目的 基于专利数据挖掘与转录组学分析,探索中药复方治疗肌萎缩侧索硬化症(amyotrophic lateral sclerosis,ALS)的配伍规律及精准治疗策略。方法 从中国专利数据库筛选ALS中药复方专利,通过频次统计与关联分析挖掘核心药物及配伍规律;...目的 基于专利数据挖掘与转录组学分析,探索中药复方治疗肌萎缩侧索硬化症(amyotrophic lateral sclerosis,ALS)的配伍规律及精准治疗策略。方法 从中国专利数据库筛选ALS中药复方专利,通过频次统计与关联分析挖掘核心药物及配伍规律;利用中药系统药理学数据库(traditional Chinese medicine systems pharmacology,TCMSP)和中药高通量实验和参考数据库(a high-throughput experiment and reference-guided database of TCM,HERB)构建复方-靶点网络,通过模块划分识别核心靶点模块;基于转录组数据集,采用非负矩阵分解(non-negative matrix factorization,NMF)对ALS患者进行转录组分型;运用网络相似性分析(Vertex/Edge Overlap,VEO算法)筛选各亚组优势复方,结合重启随机游走(random walk with restart,RWR)和SymMap平台预测证候特征。结果 通过对中国专利数据库中11项治疗ALS的中药复方专利(含101味中药)进行配伍规律分析,发现黄芪、茯苓、人参、淫羊藿和当归为高频核心药物。关联规则分析进一步揭示关键药对组合,其中白术-淫羊藿、白术-茯苓的配伍关联性最强。基于GSE16989数据集的转录组NMF分析,ALS患者被划分为4个亚组:组1显著富集白细胞介素-17(interleukin 17,IL-17)信号通路;组2未富集显著通路;组3与组4共同富集病毒-细胞因子互作通路。通过VEO算法计算复方蛋白质相互作用(protein-protein interaction,PPI)网络与各亚组的相似性,筛选出亚组特异性优势复方:复方11匹配组1;复方9匹配组2;复方8匹配组3、4。RWR算法结合SymMap平台进行亚组证候分型。结论 研究揭示了ALS的潜在优势中药复方,将转录组亚型与中医证候关联,为ALS“病证结合”精准治疗提供科学依据。展开更多
文摘目的 基于专利数据挖掘与转录组学分析,探索中药复方治疗肌萎缩侧索硬化症(amyotrophic lateral sclerosis,ALS)的配伍规律及精准治疗策略。方法 从中国专利数据库筛选ALS中药复方专利,通过频次统计与关联分析挖掘核心药物及配伍规律;利用中药系统药理学数据库(traditional Chinese medicine systems pharmacology,TCMSP)和中药高通量实验和参考数据库(a high-throughput experiment and reference-guided database of TCM,HERB)构建复方-靶点网络,通过模块划分识别核心靶点模块;基于转录组数据集,采用非负矩阵分解(non-negative matrix factorization,NMF)对ALS患者进行转录组分型;运用网络相似性分析(Vertex/Edge Overlap,VEO算法)筛选各亚组优势复方,结合重启随机游走(random walk with restart,RWR)和SymMap平台预测证候特征。结果 通过对中国专利数据库中11项治疗ALS的中药复方专利(含101味中药)进行配伍规律分析,发现黄芪、茯苓、人参、淫羊藿和当归为高频核心药物。关联规则分析进一步揭示关键药对组合,其中白术-淫羊藿、白术-茯苓的配伍关联性最强。基于GSE16989数据集的转录组NMF分析,ALS患者被划分为4个亚组:组1显著富集白细胞介素-17(interleukin 17,IL-17)信号通路;组2未富集显著通路;组3与组4共同富集病毒-细胞因子互作通路。通过VEO算法计算复方蛋白质相互作用(protein-protein interaction,PPI)网络与各亚组的相似性,筛选出亚组特异性优势复方:复方11匹配组1;复方9匹配组2;复方8匹配组3、4。RWR算法结合SymMap平台进行亚组证候分型。结论 研究揭示了ALS的潜在优势中药复方,将转录组亚型与中医证候关联,为ALS“病证结合”精准治疗提供科学依据。
