题目：

Identification of molecular targets of Hypericum perforatum in blood for major depressive disorder: a machine-learning pharmacological study

研究思路梳理：

本研究采用“差异表达+WGCNA模块分析+疾病数据库交叉+机器学习筛选+免疫分析+分子对接”的系统策略，全面揭示贯叶连翘抗抑郁的分子机制。

打开网易新闻 查看精彩图片
打开网易新闻 查看精彩图片

主要结果：

1.差异基因与WGCNA模块识别潜在靶点

通过对GSE98793血液mRNA表达数据进行分析，共识别1954个差异基因，结合WGCNA筛选出933个MDD相关潜在靶点。

2.多数据库交叉确定关键通路

整合CTD、DisGeNET、GeneCards三大疾病数据库，获得982个MDD预测靶点；从TCMSP中获取275个贯叶连翘活性成分靶点。通过KEGG富集分析交叉得到13条关键通路，包括流体剪切应力与动脉粥样硬化、NOD样受体信号通路、C型凝集素受体信号通路等。

3.PPI网络与MCODE识别核心子网

构建76个潜在治疗靶点的PPI网络，通过Cytoscape插件MCODE进一步筛选出22个核心候选基因。

4.机器学习锁定5个关键靶点

采用LASSO与SVM-RFE两种机器学习算法交叉验证，最终确定AKT1、MAPK1、MYC、EGF、HSP90AA1为贯叶连翘治疗MDD的关键靶点。