medRxiv | 基于网络的人类冠状病毒的药物重定位

简介: medRxiv | 基于网络的人类冠状病毒的药物重定位

随着新型冠状病毒(2019-nCoV)感染肺炎疫情持续发展,武汉、全国各地以及全球的疫情牵动着每一个人的心。2020年2月5日medRxiv发表了研究工作“Network-based Drug Repurposing for Human Coronavirus”(基于网络的人类冠状病毒的药物重定位)。这项研究利用了论文作者先前发展的系统药理学和网络医学方法,系统的预测了2000多个FDA批准或实验药物,筛选出了16种人类冠状病毒(HCoVs)的候选药物和3种潜在的药物组合。该研究成果对于指导2019-nCoV的老药新用的临床前研究和药物组合发现有一定的指导价值。


image.png

image.png

1


研究背景


冠状病毒(CoV)通常会影响包括人类在内的哺乳动物的呼吸道,并导致轻度或严重的呼吸道感染。在过去的20年间,动物宿主中出现了两种高致病性人类冠状病毒(HCoV),包括重症急性呼吸综合征冠状病毒(SARS-CoV)和中东呼吸综合征冠状病毒(MERS-CoV),导致全球高流行发病率和死亡率。在SARS大流行病中,有8098人被感染,其中774人死亡,估计使全球经济损失300亿至1000亿美元。根据世界卫生组织(WHO)的数据,截至2019年11月,MERS-CoV总共造成2494例确诊病例和858例死亡,其中大部分出现在沙特阿拉伯。2019年12月,在中国武汉发现了第三个致病性冠状病毒,名为2019年新型冠状病毒(2019-nCoV)。截至2020年2月2日,2019-nCoV大流行病有超过14,000例,约有300例死亡。但是,目前没有针对2019-nCoV的有效药物。几个国家和国际研究小组正在研究预防和治疗2019-nCoV的疫苗,但尚无有效的疫苗。为2019-nCoV爆发制定有效的预防和治疗策略迫在眉睫。


2


方法


在这项研究中,作者提出了一种抗冠状病毒药物重定位方法。图1展示了该方法的总体流程图。(1)从文献中收集与人类冠状病毒(HCoV)相关的宿主蛋白,这些蛋白在人类蛋白质相互作用(PPI)网络中形成HCoV蛋白模块。(2)使用PPI网络和药物靶标网络,计算药物靶标到HCoV蛋白模块的邻近度,以筛选可能对HCoVs有治疗作用的药物,使用基因集富集分析以验证基于网络的筛选方法。(3)使用网络模块的方法,筛选出候选药物的药物组合。


image.png

image.png

图1 总体流程图


3


结论


3.1 2019-nCoV的进化树分析


图2A和2B展示了现今已经发现的7种致病性冠状病毒(HCoV)的进化关系:2019-nCoV与SARS-CoV在已知的其他6种HCoV中显示出最高的~80%的核苷酸序列同一性,揭示了2019-nCoV与SARS-CoV之间的保守进化关系。

image.png

图2 七种冠状病毒的进化树分析


3.2 HCoV-宿主相互作用组网络


首先,作者收集了119种具有实验证据的CoV-相关宿主蛋白,来自4种已知HCoV(SARS-CoV,MERS-CoV,HCoV-229E和HCoV-NL63)、小鼠MHV和禽IBV(N蛋白)。这些宿主蛋白是HCoV蛋白的直接靶标,或参与HCoV感染的关键途径。然后,作者将已知的药物靶标网络映射到HCoV-宿主相互作用组中,以搜索可被药物靶向的细胞靶标。作者发现有47种人类蛋白质被至少一种经批准的药物或正在临床试验中的实验药物靶向,例如GSK3B、DPP4、SMAD3、PARP1和IKBKB等。


3.3 针对HCoV的基于网络的药物重用


为了使具有多个靶标的药物(化合物)能够有效对抗HCoV,其靶标蛋白应位于PPI网络中HCoV模块的内部或附近。作者使用了网络邻近度测量方法来量化HCoV模块(图3A)与人蛋白质-蛋白质相互作用组中的药物靶标之间的关系。作者使用了2,000多种FDA批准或实验药物的靶标信息来构建药物靶标网络。作者共得到出135种与HCoV宿主相互作用组相关的药物(图3A)。作者进一步计算了这135种药物对4个 HCoV的网络邻近性,包括SARS-CoV,MERS-CoV,IBV和MHV。作者发现使用Pan-HCoV(四种HCoV的蛋白合并后的模块),和分别对4种单独的HCoV做分析,所得结果显示出一致性(图3B)。

image.png

图3 药物-HCoV网络


3.4基于基因富集分析的进一步筛选


为了进一步验证135种针对HCoV的候选药物,作者首先使用MERS-CoV和SARS-CoV感染的宿主细胞的转录组学数据进行了基因集富集分析(GSEA)。美沙拉嗪(批准用于治疗炎症性肠病)、西罗莫司(批准用于免疫抑制药物)和马烯雌酮(批准用于绝经症状的雌激素受体激动剂)的GSEA得分最高,为3;其次是帕罗西汀和褪黑激素,GSEA得分为2。

image.png

图4. 药物-靶标-HCoV宿主蛋白网络


综合网络分析和富集分析,作者选择了几种针对HCoV的候选药物更加深入的进行了潜在机制的网络分析和文献验证(图4)。这些药物属于以下几种类型:


选择性雌激素受体调节剂(SERM),包括托瑞米芬(toremifene)和马烯雌酮(Equilin);血管紧张素受体阻滞剂(ARB)厄贝沙坦(Irbesartan);免疫抑制剂或抗肿瘤药和抗炎药,包括西罗莫司(Sirolimus),巯基嘌呤(Mercaptopurine)和褪黑激素(melatonin)等。


表1 作者预测的16种候选药物

image.png

3.5基于网络的HCoV潜在药物组合识别


抗病毒治疗中常常采用药物组合疗法。作者尝试通过网络分析推荐HCoVs治疗中能产生协同效应的药物组合。作者定义了一种具有“互补(Complementary)”模式的药物组合方式(图5A_b):两种药物的靶标都覆盖到HCoV模块,但两种药物不会互相重叠。对于图5A_a所示的情况,两种药物虽然能很好的覆盖HCoV模块,对HCoV有很好的治疗作用,但是两个药物互相重叠,容易发生严重的副作用。

image.png

图5A药物组合的几种情况,b. Complementary为理想情况

按照上述原则,作者筛选出以下三种候选药物组合。

西罗莫司和放线菌素D(图5B),托瑞米芬和大黃素(图5C),巯基嘌呤和褪黑激素(图5D)。

image.png

图5B-D 三种潜在的药物组合


4


讨论


本文提出了基于网络的方法用于HCoV的药物重定位。基于系统的评估,作者对HCoV的潜在治疗(包括2019-nCoV)筛选出16种候选药物(Table 1)和3种潜在药物组合。论文作者特别提醒,所有预测的药物和药物组合都必须经过临床验证。


论文作者讨论几个潜在的缺点。该方法主要的生物学假设是靶向病毒宿主(人体)的蛋白-蛋白相互作用,而不是选择性仅仅靶向病毒蛋白本身,所以该方法无法对已知的抗病毒药物(这些药物只靶向病毒蛋白本身)进行预测。


作者建议,冠状病毒,特别是2019-nCoV, 是通过复杂的病毒感染通路或蛋白质网络感染人体,单个高度选择性的药物往往疗效有限并因病毒基因组的高度进化而容易产生抗药性。同时, 通过老药新用思路找到的老药的抗病毒活性往往较弱,因此药物组合疗法,俗称的鸡尾酒疗法往往效果可能更佳。例如,作者建议Melatonin (褪黑素往往有很好的的抗炎症活性)的辅助疗法(adjuvant therapy), 即与其他抗病毒药物(如remdervir)的连用可能达到提高疗效同时降低副作用。同时很多具有抗病毒或抗病毒活性的天然产物,例如大黄素等也可能提供潜在的辅助疗法或组合鸡尾酒疗法等。


该研究工作主要由克利夫兰诊所(Cleveland Clinic ) Yadi Zhou博士和Yuan Hou博士共同完成。

————————————————

版权声明:本文为CSDN博主「DrugAI」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。

原文链接:https://blog.csdn.net/u012325865/article/details/105683774图5B-D 三种潜在的药物组合


4


讨论


本文提出了基于网络的方法用于HCoV的药物重定位。基于系统的评估,作者对HCoV的潜在治疗(包括2019-nCoV)筛选出16种候选药物(Table 1)和3种潜在药物组合。论文作者特别提醒,所有预测的药物和药物组合都必须经过临床验证。


论文作者讨论几个潜在的缺点。该方法主要的生物学假设是靶向病毒宿主(人体)的蛋白-蛋白相互作用,而不是选择性仅仅靶向病毒蛋白本身,所以该方法无法对已知的抗病毒药物(这些药物只靶向病毒蛋白本身)进行预测。


作者建议,冠状病毒,特别是2019-nCoV, 是通过复杂的病毒感染通路或蛋白质网络感染人体,单个高度选择性的药物往往疗效有限并因病毒基因组的高度进化而容易产生抗药性。同时, 通过老药新用思路找到的老药的抗病毒活性往往较弱,因此药物组合疗法,俗称的鸡尾酒疗法往往效果可能更佳。例如,作者建议Melatonin (褪黑素往往有很好的的抗炎症活性)的辅助疗法(adjuvant therapy), 即与其他抗病毒药物(如remdervir)的连用可能达到提高疗效同时降低副作用。同时很多具有抗病毒或抗病毒活性的天然产物,例如大黄素等也可能提供潜在的辅助疗法或组合鸡尾酒疗法等。


该研究工作主要由克利夫兰诊所(Cleveland Clinic ) Yadi Zhou博士和Yuan Hou博士共同完成。


目录
相关文章
|
机器学习/深度学习 人工智能 数据可视化
阿斯利康团队用具有域适应性的可解释双线性注意网络改进了药物靶标预测
阿斯利康团队用具有域适应性的可解释双线性注意网络改进了药物靶标预测
267 0
|
机器学习/深度学习 人工智能 搜索推荐
IJCAI2020 | 知识图神经网络预测药物与药物相互作用
IJCAI2020 | 知识图神经网络预测药物与药物相互作用
294 0
IJCAI2020 | 知识图神经网络预测药物与药物相互作用
|
机器学习/深度学习 算法 数据可视化
Chemical Science | 通过异构网络中的深度学习对已知药物进行靶标识别
Chemical Science | 通过异构网络中的深度学习对已知药物进行靶标识别
475 0
Chemical Science | 通过异构网络中的深度学习对已知药物进行靶标识别
|
机器学习/深度学习 算法 测试技术
Nat. Commun | 基于网络的药物组合预测
Nat. Commun | 基于网络的药物组合预测
372 0
Nat. Commun | 基于网络的药物组合预测
|
1月前
|
SQL 安全 网络安全
网络安全与信息安全:知识分享####
【10月更文挑战第21天】 随着数字化时代的快速发展,网络安全和信息安全已成为个人和企业不可忽视的关键问题。本文将探讨网络安全漏洞、加密技术以及安全意识的重要性,并提供一些实用的建议,帮助读者提高自身的网络安全防护能力。 ####
73 17
|
1月前
|
存储 SQL 安全
网络安全与信息安全:关于网络安全漏洞、加密技术、安全意识等方面的知识分享
随着互联网的普及,网络安全问题日益突出。本文将介绍网络安全的重要性,分析常见的网络安全漏洞及其危害,探讨加密技术在保障网络安全中的作用,并强调提高安全意识的必要性。通过本文的学习,读者将了解网络安全的基本概念和应对策略,提升个人和组织的网络安全防护能力。
|
1月前
|
SQL 安全 网络安全
网络安全与信息安全:关于网络安全漏洞、加密技术、安全意识等方面的知识分享
随着互联网的普及,网络安全问题日益突出。本文将从网络安全漏洞、加密技术和安全意识三个方面进行探讨,旨在提高读者对网络安全的认识和防范能力。通过分析常见的网络安全漏洞,介绍加密技术的基本原理和应用,以及强调安全意识的重要性,帮助读者更好地保护自己的网络信息安全。
59 10
|
1月前
|
SQL 安全 网络安全
网络安全与信息安全:关于网络安全漏洞、加密技术、安全意识等方面的知识分享
在数字化时代,网络安全和信息安全已成为我们生活中不可或缺的一部分。本文将介绍网络安全漏洞、加密技术和安全意识等方面的内容,并提供一些实用的代码示例。通过阅读本文,您将了解到如何保护自己的网络安全,以及如何提高自己的信息安全意识。
66 10
|
1月前
|
存储 监控 安全
云计算与网络安全:云服务、网络安全、信息安全等技术领域的融合与挑战
本文将探讨云计算与网络安全之间的关系,以及它们在云服务、网络安全和信息安全等技术领域中的融合与挑战。我们将分析云计算的优势和风险,以及如何通过网络安全措施来保护数据和应用程序。我们还将讨论如何确保云服务的可用性和可靠性,以及如何处理网络攻击和数据泄露等问题。最后,我们将提供一些关于如何在云计算环境中实现网络安全的建议和最佳实践。
|
1月前
|
监控 安全 网络安全
网络安全与信息安全:漏洞、加密与意识的交织
在数字时代的浪潮中,网络安全与信息安全成为维护数据完整性、保密性和可用性的关键。本文深入探讨了网络安全中的漏洞概念、加密技术的应用以及提升安全意识的重要性。通过实际案例分析,揭示了网络攻击的常见模式和防御策略,强调了教育和技术并重的安全理念。旨在为读者提供一套全面的网络安全知识框架,从而在日益复杂的网络环境中保护个人和组织的资产安全。