计算机虚拟筛选技术在中药毒性研究中的探索与思考

doi:10.7501/j.issn.0253-2670.2023.12.029

温馨提示：建议您使用Chrome80、火狐74+、IE9+浏览器，当您的浏览器版本过低，可能会影响部分功能正常使用。

主办：天津药物研究院中国药学会

微信公众号

网站二维码

2025年6月13日 1:27 星期五

首页 > 过刊浏览>2023年第54卷第12期 >2023,54(12):4036-4043. DOI:10.7501/j.issn.0253-2670.2023.12.029

计算机虚拟筛选技术在中药毒性研究中的探索与思考

钱文秀
钱文秀
天津中医药大学中药学院, 天津 301617
在期刊界中查找
在Google Scholar中查找
在百度中查找
在PubMed中查找
在本站中查找
阎星旭
阎星旭
天津中医药大学中药学院, 天津 301617
在期刊界中查找
在Google Scholar中查找
在百度中查找
在PubMed中查找
在本站中查找
张文青
张文青
天津中医药大学中药学院, 天津 301617
在期刊界中查找
在Google Scholar中查找
在百度中查找
在PubMed中查找
在本站中查找
贾国香
贾国香
天津中医药大学中药学院, 天津 301617
在期刊界中查找
在Google Scholar中查找
在百度中查找
在PubMed中查找
在本站中查找
赵珊
赵珊
天津中医药大学中药学院, 天津 301617
在期刊界中查找
在Google Scholar中查找
在百度中查找
在PubMed中查找
在本站中查找
宋丽丽
宋丽丽
天津中医药大学中药学院, 天津 301617
通讯作者.
Email: sll0204@163.com
在期刊界中查找
在Google Scholar中查找
在百度中查找
在PubMed中查找
在本站中查找
李遇伯
李遇伯
天津中医药大学中药学院, 天津 301617
通讯作者.
Email: yaowufenxi001@sina.com
在期刊界中查找
在Google Scholar中查找
在百度中查找
在PubMed中查找
在本站中查找

Exploration and thinking of computer virtual screening technology in toxicity research of traditional Chinese medicine

QIAN Wen-xiu
QIAN Wen-xiu
School of Traditional Chinese Medicine, Tianjin University of Traditional Chinese Medicine, Tianjin 301617, China
在期刊界中查找
在Google Scholar中查找
在百度中查找
在PubMed中查找
在本站中查找
YAN Xing-xu
YAN Xing-xu
School of Traditional Chinese Medicine, Tianjin University of Traditional Chinese Medicine, Tianjin 301617, China
在期刊界中查找
在Google Scholar中查找
在百度中查找
在PubMed中查找
在本站中查找
ZHANG Wen-qing
ZHANG Wen-qing
School of Traditional Chinese Medicine, Tianjin University of Traditional Chinese Medicine, Tianjin 301617, China
在期刊界中查找
在Google Scholar中查找
在百度中查找
在PubMed中查找
在本站中查找
JIA Guo-xiang
JIA Guo-xiang
School of Traditional Chinese Medicine, Tianjin University of Traditional Chinese Medicine, Tianjin 301617, China
在期刊界中查找
在Google Scholar中查找
在百度中查找
在PubMed中查找
在本站中查找
ZHAO Shan
ZHAO Shan
School of Traditional Chinese Medicine, Tianjin University of Traditional Chinese Medicine, Tianjin 301617, China
在期刊界中查找
在Google Scholar中查找
在百度中查找
在PubMed中查找
在本站中查找
SONG Li-li
SONG Li-li
School of Traditional Chinese Medicine, Tianjin University of Traditional Chinese Medicine, Tianjin 301617, China
Contact Author.
Email: sll0204@163.com
在期刊界中查找
在Google Scholar中查找
在百度中查找
在PubMed中查找
在本站中查找
LI Yu-bo
LI Yu-bo
School of Traditional Chinese Medicine, Tianjin University of Traditional Chinese Medicine, Tianjin 301617, China
Contact Author.
Email: yaowufenxi001@sina.com
在期刊界中查找
在Google Scholar中查找
在百度中查找
在PubMed中查找
在本站中查找

发布日期：2023-06-15

摘要
图/表
访问统计
PDF预览
参考文献
相似文献
引证文献
附件

[关键词]

虚拟筛选 ; 分子对接 ; 机器学习 ; 毒效团 ; 分子相似性 ; 中药毒性研究

[摘要]

近年来，中药安全性问题逐渐成为社会关注的热点，尤其是中药毒性研究更是中药研究的重点。因此，寻找高效的技术辅助中药毒性研究尤为关键。计算机虚拟筛选技术具有高效、便捷等优点，经过多年的发展，其技术理论已经趋于成熟，且在多个领域已被成功应用。通过对分子对接、机器学习、毒效团和分子相似性方法4种主要的计算机虚拟筛选技术进行综述，并分析它们在中药毒性研究领域的应用和前景，为从事中药毒性研究的科研人员提供参考。

[Key word]

virtual screening ; molecular docking ; machine learning ; toxicophore ; molecular similarity ; toxicity research of traditional Chinese medicine

[Abstract]

In recent years, people from all walks of life have paid more and more attention to the safety of traditional Chinese medicine (TCM), especially the toxicity research of TCM. Therefore, it is an urgent task to find an efficient technology to assist the toxicity research of TCM. The computer virtual screening technology has the advantages of high efficiency and convenience. After years of development, its technical theory has become mature and has been successfully applied in many fields. This article reviews the four main computer virtual screening technologies, such as molecular docking, machine learning, toxicophore and molecular similarity methods, and the application prospect of these technologies in the field of toxicity research of TCM are analyzed, aiming to provide reference for researchers engaged in toxicity research of TCM.

[中图分类号]

R285

[基金项目]

国家自然科学基金资助项目（81873194）；国家中医药管理局青年岐黄学者支持项目

引用本文 / Get Citation

钱文秀,阎星旭,张文青,贾国香,赵珊,宋丽丽,李遇伯.计算机虚拟筛选技术在中药毒性研究中的探索与思考[J].中草药,2023,54(12):4036-4043

分享 / Share

文章指标 / Article Metrics

点击次数: 396

下载次数: 1443

Html阅读次数: 0

引用次数: 0

历史 / History

收稿日期: 2023-01-08

在线发布日期: 2023-06-15

出版日期: 2023-06-28

[1] 张冰, 吕锦涛, 张晓朦, 等. 基于"药性"的中药"毒-效"认知与药物警戒思考[J]. 中国药物警戒, 2021, 18(5):411-415.

[2] 韩岚, 林朝展, 赵海霞, 等. 2012-2021年国家自然科学基金中药毒理学研究方向资助项目分析[J]. 中国中药杂志, 2022, 47(5):1415-1420.

[3] 孟驿佳, 康乐, 王媛, 等. 2020年版《中国药典》(一部)有毒中药毒性成分及毒性特点分析[J]. 中药药理与临床, 2023, 39(1):99-104.

[4] 何月, 许娜, 吴德欢, 等. 神经毒性中药中毒机制与减毒策略的研究进展[J]. 中南药学, 2017, 15(7):940-942.

[5] Pan X Q, Zhou J, Chen Y, et al. Classification, hepatotoxic mechanisms, and targets of the risk ingredients in traditional Chinese medicine-induced liver injury[J]. Toxicol Lett, 2020, 323:48-56.

[6] 柏兆方, 孟雅坤, 贺兰芝, 等. 传统无毒中药诱导的免疫特异质型肝损伤及其机制假说[J]. 中国药学杂志, 2017, 52(13):1105-1109.

[7] 姜允申. 计算毒理学和量子毒理学在我国环境医学与药物学研究中的应用及前景[A]//中国环境科学学会. 2020中国环境科学学会科学技术年会论文集(第4卷)[C]. 南京:中国环境科学学会, 2020:85-89.

[8] 孙亚奇, 陆启荣, 刘爱梅, 等. 药物代谢诱导毒性的体外预测方法研究进展[J]. 中国药理学与毒理学杂志, 2019, 33(11):1000-1006.

[9] 于洋, 左平春, 张楠, 等. 计算毒理学在农药风险评估中的应用[J]. 农药科学与管理, 2017, 38(4):24-30.

[10] Silva M H. Use of computational toxicology (CompTox) tools to predict in vivo toxicity for risk assessment[J]. Regul Toxicol Pharmacol, 2020, 116:104724.

[11] Vuorinen A, Bellion P, Beilstein P. Applicability of in silico genotoxicity models on food and feed ingredients[J]. Regul Toxicol Pharmacol, 2017, 90:277-288.

[12] Forest V. Experimental and computational nanotoxicology- complementary approaches for nanomaterial hazard assessment[J]. Nanomaterials, 2022, 12(8):1346.

[13] 郑玉婷, 王宝成, 于洋, 等. 一种筛选具有潜在持久性、迁移性和毒性(PMT)新污染物的计算毒理学模型工具[J]. 生态毒理学报, 2022, 17(3):111-120.

[14] De León G, Fröhlich E, Salar-Behzadi S. Bitter taste in silico:A review on virtual ligand screening and characterization methods for TAS2R-bitterant interactions[J]. Int J Pharm, 2021, 600:120486.

[15] Maia E H B, Assis L C, de Oliveira T A, et al. Structure-based virtual screening:From classical to artificial intelligence[J]. Front Chem, 2020, 8:343.

[16] 周玉玳, 戴双雄, 佟斌, 等. 光谱学与分子对接结合解释生物大分子与配体间作用机制的研究进展[J]. 影像科学与光化学, 2021, 39(3):337-347.

[17] 朱锐灵, 沈悦, 马飞鸿, 等. 分子对接技术在中药抗炎活性成分筛选和作用机制研究中的应用[J]. 中国药理学与毒理学杂志, 2018, 32(6):497-506.

[18] 刘景陶, 柳耀花. 通过分子对接确定并优化先导化合物[J]. 科技创新与应用, 2018(3):3-4.

[19] 汪祺. 基于UGT1A1抑制作用及体内外代谢产物探索何首乌肝毒性机制及毒效物质[D]. 北京:北京中医药大学, 2018.

[20] 孙雨晴, 张鑫, 沈晓帆, 等. 体外实验和计算模拟研究七叶皂苷的肾细胞毒性机制[A]//2021(第五届)毒性测试替代方法与转化毒理学(国际)学术研讨会会议论文集[C]. 沈阳:中国毒理学会, 2021:112-113.

[21] 许先进, 王存新. 分子对接方法在药物发现之外领域的应用[J]. 北京工业大学学报, 2017, 43(12):1872-1880.

[22] Li J, Fu A L, Zhang L. An overview of scoring functions used for protein-ligand interactions in molecular docking[J]. Interdiscip Sci Comput Life Sci, 2019, 11(2):320-328.

[23] 石洲. 基于网络药理学和分子对接的川乌毒效成分及机制研究[D]. 成都:电子科技大学, 2021.

[24] 汪祺, 文海若, 马双成. 以MRP2/MRP3转运体为作用靶点的何首乌中肝毒性成分筛选[J]. 中国现代中药, 2022, 24(4):622-628.

[25] 汪祺, 文海若, 马双成. 以OATP1B1/OATP1B3转运体为作用靶点的何首乌肝毒性成分筛选[J]. 药物评价研究, 2022, 45(2):227-233.

[26] 汪祺, 文海若, 马双成. 以法尼醇X受体为作用靶点的何首乌中肝毒性成分的筛选[J]. 中国药物警戒, 2022, 19(6):630-634.

[27] Liu C X, Zhang C N, He T, et al. Study on potential toxic material base and mechanisms of hepatotoxicity induced by Dysosma versipellis based on toxicological evidence chain (TEC) concept[J]. Ecotoxicol Environ Saf, 2020, 190:110073.

[28] Zhang X Y, Wang S, Shu L X, et al. Rapid screening of hepatotoxic components in Uncariae Ramulus Cum Uncis based on "component-target-pathway" network[J]. J Pharm Biomed Anal, 2022, 219:114968.

[29] 牛明, 张斯琴, 张博, 等.《网络药理学评价方法指南》解读[J]. 中草药, 2021, 52(14):4119-4129.

[30] 曹站霞, 陈毓龙, 李伟霞, 等. 基于网络药理学和细胞试验探讨补骨脂致肝损伤的毒理机制[J]. 中国现代应用药学, 2022, 39(16):2052-2062.

[31] 张丹, 董一珠, 吕锦涛, 等. 基于网络药理学与分子对接方法探讨昆明山海棠的毒性机制[J]. 北京中医药大学学报, 2019, 42(12):1006-1015.

[32] Yang X, Wang Y F, Byrne R, et al. Concepts of artificial intelligence for computer-assisted drug discovery[J]. Chem Rev, 2019, 119(18):10520-10594.

[33] 周玥, 张心苑, 毛雪石. 机器学习在创新药物研发中的应用进展[J]. 医学信息学杂志, 2020, 41(8):25-28.

[34] Vo A H, van Vleet T R, Gupta R R, et al. An overview of machine learning and big data for drug toxicity evaluation[J]. Chem Res Toxicol, 2020, 33(1):20-37.

[35] Choi R Y, Coyner A S, Kalpathy-Cramer J, et al. Introduction to machine learning, neural networks, and deep learning[J]. Transl Vis Sci Technol, 2020, 9(2):14.

[36] Idakwo G, Luttrell J, Chen M J, et al. A review on machine learning methods for in silico toxicity prediction[J]. J Environ Sci Health C Environ Carcinog Ecotoxicol Rev, 2018, 36(4):169-191.

[37] 高宇, 王凤雪, 刘海波. 虚拟筛选技术在天然产物新药研发中的应用[J]. 国际药学研究杂志, 2020, 47(8):602-608.

[38] 颜彩琴, 范睿琦, 宁雨坪, 等. 深度学习模型在中药毒性预警中的应用和前景[J]. 中国药理学与毒理学杂志, 2022, 36(3):231-240.

[39] Gini G. QSAR methods[J]. Methods Mol Biol, 2022, 2425:1-26.

[40] Deeb O, Goodarzi M. In silico quantitative structure toxicity relationship of chemical compounds:Some case studies[J]. Curr Drug Saf, 2012, 7(4):289-297.

[41] 施海枫, 刘永香, 涂文通. 国内有关黄酮类化合物及其衍生物的2D-QSAR和3D-QSAR研究进展[J]. 广东化工, 2013, 40(24):70-71.

[42] Sato A, Miyao T, Jasial S, et al. Comparing predictive ability of QSAR/QSPR models using 2D and 3D molecular representations[J]. J Comput Aided Mol Des, 2021, 35(2):179-193.

[43] Fourches D, Ash J. 4D-quantitative structure-activity relationship modeling:Making a comeback[J]. Expert Opin Drug Discov, 2019, 14(12):1227-1235.

[44] Bak A. Two decades of 4D-QSAR:A dying art or staging a comeback?[J]. Int J Mol Sci, 2021, 22(10):5212.

[45] 李仁利. 三维以上定量构效关系[J]. 国际药学研究杂志, 2007, 34(4):241-245.

[46] 马会利. 化合物心脏毒性虚拟预测模型的构建及其应用研究[D]. 广州:广州中医药大学, 2018.

[47] 冯小龙. 挥发油类中药主要化学成分安全性预测研究[J]. 世界科学技术-中医药现代化, 2020, 22(9):3065-3072.

[48] Chen Z, Zhao M Z, You L Z, et al. Developing an artificial intelligence method for screening hepatotoxic compounds in traditional Chinese medicine and Western medicine combination[J]. Chin Med, 2022, 17(1):58.

[49] Zhao P, Liu B, Wang C Y. Hepatotoxicity evaluation of traditional Chinese medicines using a computational molecular model[J]. Clin Toxicol, 2017, 55(9):996-1000.

[50] Sun Y, Shi S, Li Y, et al. Development of quantitative structure-activity relationship models to predict potential nephrotoxic ingredients in traditional Chinese medicines[J]. Food Chem Toxicol, 2019, 128:163-170.

[51] Yang J L, Wang S, Zhang T, et al. Predicting the potential toxicity of 26 components in Cassiae Semen using in silico and in vitro approaches[J]. Curr Res Toxicol, 2021, 2:237-245.

[52] Xu T J, Chen W M, Zhou J H, et al. Computational analysis of naturally occurring aristolochic acid analogues and their biological sources[J]. Biomolecules, 2021, 11(9):1344.

[53] Pramanik S, Roy K. Exploring QSTR modeling and toxicophore mapping for identification of important molecular features contributing to the chemical toxicity in Escherichia coli[J]. Toxicol In Vitro, 2014, 28(2):265-272.

[54] Kar S, Roy K. First report on predictive chemometric modeling, 3D-toxicophore mapping and in silico screening of in vitro basal cytotoxicity of diverse organic chemicals[J]. Toxicol In Vitro, 2013, 27(2):597-608.

[55] 乔连生, 郭亦然, 张燕玲. 基于片段搜索和相似性搜索的抗哮喘中药发现研究[J]. 中国实验方剂学杂志, 2013, 19(12):310-314.

[56] 孔德毅. 分子相似性网络中关键化合物发现算法研究[D]. 兰州:兰州大学, 2015.

[57] Singh P K, Negi A, Gupta P K, et al. Toxicophore exploration as a screening technology for drug design and discovery:Techniques, scope and limitations[J]. Arch Toxicol, 2016, 90(8):1785-1802.

[58] 何秋顺. 基于结构特征的毒效因子发现[D]. 厦门:厦门大学, 2018.

[59] Wen B, Gorycki P. Bioactivation of herbal constituents:Mechanisms and toxicological relevance[J]. Drug Metab Rev, 2019, 51(4):453-497.

[60] Kumar A, Zhang K Y J. Advances in the development of shape similarity methods and their application in drug discovery[J]. Front Chem, 2018, 6:315.

[61] 唐玉焕, 林克江, 尤启冬. 基于2D分子指纹的分子相似性方法在虚拟筛选中的应用[J]. 中国药科大学学报, 2009, 40(2):178-184.

[62] 王山, 孙莉, 吴杰, 等. 一种基于计数型布隆过滤器的分子相似性算法研究[J]. 计算机科学, 2017, 44(S2):552-556.

[63] 吴萍, 孔德信. 分子相似性与MOLPRINT2D的本地化[J]. 计算机与应用化学, 2008, 25(4):505-508.

[64] Gong J Y, Cai C Q, Liu X F, et al. ChemMapper:A versatile web server for exploring pharmacology and chemical structure association based on molecular 3D similarity method[J]. Bioinformatics, 2013, 29(14):1827-1829.

[65] He G Q, Song Y P, Wei W H, et al. eSHAFTS:Integrated and graphical drug design software based on 3D molecular similarity[J]. J Comput Chem, 2019, 40(6):826-838.

[66] 温聪聪. Me2Explorer:一款应用于化学空间分析的集成软件[D]. 武汉:华中农业大学, 2021.

[67] 段敬怡, 许妍妍, 王玉明, 等. 基于有害结局路径的中药毒性进程动态机制研究思路[J]. 中国药理学与毒理学杂志, 2020, 34(1):58-63.

[68] Durai P, Ko Y J, Pan C H, et al. Evolutionary chemical binding similarity approach integrated with 3D-QSAR method for effective virtual screening[J]. BMC Bioinform, 2020, 21(1):1-18.

[69] Liu C X. Scientific understanding of toxicity and safety of Chinese medicines[J]. Chin Herb Med, 2018, 10(2):107.