解锁Alisertib在乳腺癌治疗中的潜力：基于网络药理学与基因表达网络的分子靶点深度解析

为解决乳腺癌靶向治疗难题，研究人员通过网络药理学、分子动力学模拟及结合自由能计算，揭示了Alisertib与FGFR2、FGFR4、MAPK7的强结合亲和力（结合能达-61.0977 kcal/mol），为乳腺癌精准治疗提供新策略。

　　

乳腺癌作为威胁女性健康的恶性疾病，其治疗亟需突破性靶向药物。小分子抑制剂Alisertib凭借抑制细胞增殖的特性崭露头角。这项研究巧妙融合网络药理学(Network Pharmacology)、分子动力学模拟(Molecular Dynamics Simulation)和结合自由能计算(Binding Free Energy)三大技术，从海量数据中锁定29个与乳腺癌相关的Alisertib潜在靶点。

通过蛋白质互作网络(PPI)分析，研究者发现成纤维细胞生长因子受体2/4(FGFR2/FGFR4)和丝裂原活化蛋白激酶7(MAPK7)位列核心枢纽基因(hub genes)。分子对接显示Alisertib与FGFR2的结合能低至-8.854 kcal/mol，200纳秒(ns)的分子动力学模拟更证实其结合稳定性。令人振奋的是，MM/GBSA计算揭示FGFR2-Alisertib复合物结合自由能达-61.0977 kcal/mol，显著优于对照组。

这些发现不仅阐明Alisertib通过调控FGFR信号通路发挥抗肿瘤作用的分子机制，更为乳腺癌精准治疗提供全新候选药物。研究者建议推进临床前及临床试验，验证其对乳腺恶性肿瘤的治疗价值。这项研究为网络药理学指导抗癌药物开发树立了典范。