基于深度学习的DLCP模型在倍半萜二聚体抗肝癌活性研究中取得进展

　　 　

肝细胞癌是常见恶性肿瘤，目前药物尚无法满足临床需求，仍需寻找新的治疗靶点及先导分子。中国科学院昆明植物研究所植物化学与天然药物全国重点实验室陈纪军研究团队近年来致力于蒿属植物中抗肝癌活性倍半萜二聚体的发现、合成与结构优化、作用机制与靶标及创新药物研究。团队前期从蒿属植物中发现系列具有显著抗肝癌活性的倍半萜二聚体—活性显著强于相应单体。基于仿生的Diels-Alder反应，构建了倍半萜二聚体的合成方法。

基于深度学习的多模态模型能够高效挖掘肿瘤多组学数据揭示新的治疗靶点。团队提出DLCP模型，通过对肿瘤多组学数据与患者生存信息的高效整合，实现了对肝细胞癌患者的分子分型、预后生物标志物识别并推荐了潜在的抗肝癌优势分子。DLCP实现了肝癌高、低危患者的分子分型，筛选到预后生物标志物Rac?家族成员RAC1。通过分子对接、动力学模拟及课题组前期开发的基于深度学习的化合物靶点预测模型CIPHEN，DLCP模型成功筛选到倍半萜二聚体衍生物KGA-1083b。实验表明KGA-1083b对三株肝癌细胞（SK-Hep-1，HepG2，Huh7）均显示出显著抑制活性，IC₅₀均低于10 μM，?SPR?实验获得K_D?值17.3?μM，CETSA实验表明?KGA-1083b?可以使得RAC1?的热稳定性增加。综上，?DLCP?为将深度学习应用于癌症预后分析方面提供了一个成功的范例，它通过整合多样化的多组学数据和临床表型揭示了肝细胞癌发展的分子机制，加速了候选药物分子的发现。

近日，该研究工作以Deep learning facilitated discovery of prognosis biomarkers and their ligands to improve liver cancer treatment及Compound-protein interaction prediction basedonheterogeneousnetworkrevealspotentialantihepatomaagents为题发表在国际外科杂志International Journal of Surgery.（DOI: 10.1097/JS9.0000000000003455）及iScience（iScience 2024;27: 110418.）。中国科学院昆明植物所王永翠研究员为论文的第一及通讯作者。上述研究工作得到了国家自然科学基金重点项目、云南省科技领军人才项目和云南省基础研究重点项目等的支持。