2025年4月，大分大學的Takashi Sakai等研究團隊在《Journal of Dermatological Science》（IF＝5.408）上發(fā)表了題為“Big data-driven target identification by machine learning: DRD2 as a therapeutic target for psoriasis"的研究論文。該研究旨在解決藥物靶點稀缺的問題，開發(fā)了一種基于機器學習（ML）的系統(tǒng)，能夠預測疾病相關的靶點分子，并將該系統(tǒng)應用于銀屑病，以探索新的研發(fā)策略。

摘要

背景：傳統(tǒng)上新藥研發(fā)依賴于研究人員利用科學知識來假設疾病機制并識別藥物。然而，藥物靶點的枯竭已成為一項重大挑戰(zhàn)，導致藥物研發(fā)陷入停滯。

目的：為解決藥物靶點稀缺的問題，我們開發(fā)了一種基于機器學習（ML）的系統(tǒng)，能夠預測疾病相關靶點。為驗證其效用，我們將該系統(tǒng)應用于銀屑病，旨在識別新的研究策略。

方法：利用大型臨床數(shù)據(jù)庫計算所有與目標疾病預防相關藥物的報告比值比（ROR）。通過分析大型化學結構數(shù)據(jù)庫，發(fā)現(xiàn)與預防性藥物候選物通常相關的蛋白質，從而識別靶點蛋白。在咪喹莫特（IMQ）誘導的銀屑病小鼠模型中，給予預測的有效候選物進行實驗驗證。

結果：基于機器學習的預測表明，帕金森病藥物可能是銀屑病的潛在預防候選藥物。進一步分析顯示，多巴胺受體D2（DRD2）是一個潛在靶點。給予DRD2激動劑可緩解小鼠的銀屑病癥狀，IL-17通路中的mRNA表達下調以及血清腫瘤壞死因子-α（TNF-α）水平降低均證實了這一點。

結論：本研究證明了新型機器學習系統(tǒng)在識別潛在靶點方面的效用，成功揭示了DRD2在銀屑病中的作用。除銀屑病外，該系統(tǒng)在探索多種疾病的病理機制和發(fā)現(xiàn)藥物靶點方面具有重要潛力。

實驗材料與儀器

材料

1. 實驗動物：10-11周齡雌性BALB/c小鼠

2. 藥物與試劑：咪喹莫特、喹吡羅、TRIzol Reagent、SV Total RNA Isolation System、MGIEasy rRNA Depletion Kit、MGIEasy RNA Directional Library Prep Set、Luminex® Discovery Assay Mouse Premixed Multi-Analyte Kit

3. 數(shù)據(jù)庫：FDA不良事件報告系統(tǒng)（FAERS）、ChEMBL、MATADOR、DrugBank、精神藥物篩選計劃Ki、KEGG、Binding DB、靶點數(shù)據(jù)庫、KEGG DRUG數(shù)據(jù)庫

4. 引物：用于qPCR的引物

儀器

ASCH VAPOSCAN經(jīng)皮水分流失測量儀、ND-1000分光光度計、Tapestation、DNBSEQ-G400 FAST Sequencer

實驗過程

1. 機器學習預測疾病靶點分子的方法建立：該方法分為兩部分，一是基于用藥史報告計算報告比值比（ROR），篩選出ROR<1且p值<0.05的具有疾病預防作用的藥物；二是利用基于藥物化學結構和化學-蛋白質相互作用組的相似性搜索算法，預測與預防性藥物相互作用的蛋白質作為疾病靶點候選物。

2. 銀屑病預防藥物候選物的臨床大數(shù)據(jù)分析：使用FAERS數(shù)據(jù)庫，提取藥物相關數(shù)據(jù)（主要可疑藥物PS、次要可疑藥物SS），基于KEGG DRUG數(shù)據(jù)庫對藥物名稱進行標準化，計算所有藥物的ROR值，篩選出銀屑病預防候選藥物。

3. 銀屑病預防藥物靶點蛋白的相似性搜索：整合7個數(shù)據(jù)庫的化學-蛋白質相互作用數(shù)據(jù)，利用KEGG化學功能和亞結構（KCF-S）描述符計算藥物-化合物相似性，定義并計算每個蛋白的預測分數(shù)S(Pi)，預測靶點蛋白。

4. 喹吡羅對咪喹莫特（IMQ）誘導的小鼠銀屑病的影響研究：采用IMQ誘導的銀屑病小鼠模型，連續(xù)5天在小鼠剃毛的背部皮膚局部涂抹IMQ，同時腹腔注射DRD2激動劑喹吡羅或拮抗劑利ASCH VAPOSCAN經(jīng)皮水分流失測量儀檢測經(jīng)表皮水分流失值（TEWL）。

ASCH VAPOSCAN經(jīng)皮水分流失測量儀

鈣吡羅對異維A酸（IMQ）誘導的銀屑病模型小鼠的影響。對IMQ誘導的銀屑病小鼠腹腔注射鈣吡羅(a)，隨后進行臨床和組織學評估(b)。評估指標包括：采用PASI(c)進行臨床評分、表皮厚度(d)、真皮厚度(e)、脾臟與體重比(f)、經(jīng)皮水分流失量（TEWL）(g)以及表皮中CD3陽性細胞計數(shù)(h)。共分析n=5只小鼠。數(shù)據(jù)以均值±標準誤（SEM）表示(c)，以散點圖及中位數(shù)值表示（d-h）。統(tǒng)計學顯著性采用Dunnett多重比較檢驗（與IMQ+溶媒組比較）進行評估，結果標記為*p < 0.05*、*p < 0.01*、**p < 0.05*。001，且* ** *p < 0.0001。圖(b)中的比例尺代表100微米。IMQ，咪喹莫特；PASI，銀屑病面積和嚴重程度指數(shù)；TEWL，經(jīng)表皮水分流失。

5. RNA測序及數(shù)據(jù)分析：提取小鼠全皮膚總RNA，制備測序文庫并測序，使用Trimmomatic修剪低質量堿基和接頭，通過RSEM和Bowtie 2估算基因原始計數(shù)，利用edgeR程序檢測差異表達基因（DEGs），設定p值<0.05且log2倍變化（log2FC）>1.0（上調）或<-1.0（下調）為差異表達基因標準，使用pvclust對所有樣本進行聚類分析。

6. 基因本體論（GO）和通路富集分析：利用DAVID功能注釋工具，對差異表達基因進行生物過程（BP）、分子功能（MF）、細胞組分（CC）的GO術語富集分析和KEGG通路富集分析，通過Fisher精確檢驗評估富集的統(tǒng)計學顯著性。

7. qPCR檢測：提取小鼠全皮膚總RNA，進行逆轉錄和cDNA擴增，采用比較Ct法計算相對基因表達水平（以甘油醛-3-磷酸脫氫酶為內參基因）。

8. 血清細胞因子水平分析：按照試劑盒說明書，使用Luminex® Discovery Assay Mouse Premixed Multi-Analyte Kit檢測小鼠血清細胞因子水平。

9. 統(tǒng)計分析：小鼠實驗中，組間差異采用非配對雙尾t檢驗或Dunnett多重比較檢驗（與對照組比較）進行分析。

結論

1. 本研究開發(fā)的基于機器學習的系統(tǒng)可有效識別疾病潛在靶點，將其應用于銀屑病，成功發(fā)現(xiàn)DRD2是銀屑病的潛在有效靶點。

2. 基于臨床大數(shù)據(jù)分析，帕金森病藥物被認為是銀屑病的潛在預防候選藥物，其中多種多巴胺受體激動劑（包括靶向DRD2的藥物）在列。

3. DRD2激動劑喹吡羅可緩解IMQ誘導的小鼠銀屑病癥狀，表現(xiàn)為臨床評分降低、表皮和真皮變薄、脾體比降低、TEWL減少。

4. 喹吡羅可下調IMQ誘導的銀屑病小鼠皮膚中IL-17信號通路相關基因（如Il12b、Il22）的表達，降低血清中TNF-α和IL-10的水平。

5. 該機器學習系統(tǒng)不僅適用于銀屑病，還可為多種疾病的病理機制探索和潛在靶點發(fā)現(xiàn)提供新途徑。