therapeutic Chemical）代码标记和文献验证，生成重定位候选药物列表，并利用ATC level 4代码识别相关靶点，为后续分子对接（molecular docking）分析提供靶点信息，显著缩小了计算搜索空间。文章以氯霉素（chloramphenicol）为例，通过分子对接模拟验证了其与布鲁顿酪氨酸激酶1（BTK1）和磷酸肌醇3-激酶（PI3K）亚型结合的潜力，展示了该流程在发现非显而易见重定位机会方面的实用性。

　　

引言：药物重定位，即发现现有药物的新治疗用途，能够显著缩短药物开发时间和降低成本，但需要高效的计算框架来生成和验证重定位假说。基于网络的方法可以揭示具有共享药理学特性的药物群落，而分子 docking 则通过预测药物-靶点结合提供机制性见解。

方法：研究团队引入了一个端到端、全自动的计算流程。该流程首先从DrugBank和DisGeNET数据库构建药物-基因-疾病三方网络，然后将其投影为药物-药物相似性网络（DDSN）进行社区检测。接着，通过解剖治疗化学（ATC）代码对社区进行自动标记，以生成重定位提示并识别相关靶点。随后，通过自动化文献搜索验证这些提示，最后通过靶向分子对接对候选药物进行优先级排序。

结果：经过连通性和规模过滤后，初始的34个聚类中产生了12个稳健的社区。该流程通过数据库条目正确地将53.4%的药物与其ATC level 1社区标签匹配；文献验证额外确认了20.2%的药物，总体准确率达到73.6%。其余26.4%的药物被标记为重定位候选者。为了说明该流程的优势，对氯霉素进行的分子对接研究表明，其与已知抑制剂具有相似的稳定结合和相互作用谱，进一步支持了其作为抗癌药物的潜力。

计算管道现状分析：现有的计算药物重定位管道通常整合数据库聚合、大数据分析、机器学习、网络分析和分子对接。然而，尽管先进的多阶段方法能有效优先排序候选药物，但它们通常只产生排名的重定位假说列表，而未指明具体的靶点活性或作用机制。因此，在没有提示特定靶点和作用机制的情况下，后续验证（如靶向分子对接或生化检测）仍然繁琐且耗时。

提出的药物重定位管道：为解决上述问题，本研究实现了一个全自动的计算药物重定位管道，整合了计算网络分析（即在药物-药物相似性网络中进行社区检测）、基于ATC药物分类系统的社区标记、基于文献的验证以及ATC level 4药物-靶点相互作用信息，以生成药物重定位提示及相关靶点列表，供分子 docking 进一步研究。

管道核心组件详解：

药物-药物相似性网络（DDSN）：该组件负责从DrugBank和DisGeNET提取数据并整合信息，构建基于间接药物-疾病关系的DDSN。具体流程是结合DrugBank（包含药物-基因相互作用数据）和DisGeNET（包含基因-疾病关系数据）创建药物-基因-疾病三方网络（G = (V, E)，其中V是药物(V_m)、基因(V_g)、疾病(V_d)节点的并集，E是药物-基因边(E_g)和基因-疾病边(E_d)的并集）。然后将该三方网络投影为单部加权DDSN (G_s = (V_m, E_s))，其中边的权重代表在原始三方图中，两种药物都能通过有效路径连接到的共同疾病的数量。权重越高，表示药物相似性越强。

网络社区检测、标记与靶点识别：在网络社区检测阶段，使用Wolfram Mathematica的FindGraphCommunities函数（采用‘Hierarchical’方法）对DDSN进行聚类，识别出社区或簇（C₁, C₂, … C_n）。对于每个簇C_i，自动计算其level 1 ATC代码的直方图，并将出现频率最高的ATC代码作为该簇的标签。所有不匹配其簇标签（根据DrugBank信息）的药物被添加到初始重定位提示列表中。同时，通过分析簇内具有主导level 1 ATC标签的药物的level 2、3、4 ATC代码分布，识别出主导的level 4 ATC代码，并从DrugBank映射出与之相关的生物靶点（T_a）。这些靶点信息为后续分子对接验证提供了明确的方向。

文献数据库搜索验证：通过Biopython自动查询PubMed数据库来验证重定位候选药物。为每个候选药物名称、其社区level 1 ATC名称及相关同义词分配相应的医学主题词（MeSH）术语，使用布尔运算符“AND”和“OR”构建检索策略，并过滤仅保留研究文章和临床试验。检索到的文献经过专家分析进一步过滤和确认预测的属性。由于药物重定位缺乏可靠的基准事实（ground truth），基于最新文献和电子健康数据库的外部验证是目前最可行和常用的方法。

管道应用结果：

网络分析结果：应用该管道处理DrugBank 5.1.9和DisGeNET数据后，DDSN聚类产生了34个簇。排除与主连接组件断开连接的簇和顶点数少于8个的簇后，对剩余的12个稳健簇进行了深入分析。结果显示，53.4%的药物通过DrugBank数据直接匹配其簇的level 1 ATC标签，20.2%的药物虽未在DrugBank中正式分类但通过文献检查确认了预测的药理属性，总体准确率为73.6%。26.4%的药物不符合其簇标签，被视为重定位候选者。

ATC分析与推断：通过多级ATC代码分析，可以细化每个簇的药理属性和潜在作用机制。例如，簇1（标签为N-神经系统）的主导level 4 ATC代码为N05CB、N05CA（巴比妥类药物）和N03AX（其他抗癫痫药），从而提取出与这些代码相关的神经系统靶点供分子对接验证。簇6（标签为L-抗肿瘤和免疫调节剂）中，氯霉素被识别为重定位候选药物。对该簇的ATC层级分析显示，主导的level 4 ATC代码包括L04AA（选择性免疫抑制剂）、L01FX（其他单克隆抗体）、L01XX（其他抗肿瘤药）、L01EM（PI3K抑制剂）和L01EL（BTK抑制剂）。这提示了PI3K和BTK等靶点作为验证氯霉素抗癌潜力的方向。

分子对接分析：

对接原理与方法：为验证管道产生的假说，对氯霉素与BTK1以及PI3K的α、γ、δ亚型进行了分子对接模拟。从蛋白质数据库（PDB）获取了目标蛋白的晶体结构：5P9I（BTK1，与抑制剂伊布替尼共结晶）、7K6M（PI3K α，与配体VXY共结晶）、8SC8（PI3K γ，与配体D0D共结晶）、5M6U（PI3K δ，与配体7KA共结晶）。使用AutoDock Vina进行对接计算，并通过重新对接（re-docking）验证方法的可靠性。使用PLIP分析配体-靶点相互作用。

对接结果：对接结果表明，氯霉素能够与BTK1和PI3K各亚型的活性位点结合。虽然其结合自由能（ΔG）通常低于已知的强效抑制剂，但其结合模式与已知抑制剂相似，并能与活性位点的关键氨基酸残基形成氢键、疏水作用和范德华力等相互作用。例如，氯霉素与BTK1的Lys 430形成氢键；与PI3K α的Ser 774形成氢键。这些相互作用支持了氯霉素可能调节这些激酶活性的假说，为其潜在的抗癌机制提供了计算层面的证据。

讨论与结论：

恢复的重定位案例：自动化文献分析确认了多个药物具有其社区ATC标签所预测的药理属性，尽管其官方ATC分类不同。例如，西地那非（Sildenafil，官方分类G-泌尿生殖系统）被聚类到N-神经系统簇，文献支持其对脑损伤、髓鞘形成、神经炎症和脑功能的影响，并正在临床试验中测试其对阿尔茨海默病等神经系统疾病的潜力。螺内酯（Spironolactone，官方分类C-心血管系统）被聚类到D-皮肤病学簇，文献证实其对雄激素介导的皮肤病症（如痤疮、女性型脱发）有益。阿米替林（Amitriptyline，官方分类N-神经系统）被聚类到L-抗肿瘤和免疫调节剂簇，研究表明其通过诱导p53、激活caspase-3、抑制细胞周期、调节组蛋白乙酰化、促进TRAIL介导的凋亡等多种机制在多种癌症模型中显示出抗肿瘤活性。这些案例证明了该管道在发现药物新用途方面的有效性。

分子对接的意义：对氯霉素的分子对接研究首次提供了其与BTK1和PI3K亚型直接相互作用的计算证据，为其抗癌潜力增加了一种新的可能机制——激酶抑制，这与其已知的线粒体蛋白合成抑制机制可能形成互补。这为后续的生化验证和实验研究指明了方向。

局限性——边缘案例与矛盾证据：需要指出的是，DDSN投影将药物-基因边均视为药理学关系的证据，但未编码其精确作用（激动剂、拮抗剂、底物等）。因此，预测的重定位可能反映有益效应，也可能反映对同一生理系统的不良/脱靶效应。例如，克拉霉素（Clarithromycin）被聚类到C-心血管系统簇，这与其已知的QT间期延长和心律失常风险相关。虽然网络分析提示其可能与盐皮质激素受体（NR3C2）存在相互作用，但任何治疗假说都需要谨慎评估其已知的心脏风险。

未来工作：本研究展示了基于DDSN的药物重定位管道在识别现有药物新靶点和促进分子对接研究方面的潜力。未来工作可以扩展药物相似性的定义（例如使用高阶网络主题），并对管道识别出的重定位候选药物（详见GitHub结果）通过干湿实验室结合的方法（分子对接模拟、体外和体内实验）进行验证，以确认其新的药理特性和治疗潜力。