综述：基于药物转录组学的高通量药物筛选进展

《Journal of Advanced Research》：Advances in high-throughput drug screening based on pharmacotranscriptomics

本综述系统阐述了药物转录组学（PTDS）这一新兴交叉领域的技术进展与应用前景。文章重点介绍了从微阵列、靶向转录组到RNA测序（RNA-seq）的高通量检测技术演变，以及基于排序算法、无监督学习和监督学习的人工智能数据分析方法（如GSEA、CMap、LINCS平台）。特别探讨了PTDS在通路导向药物发现（如多信号通路组合筛选）和中药（TCM）复杂机制解析中的独特优势，为多靶点药物研发提供了新范式。

　　

检测方法：药物转录组学高通量筛选技术演进

药物转录组学检测技术经历了从微阵列到靶向转录组学再到RNA测序的演进过程。微阵列技术作为最早的基因表达谱检测方法，通过cDNA芯片实现数万基因同步检测，具有微型化、高效率和经济性优势，但存在背景噪声高、动态范围有限等问题。2006年开展的连接图谱（CMap）研究首次利用Affymetrix HG-U133A微阵列平台构建了453种药物处理后的基因表达谱，证明了PTDS技术的可行性。

靶向转录组学通过聚焦特定基因集大幅降低检测成本，典型代表包括L1000技术和RNA退火选择连接测序（RASL-seq）。L1000平台采用连接介导扩增（LMA）和荧光微球探针技术，仅检测978个标志基因即可预测全转录组81%的转录本，构建了包含2.5万种扰动剂的LINCS数据库。RASL-seq则通过特异性探针杂交连接和NGS测序，实现了对疾病相关基因特征的定向筛选，如针对70个雄激素相关基因筛选前列腺癌药物。

RNA测序技术实现了全转录组覆盖，PLATE-seq和DRUG-seq通过条形码标记和样本混合策略将单样本测序量压缩至200M，显著降低了大规模筛选成本。单细胞水平的PTDS技术如sci-Plex和Cell Hashing进一步实现了在微流体芯片中对数千样本的单细胞转录组分析，为精准医疗提供技术支持。

数据驱动：人工智能赋能药物转录组学挖掘

PTDS产生的海量数据推动了排序算法、无监督学习和监督学习三类分析方法的创新。排序算法直接基于基因表达变化（log₂FC、P值）或基因集富集评分（如GSEA、NES）筛选化合物，适用于全新机制药物发现。无监督学习主要通过比较分析（如KS统计、XSum、SSZhScore）和因果推断实现药物重定位，其中基于知识图谱嵌入的PertKGE框架通过整合8个生物数据库成功预测了化合物-靶点相互作用。

监督学习融合深度学习与先验生物知识，显著提升机制预测精度。MOASL、SSGCN和FRoGS等模型通过整合蛋白质相互作用（PPI）网络、基因本体（GO）术语等实现信息正则化。跨模态学习框架TranSiGen和PRnet能够预测新化合物在不同细胞系中的转录组响应，其性能优于传统线性模型和多层感知机（MLP）。

应用领域：从通路药理学到中药现代化

PTDS在药物发现、重定位、机制解析和联合用药设计等领域广泛应用。通过文献计量分析发现，癌症（如乳腺癌、胃癌）、炎症性肠病等复杂疾病是主要应用方向，涉及凋亡、侵袭、肿瘤微环境等机制。

通路导向的药物发现形成四种策略：单通路药物筛选（如基于PAD评分系统发现抗精神病药的抗癌活性）、单通路联合用药（如AMPK-mTOR双靶点抗炎组合）、多通路单药筛选（如gene2drug方法通过双层GSEA筛选降尿酸药物）以及多通路联合设计（如SynPathy通过通路邻近度预测协同效应）。这些策略为复杂疾病的多靶点治疗提供了新思路。

在中药研究领域，PTDS技术特别适合解析多成分、多靶点的复杂机制。实验驱动方面，微阵列技术揭示了丹参心血管保护成分的协同机制；HTS²技术构建的《本草分子 Compendium》（MCMM）平台评估了125种抗COVID-19中药方剂的免疫调节功效；RASL-seq技术发现补益类中药通过调节肿瘤免疫微环境而非直接杀伤肿瘤细胞发挥抗癌作用。数据驱动方面，HERB 2.0和TMNP等数据库整合了2,231个转录组实验，涵盖54种中药和261种成分，支持多尺度网络药理学分析。CMap比较分析成功揭示了红景天提取物的肾上腺素能拮抗活性、贯叶连翘的产热激活作用等机制。

挑战与展望：迈向多组学整合的新范式

当前PTDS面临技术壁垒高、自动化设备缺乏、数据共享不足等挑战。未来发展方向包括：开发百万级化合物筛选的超高通量技术；推进转录组、蛋白质组和代谢组的多组学整合分析，借鉴单细胞多组学变异自编码器（VAE）架构；发展特异性检测技术如基于寡核苷酸阵列的转录因子活性检测；建立更完善的公共数据库促进AI模型开发。

通路导向的药物筛选将逐渐摆脱对靶点鉴定的依赖，形成独立的研究范式。在中药领域，PTDS与人工智能结合将加速复杂药理机制的解析和现代化开发。通过持续的技术创新和跨学科合作，PTDS有望成为继表型和靶向筛选之后的第三大药物发现范式。