肝細胞癌是常見惡性腫瘤，目前藥物尚無法滿足臨床需求，仍需尋找新的治療靶點及先導分子。中國科學院昆明植物研究所植物化學與天然藥物全國重點實驗室陳紀軍研究團隊近年來致力于蒿屬植物中抗肝癌活性倍半萜二聚體的發(fā)現(xiàn)、合成與結(jié)構(gòu)優(yōu)化、作用機制與靶標及創(chuàng)新藥物研究。團隊前期從蒿屬植物中發(fā)現(xiàn)系列具有顯著抗肝癌活性的倍半萜二聚體—活性顯著強于相應單體?；诜律腄iels-Alder反應，構(gòu)建了倍半萜二聚體的合成方法。

基于深度學習的多模態(tài)模型能夠高效挖掘腫瘤多組學數(shù)據(jù)揭示新的治療靶點。團隊提出DLCP模型，通過對腫瘤多組學數(shù)據(jù)與患者生存信息的高效整合，實現(xiàn)了對肝細胞癌患者的分子分型、預后生物標志物識別并推薦了潛在的抗肝癌優(yōu)勢分子。DLCP實現(xiàn)了肝癌高、低?；颊叩姆肿臃中停Y選到預后生物標志物Rac 家族成員RAC1。通過分子對接、動力學模擬及課題組前期開發(fā)的基于深度學習的化合物靶點預測模型CIPHEN，DLCP模型成功篩選到倍半萜二聚體衍生物KGA-1083b。實驗表明KGA-1083b對三株肝癌細胞(SK-Hep-1，HepG2，Huh7)均顯示出顯著抑制活性，IC50均低于10 μM， SPR 實驗獲得KD 值17.3 μM，CETSA實驗表明 KGA-1083b 可以使得RAC1 的熱穩(wěn)定性增加。綜上， DLCP 為將深度學習應用于癌癥預后分析方面提供了一個成功的范例，它通過整合多樣化的多組學數(shù)據(jù)和臨床表型揭示了肝細胞癌發(fā)展的分子機制，加速了候選藥物分子的發(fā)現(xiàn)。

近日，該研究工作以Deep learning facilitated discovery of prognosis biomarkers and their ligands to improve liver cancer treatment及Compound-protein interaction prediction basedonheterogeneousnetworkrevealspotentialantihepatomaagents為題發(fā)表在國際外科雜志International Journal of Surgery.(DOI: 10.1097/JS9.0000000000003455)及iScience(iScience 2024;27: 110418.)。中國科學院昆明植物所王永翠研究員為論文的第一及通訊作者。上述研究工作得到了國家自然科學基金重點項目、云南省科技領(lǐng)軍人才項目和云南省基礎(chǔ)研究重點項目等的支持。