摘要
目的：本研究旨在建立一种以通路为驱动的计算机药物发现框架，整合机器学习、靶标优先级排序、虚拟筛选、分子动力学（MD）模拟和体外评估，以鉴定具有潜在抗类风湿关节炎（RA）活性的天然小分子化合物。方法：本研究纳入了十六个与RA相关的基因表达综合数据库（GEO）数据集，其中15个队列用于模型开发，一个用于独立外部验证。使用基因集变异分析（GSVA）量化的通路特征，通过留一数据集法（leave-one-dataset-out）框架在七种机器学习算法中进行队列感知的特征选择。随后进行预测建模和SHAP（SHapley Additive exPlanations）分析，并采用随机效应Meta分析（REMA）和网络分析进行候选靶标优先级排序。通过分子对接筛选天然化合物，并利用配体效率、多种评分方法、显式膜分子动力学模拟以及TNF-α诱导的MH7A炎症模型进行进一步评估。结果：共鉴定出十个稳定的RA相关通路。最终CAT+ET模型在内部验证集和独立外部验证集中的ROC-AUC分别为0.783（95% CI，0.731–0.836）和0.610（95% CI，0.496–0.720），表明跨队列泛化能力有限。SHAP分析和跨队列分析支持补体与凝血级联反应作为下游研究的重点方向，综合表达和网络证据将C3AR1确定为候选靶标。虚拟筛选鉴定出四种候选天然化合物（SM1–SM4）。配体大小分析、配体效率、多种评分方法及显式膜分子动力学模拟为这些候选化合物提供了互补的结构和能量评估。其中，SM1表现出相对优越的计算特征，并在TNF-α刺激的MH7A细胞中展现出炎症标志物IL6和MMP3相对一致的降低，伴随C3AR1表达的变化。这些相互印证的计算和实验结果支持将SM1优先列为进一步研究的对象。结论：本研究建立了一个以通路为驱动的框架，将跨队列通路鉴定与候选靶标优先级排序及天然产物筛选在RA中联系起来。补体与凝血级联反应以及C3AR1被列为下游研究的优先方向，综合计算与实验证据确定了SM1为具有良好抗炎潜力的候选化合物。尽管该化合物与C3AR1的直接结合及其功能参与仍需进一步验证，但本研究提供了一种系统且具有扩展性的策略，可将稳健的RA相关通路信号转化为候选靶标和天然化合物，为后续RA的天然产物药物发现提供了宝贵的基础。
