近日，金凤实验室生信中心团队与上海交通大学团队合作，在国际期刊Acta  Pharmaceutica Sinica B（中科院一区TOP期刊，影响因子：14.4）上发表了题为“A computational medicine  framework integrating multi-omics, systems biology, and artificial neural  networks for Alzheimer’s disease therapeutic discovery”的研究性论文。

该研究开发了一个整合了多组学数据、系统生物学和人工智能神经网络的计算医学框架，用于发现潜在治疗阿尔茨海默病的方案。该框架利用多组学数据和网络证据，实现了三个核心功能：临床靶点优先级排序，自组织优先级图构建（区分AD特异性靶点与神经精神疾病相关的靶点），以及基于通路互作的治疗发现。在此框架下，研究人员整合了AD相关的全基因组关联研究（GWAS）数据、基因表达和蛋白质组定量性状位点（QTL）数据、以及基因组3D互作（PCHi-C）等多种组学证据，构建基因-预测因子矩阵。结合基因网络中的随机游走（RWR）算法，他们对核心基因和周边基因进行评分，并采用类似Meta分析的方法对多种预测指标进行优先级打分。为探索疾病特异性，研究还使用自组织映射（SOM）人工神经网络，对AD与其他神经精神疾病（如抑郁症、精神分裂症等）优先级基因进行聚类对比。在通路串扰分析方面，团队通过Prize-Collecting  Steiner树算法，从上述高优先级基因中识别出了51个高度连接的基因构成的“串扰网络”。

▲PI4AD内置模型与平台开发流程图。

PI4AD成功地重新识别出经临床验证的靶点，如APP和ESR1，证实了其优先级排序的有效性。其人工神经网络模块识别了疾病特异的分子标志物，而通路互作分析揭示了关键节点基因（如HRAS和MAPK1）、潜在的药物再定位候选以及与临床相关的网络模块。通过验证靶点、阐明疾病特异的治疗潜力和探索互作机制，PI4AD将遗传学见解与通路层面的生物学相结合，为合理的治疗方案开发奠定了系统遗传学基础。该框架强调以Ras为中心的通路与突触功能障碍和神经炎症相关, 为干预AD进展提供了一种策略，补充了传统以淀粉样蛋白和Tau为焦点的研究范式，并有望结合mRNA疗法在未来重新定义治疗策略，从而推进神经退行性疾病领域的转化医学。

《Acta Pharmaceutica Sinica  B》(APSB) 在中科院的期刊分区中，属于医学大类1区和药学小类1区，同时在JCR分区也位于Q1区，主要发表药学科学所有领域的高质量研究论文，包括药理学、药剂学、药物化学、天然产物、生药学、药物分析和药代动力学等。

点击左下方阅读原文，访问原文链接。

https://pubs.acs.org/doi/10.1021/acsnano.5c02492