返回研究案例
网络药理、机器学习与结构模拟的证据整合
图摘要
摘要
把网络关联、机器学习筛选、结构结合假设与动态复核分层组织，形成来源可追溯的机制证据链。图摘要串联网络、功能与结构层结果，呈现候选线索在不同证据层之间的对应关系。跨层结果共同形成更聚焦的靶标、通路与机制研究优先级。
计算结果
PPI 蛋白互作网络
图2 STRING数据库导出的PPI网络。节点代表候选蛋白,连线颜色对应不同证据来源;中央区域连接密集,提示细胞增殖、凋亡、炎症和生长因子信号模块之间存在广泛交叉。
共同靶标在 STRING PPI 网络中形成高连接度核心，并呈现增殖、应激与炎症相关功能模块之间的联动关系。
图3 Cytoscape重绘的PPI网络。节点颜色由浅至深、位置由上至下反映度值递增;底部深红色节点为高连接度枢纽,边的高密度进一步显示共同靶点构成互联的核心调控网络。
Cytoscape 拓扑排序突出多个高连接度枢纽节点，为机器学习特征筛选与后续结构复核建立优先靶标集合。
成分–疾病–靶标网络
图4 成分–疾病–靶点网络。橙色圆形为共同靶点,紫色倒三角为活性成分,绿色菱形为膀胱癌疾病节点;灰色连线表示成分–靶点或疾病–靶点关系。图中多个成分同时连接多个靶点,多个靶点也被不同成分共同覆盖,直观体现复方“多成分、多靶点、协同调控”的网络特征。
成分–疾病–靶标网络呈现多成分覆盖多靶标的关系结构，支持从候选成分到核心机制模块的分层追踪。
结构对接评分
图10 五种候选成分与五个机器学习关键靶点的分子对接打分热图。颜色越偏蓝表示结合能越低、预测亲和力越强;每个单元格标注Vina评分(kcal/mol)。
机器学习优选靶标与候选成分的对接热图形成统一比较矩阵，帮助识别进入结构复核的优先组合。
HS-CASE-0009
完整版案例 PDF
完整结果、高清图表与分析说明仅在客户版 PDF 中提供。添加客服微信并发送案例编号 HS-CASE-0009 获取。