1. 数据库网站

NP-KB
Network Pharmacology Knowledgebase
网络药理学知识库

服务于新药创制的网络药理学底层数据库NPKB,可用于多种网络药理学研究, 包括构建多种疾病网络、分析致病基因及重要靶点、预测老药新用途、设计多分子药物组合等

  • 4000余种疾病词条
  • 6000余种药物
  • 370000余对疾病-基因关联
  • 23000余对药物-靶点关联
  • 370000余对蛋白-蛋白相互作用
  • 1100余条通路
  • 10000余个药物组合
  • 48000余对药物相互作用
冠心病网络药理学研究软件平台

针对冠心病,采用文本挖掘等技术从文献中提取疾病相关基因和蛋白信息,并整合KEGG、HPRD和DrugBank等数据库的相关注释及数据, 进而根据文本关联度、相互作用关系等构建了疾病-靶点网络模型。

相关研究成果已获计算机软件著作权, 并发表在《Database》杂志。 CHD@ZJU是首个针对冠心病的网络药理学研究软件平台。该平台实现了冠心病-靶点网络建模、冠心病相关通路的可视化及通路整合分析功能,可用于研究发现冠心病治疗药物。

  • 1000余个冠心病相关基因
  • 1400余种药物
  • 45条相关通路
  • 4万余对相互作用关系
  • 8千余篇相关文献
CHD@ZJU
Coronary Heart Disease Research Platform
T2D@ZJU
Type 2 Diabetes Database @ZJU
2型糖尿病网络药理学研究软件平台

针对2型糖尿病,通过综合文本挖掘结果和KEGG、Reactome、BioCarta、PANTHER及DrugBank等数据库数据,完成2型糖尿病-靶点网络建模。 该研究成果已获计算机软件著作权,并发表于《Database》杂志。 这是目前针对2型糖尿疾病的最全面、最系统的网络药理学研究平台,可用于指导研发抗2型糖尿病药物。

  • 2000余个相关靶点
  • 14000余对PPI
  • 26000余对蛋白相互作用关系
流感病毒-宿主相互作用研究平台

流感病毒-宿主相互作用研究平台 (IVHi)为向病毒性感冒研究工作者提供和流感病毒感染过程相关宿主因子,包括相关的蛋白、基因以及非编码RNA等,并提供流感病毒蛋白之间、流感病毒和宿主因子之间的相互作用组学研究信息。IVHi包括:

  • 1565个宿主因子(基因/蛋白)
  • 932个宿主因子(microRNA)
  • 14063对病毒-宿主-蛋白相互作用关系
  • 52959对MiRNA-靶点相互作用关系
  • 22条流感病毒感染相关的通路
  • 9条流感病毒感染相关的模型
  • 310组高通量数据集
IVHI
Influenza virus-host interactions
TADRRweb
A webserver for assessing safety liabilities of drugs
基于药物-靶点-副作用关联的药物副作用预测平台

该平台可根据化合物的SMILES文件预测化合物的靶点,同时也实现了药物-靶点关联网络、药物-副作用关联的网络和靶点-副作用关联网络的可视化,可为药物研发早期鉴别出毒性风险高的化合物。

  • 866个药物
  • 195个靶点
  • 1499种不良反应
  • 1938对药物-靶点关联
  • 10万余对药物-不良反应关联
  • 6000余对靶点-不良反应关联
肝毒性研究平台

该数据库包括170个化合物,20123张Affymetrix基因芯片,提供了与肝脏有关的、系统全面的毒理基因组学数据。在此数据集的基础上,我们进一步运用Kolmogorov-Smimov算法发掘出与肝毒性相关的基因表达谱模式,研究构建了可用于药物肝毒性评价的知识库。

在该系统中研究人员可以将待查询的化合物作用后的表达谱与数据库中已知药物作用的基因表达谱进行比较,查找到表达相似的化合物,由此来预测待测化合物的可能具有的肝毒性机制。我们利用LTMap平台对萘酚平药物的表达谱数据进行了分析,发现该系统能够准确预测出萘酚平引起肝损伤的机制,表明LTMap能够在药物的潜在肝毒性及其作用机制的研究中提供帮助。

LTmap
Liver toxicological map

2. 相关算法

TSNBA
疾病相关基因和重要调控因子发现算法

TSNBA根据基因表达谱计算蛋白-蛋白相互作用网络连接强度,以连接强度总和较大且共表达的基因作为疾病相关基因。 进而运用Context likelihood of relatedness算法推测疾病进程相关的调控因子。相比基因表达谱差异分析、网络传播等方法,此方法的预测准确率更高。

Indication Similarity Ensemble Approach

iSEA根据WHO的药物ATC分类,将药物与任一ATC中所有药物相比较,用结构相似性评测药物-ATC关联,以及ATC间的关系。构建了药物-ATC关联网络,可用于预测药物新适应症。

iSEA
ODN
机体失衡网络模型

ODN首先对疾病相关基因、蛋白相互作用和转录组学数据进行收集,进而整合基因信息和PPI关系构建了疾病生物网络。 随后将基因表达谱信息以网络标注的形式和疾病生物网络相结合,构建机体失衡网络模型。 此网络模型可系统地反映疾病对生物机体的系统影响模式,在描述复杂性疾病中具有较好的稳定性和可重现性。

Causal Inference-probabilistic Matrix Factorization Approach

通过关联Comparative Toxicogenomics Database、DrugBank和Biocarta数据库的数据,建立了“药物-靶点-通路-基因-疾病”网络模型,并用于发现药物-疾病关联关系。 在此基础上,通过药物-疾病关联类型分类来预测老药的新用途。这一策略已经被应用于心血管疾病和糖尿病的老药新用研究,相关研究成果发表于《Journal of Chemical Information and Modeling》杂志。

CI-PMF
HNBDC
基于因果关系网络的药物组合预测

研究建立了“药物-靶点-通路-疾病基因”多层次因果关系网络,并针对2型糖尿病提出了基于网络药理学的多靶点药物发现策略, 可用于发现抗2型糖尿病药物组合物。运用此策略预测得到78个潜在的抗2型糖尿病药物组合物,进而通过ZDF糖尿病大鼠动物实验证实二甲双胍-小檗碱组合物具有明显的降糖作用。