三、主要结果：（接上文）
4.机器学习交叉验证锁定核心基因
使用三种机器学习方法进一步筛选：
•SVM-RFE：选出10个基因
•LASSO：选出9个基因
•Random Forest：选出20个基因
最终交集确定4个核心基因：CA1、CCND1、CXCL2、EIF6。
图5：通过机器学习方法识别枢纽基因
5.免疫浸润分析揭示微环境调控机制
CIBERSORT分析显示，CRC样本中M0巨噬细胞、活化CD4+记忆T细胞显著升高，而静息肥大细胞、浆细胞等显著下降。核心基因与M0巨噬细胞、单核细胞等呈显著相关，提示其通过调控免疫微环境发挥抗肿瘤作用。
图6：枢纽基因的免疫浸润分析
6.分子对接验证结合活性
分子对接结果表明，活性成分与核心靶蛋白之间具有较高的结合亲和力（结合能均＜-5 kcal/mol），其中槲皮素（quercetin）、甘草查尔酮A（licochalcone A）等与多个靶点结合稳定，提示其可能是关键活性分子。
图7：靶向中心蛋白的对接口袋
图8：靶向中心蛋白与其相应配体分子对接结果的相互作用图
四、点评：
本研究成功运用系统药理学、生物信息学和机器学习等多重方法，系统揭示了六种药食同源植物通过多靶点、多通路协同抗结直肠癌的作用机制，尤其突出了其在调控肿瘤免疫微环境中的潜在价值。不仅为这些传统药食两用资源的临床应用提供了科学依据，也为中医药现代化研究提供了可推广的分析范式。
未来的研究可进一步结合空间转录组、蛋白组学等多维数据，深化对成分–靶点–免疫调控网络的理解，并通过动物模型和类器官实验进行功能验证，推动其向精准营养和辅助治疗方向转化。
五、网络分析服务
1.服务内容
构建蛋白质 - 蛋白质相互作用（PPI）、药物 - 靶点 - 疾病等复杂网络，挖掘网络核心节点与模块，解析分子调控机制。
2.具体分析步骤
网络构建：基于 STRING、BioGRID 等数据库，整合分子互作数据，构建初始网络；
网络拓扑分析：计算节点度、中介中心性、聚类系数等指标，识别核心节点；
模块划分：采用 MCODE、ClusterOne 等算法，划分功能模块，分析模块内分子协同作用；
网络可视化：使用 Cytoscape 软件美化网络，标注核心节点与关键模块；
机制解读：结合研究背景，分析网络结构与生物学功能的关联。
3.交付成果
网络分析报告 1 份、核心节点清单、模块分析结果、高清网络图谱（可编辑格式）。
4.服务类型
探索中药方剂的疗效机制，往往需要攻克多重研究壁垒：复方多成分的作用靶点与通路难以系统梳理，构建的调控网络繁杂无序，实验数据的整合与解读也面临诸多阻碍。
我们以网络药理学为核心技术支点，结合多组学整合分析手段，助力科研人员系统解析复方“成分-靶点-通路”的内在关联，将复杂的调控网络清晰可视化，精准定位核心作用机制；同时融合多维度组学数据，为研究结论提供更坚实的科学依据。
以技术赋能科研，搭建中药研究从经验积累到机制阐明的桥梁，期待与广大研究者一同解锁中药复方的科学密码。
热门跟贴