高 敏，徐睿峰，全 源，梁峰吉，朱月星，熊江輝2，，

〔1.哈爾濱工業(yè)大學(xué)（深圳）計算機科學(xué)與技術(shù)學(xué)院，廣東 深圳 518055；2.深圳市綠航星際太空科技研究院醫(yī)學(xué)健康部表觀遺傳學(xué)實驗室，廣東 深圳 518117；3.中國航天員科研訓(xùn)練中心航天醫(yī)學(xué)基礎(chǔ)與應(yīng)用國家重點實驗室，北京 100094；4.北京銀谷芳香科技有限公司智慧醫(yī)療研究中心，北京 100080〕

新型冠狀病毒肺炎（corona virus disease 2019，COVID-19）的暴發(fā)使抗冠狀病毒藥物研發(fā)再次成為世界矚目的焦點，亟需篩選有效的藥物以抗新型冠狀病毒（severe acute respiratory syndrome coronavirus-2，SARS-Cov-2）?；仡櫺匝芯堪l(fā)現(xiàn)，大量的重癥急性呼吸綜合征（severe acute respira?tory syndrome，SARS）和COVID-19患者使用經(jīng)驗性的臨床治療策略，如核苷類藥物利巴韋林、激素類藥物皮質(zhì)類固醇和Ⅰ型干擾素等，但這些藥物不良反應(yīng)非常嚴(yán)重［1-4］。2003年，在中國大陸SARS暴發(fā)時，約50%患者除西藥外還接受了中草藥作為輔助療法，中西醫(yī)結(jié)合的方法對SARS患者產(chǎn)生了一些積極效果［5］。

自2003年以來，研究者們探索了大量天然產(chǎn)物成分對冠狀病毒的抑制活性，為此，本研究對相關(guān)領(lǐng)域進行文獻調(diào)研。盡管已認(rèn)識到天然產(chǎn)物對冠狀病毒治療的重要性，但直接通過體外實驗從數(shù)目龐大的天然產(chǎn)物成分中篩選出有效的抗病毒成分仍然是一個巨大的挑戰(zhàn)。運用藥物重定位（老藥新用）技術(shù)，通過計算工具快速篩選出最具潛力的天然產(chǎn)物再進行實驗驗證，將會極大加快藥物研發(fā)速度。

藥物重定位被認(rèn)為是最有前途的轉(zhuǎn)化醫(yī)學(xué)策略之一，不僅能夠使現(xiàn)有藥物的價值得到更好的發(fā)揮，還可以避免藥物的吸收、分布、代謝、排泄和毒性性質(zhì)缺陷帶來的藥物研發(fā)失?。?］。尋找現(xiàn)有藥物的新用途通常依賴于文本挖掘［7］、化學(xué)遺傳學(xué)［8］和網(wǎng)絡(luò)分析［9］等方法。重大感染性疾病暴發(fā)期的特點是時間緊迫且數(shù)據(jù)有限?；诓《景袠?biāo)的藥物發(fā)現(xiàn)路徑需要精細(xì)了解病毒結(jié)構(gòu)與功能，而且臨床療效和副作用驗證需要大量時間?；诒硇偷乃幬镏囟ㄎ患夹g(shù)是一種重要的藥物發(fā)現(xiàn)新思路［10］，但是在感染性疾病暴發(fā)早期，很難短期獲得足量的基因組學(xué)和表型組學(xué)數(shù)據(jù)。

針對這種在數(shù)據(jù)極其有限的情況下需要快速產(chǎn)生可驗證藥物假說并進行量化評價的需求，本研究借鑒人工智能領(lǐng)域常用的啟發(fā)式搜索策略，提出一種抗感染性疾病藥物的啟發(fā)式發(fā)現(xiàn)方法（agile discovery method of drugs or natural products for epidemics），暫命名為aCODE方法。本研究的核心假設(shè)是，如果少數(shù)幾個藥物在細(xì)胞學(xué)或臨床實踐中呈現(xiàn)一定的臨床獲益，則以這組藥物作為“探針”，可以歸納這組藥物靶向的生物學(xué)過程（基因模塊），進而對大量候選化合物的潛在功效進行預(yù)測；進一步對候選化合物（天然產(chǎn)物和芳香分子）進行模式匹配與統(tǒng)計檢驗排序。

本研究以艾滋病、流感和細(xì)菌感染等疾病數(shù)據(jù)建立aCODE量化評價體系，隨后應(yīng)用于治療COVID-19天然產(chǎn)物成分篩選。本方法可隨臨床實踐的進展將初始藥物列表進行迭代更新，從而優(yōu)化系統(tǒng)的精準(zhǔn)度和預(yù)測能力；輸出的天然產(chǎn)物或中藥、藥食同源成分可實施快速測試，形成敏捷研發(fā)測試閉環(huán)。

1 數(shù)據(jù)資源與分析方法

1.1 獲取藥物-疾病網(wǎng)絡(luò)數(shù)據(jù)

藥物-疾病關(guān)系來自SCG-Drug（http：//zhan?glab.hzau.edu.cn/scgdrug）［11］。美國食品藥品監(jiān)督管理局（Food and Drug Administration，F(xiàn)DA）批準(zhǔn)藥物來自DrugBank數(shù)據(jù)庫（https：//www.drug?bank.ca/）［12-13］。

1.2 獲取基因模塊數(shù)據(jù)與藥物靶基因數(shù)據(jù)

人類基因模塊數(shù)據(jù)源下載自Molecular Signa?tures Database（MSigDB）數(shù)據(jù)庫（https：//www.gsea-msigdb.org/gsea/msigdb/）［14］。 MSigDB 數(shù)據(jù)庫包含常用的GO Biological Process，GO Cellular Component和GO Molecular Function等基因模塊。通過STITCH數(shù)據(jù)庫（ChemicalAssociationNetworks，http：//stitch.embl.de）［15］獲取美國FDA批準(zhǔn)的藥物相互作用基因（STITCHscore≥200）。

1.3 藥物-基因模塊相關(guān)性計算

理論上，如果某藥物的靶基因顯著富集于某基因模塊，則可認(rèn)為該藥物靶向該基因模塊。因此，通過如下方式計算藥物-基因模塊相關(guān)性：某個藥物i，其相互作用基因集合與基因模塊j作交集，并計算超幾何分布的P值，取以10為底P值的負(fù)對數(shù)（-lgP）作為藥物i與基因模塊j的相關(guān)性指數(shù)，記為Rij。

超幾何分布檢驗公式如下：

其中，x是藥物i靶基因與基因模塊j基因集合交集的基因數(shù)量，M是全基因組基因數(shù)量，K是藥物i靶基因數(shù)量，N是基因模塊j基因數(shù)量。

1.4 藥物在基因模塊維度空間的特征向量計算

每個藥物選擇性地靶向某些基因模塊。因此，每個藥物在全局所有基因模塊維度上的靶向模式，將形成一個類似指紋圖譜的特征，作為該藥物作用于人體潛在影響的表征。為了進行不同藥物在基因模塊維度空間上的相似性搜索，計算其特征向量V：藥物i在藥物-基因模塊相關(guān)性矩陣R中第i行所有列形成的行向量，即其特征向量，記為Vi。

對每種疾病，為了實現(xiàn)從少數(shù)已知藥物擴展產(chǎn)生大量候選藥物的假設(shè)，取若干初始藥物（“種子藥物”），并計算種子藥物集合的特征向量：對M個種子藥物，取其特征向量的中值（median），作為該組種子藥物的特征向量Vm。假設(shè)，當(dāng)M=3時，種子藥物為藥物1，藥物2和藥物3，種子藥物集合的特征向量Vm=中值（V1，V2，V3），其中V1，V2和V3分別為藥物1、藥物2和藥物3在藥物-基因模塊矩陣中的特征向量。

1.5 5種抗感染性疾病藥物分析

選擇美國FDA批準(zhǔn)藥物數(shù)≥40個的5種感染性疾病——艾滋病、流行性感冒、副黏病毒感染、細(xì)菌性感染和百日咳，對于每種疾病，在其陽性藥物集合中隨機抽?。?00次）種子藥物，種子數(shù)量從2取到20，觀察預(yù)測藥物與該疾病陽性藥物的交集。抽取種子藥物后，計算種子藥物集合的特征向量Vm。枚舉所有候選藥物，設(shè)為藥物j，取其特征向量Vj，并計算Vm與Vj的皮爾森（Pearson）相關(guān)性，得到相關(guān)系數(shù)的Rho值和P值。按Rho值降序排序，按Rho值取前100個為預(yù)測藥物。觀察預(yù)測藥物與陽性藥物的交集，計算預(yù)測藥物與FDA批準(zhǔn)的該疾病藥物陽性集合的交集大小，通過超幾何分布計算二者交集的顯著性。

通過預(yù)測結(jié)果的陽性率和其超幾何檢驗P值2個指標(biāo)來評估該方法的可靠性，其中陽性率計算公式如下：

其中，K是前100個藥物的個數(shù)，即K=100；N是美國FDA批準(zhǔn)的該疾病陽性藥物的個數(shù)。

陽性率P值計算公式如下：

其中，M是納入計算的候選藥物總數(shù)；K是前100個藥物的個數(shù)，即K=100；N是FDA批準(zhǔn)的該疾病陽性藥物個數(shù)；x是前100個藥物與FDA批準(zhǔn)的該疾病陽性藥物的交集個數(shù)。

重復(fù)上述抽取種子、計算陽性率及其P值的計算過程，輸出500次計算得到的陽性率的平均值及其P值的中值。

同時，設(shè)置對照組以驗證該方法的可信度。其中，陰性對照組A用所有FDA批準(zhǔn)的適應(yīng)證非當(dāng)前疾病的抗感染類藥物代替“當(dāng)前疾病陽性藥集合”和同樣計算500次的陽性率及其P值中值；陰性對照組B用所有適應(yīng)證為非感染類疾病藥物，代替“當(dāng)前疾病陽性藥集合”，同樣計算500次的陽性率及其P值中值。

1.6 aCODE方法在抗COVID-19藥物發(fā)現(xiàn)應(yīng)用中的探索

選取《新型冠狀病毒感染的肺炎診療方案（試行第七版）》［16］中的4個抗病毒藥物，即洛匹那韋（lopinavir），利巴韋林（ribavirin），利托那韋（ritonavir），磷酸氯喹（chloroquine）作為治療COVID-19的種子藥物。選取天然產(chǎn)物（中藥）化學(xué)成分?jǐn)?shù)據(jù)庫（Traditional Chinese Medicine Integrated Data?base，TCMID，http：//www.megabionet.org/tcmid/）［17］的天然產(chǎn)物成分作為候選藥物。使用aCODE方法進行藥物預(yù)測，預(yù)測流程如下：①通過STITCH數(shù)據(jù)庫獲得種子藥物和候選藥物的靶基因；②對于每個種子藥物，計算其特征向量Vi（藥物i在藥物-基因模塊相關(guān)性矩陣R中第i行所有列形成的行向量，即其特征向量）。③計算種子藥物集合的特征向量：取4個種子藥物特征向量的中值作為該組種子藥物的特征向量Vm，Vm=中值（V1，V2，V3，V4）。④ 枚舉所有候選藥物，設(shè)為藥物j，取其特征向量Vj，并計算Vm與Vj的皮爾森相關(guān)性，得到相關(guān)系數(shù)的Rho值和P值。按Rho值降序排序，按Rho值取前100個為預(yù)測藥物。

為了驗證預(yù)測結(jié)果有效性，本研究通過文獻調(diào)研的方式獲取已知的具有抗冠狀病毒活性的天然產(chǎn)物為驗證集進行隨機取樣統(tǒng)計。文獻調(diào)研使用谷歌學(xué)術(shù)（https：//f.glgoo.top/scholar）（2020年2月8日）進行：初始檢索設(shè)定時間限制為“2003年及以后”，關(guān)鍵詞以“coronavirus”和“natural product”進行檢索，檢索結(jié)果按“相關(guān)性”排序，選擇排序靠前的文獻［1-3，5，18-26］精讀記錄，并以這些參考文獻及引用文獻中所涉及的天然產(chǎn)物為線索，整理一個具有抗冠狀病毒活性的天然產(chǎn)物的初步成分。隨后依次以“coronavirus”和相應(yīng)成分的英文名稱為關(guān)鍵詞進行檢索，從而對初步成分進行核減和擴充，擴充的新成分再次遍歷，直至無新擴充天然產(chǎn)物成分為止。在文獻檢索過程中，凡綜述中所述成分，均溯源其原始文獻核實，核實不到的均予以核減。全部天然產(chǎn)物成分按其參考文獻引用次數(shù)（Cita?tions）排序，有多篇文獻的采用多篇引用次數(shù)的總和（Total）進行排序。

2 結(jié)果

2.1 基于5種抗感染性疾病藥物分析的aCODE方法量化評價

抗感染性疾病藥物除了靶向病毒或細(xì)菌，同時也可能靶向病原微生物與宿主的相互作用通路。為了確認(rèn)是否可以通過宿主靶基因網(wǎng)絡(luò)這個維度空間來表征抗感染性疾病藥物的特征，本研究首先分析了所有美國FDA批準(zhǔn)的抗感染類藥物的特征向量。對某一疾病，將美國FDA批準(zhǔn)的所有藥物分為2類，第一類為有該疾病的適應(yīng)證（陽性藥），第二類為無該疾病適應(yīng)證（陰性藥）。將這2類藥物的基因模塊特征向量進行t檢驗，發(fā)現(xiàn)所有抗感染性疾病的陽性藥和陰性藥均存在顯著差異的基因模塊（表S1，http://202.38.153.236:81/Jweb_cjpt/CN/item/down?loadFile.jsp?filedisplay=20200811174457.xlsx）。以HIV為例，其陽性藥物富集的基因模塊（表S2，http://202.38.153.236:81/Jweb_cjpt/CN/item/download?File.jsp?filedisplay=20200811174457.xlsx）中 包 含“艾滋病病毒生命周期”（HIV life cycle）、“病毒生命周期”（viral life cycle）等重要的基因模塊。差異最顯著的基因模塊是“輔因子代謝過程”（cofactor metabolic process），是抗逆轉(zhuǎn)錄病毒療法中被認(rèn)為非常有吸引力的新靶標(biāo)［27］。以上結(jié)果表明，對于感染性疾病而言，其有療效的藥物對于宿主基因網(wǎng)絡(luò)的擾動存在共性特征，且與其藥物作用機制密切相關(guān)。確認(rèn)上述理論基礎(chǔ)后，本研究量化分析了通過輸入種子藥物、計算候選藥物與種子藥物特征向量相關(guān)性，進而篩選藥物的可行性。選擇了美國FDA批準(zhǔn)藥物≥40個的5種感染性疾病——艾滋病、流行性感冒、副黏病毒感染、細(xì)菌性感染和百日咳進行分析。對于每種疾病的實驗組、陰性對照組A和陰性對照組B，隨機抽?。?00次）M個種子藥物，M從2取到20，觀察預(yù)測藥物與陽性藥物的交集，計算預(yù)測藥物與FDA批準(zhǔn)的該疾病藥物陽性集合的交集大小，通過超幾何分布計算二者交集的顯著性。重復(fù)進行上述計算500次后，計算預(yù)測結(jié)果中陽性藥物比例（陽性率）的平均值如圖1、表1、表2和表S3-S5（http://202.38.153.236:81/Jweb_cjpt/CN/item/downloadFile.jsp?filedisplay=20200811174457.xlsx）所示，反映交集顯著性的P值的中值如表1、表2和表 S3-S5（http://202.38.153.236:81/Jweb_cjpt/CN/item/downloadFile.jsp?filedisplay=20200811174457.xlsx）所示。

實驗結(jié)果顯示，當(dāng)種子藥物從2取到20時，實驗組的預(yù)測結(jié)果陽性率始終高于陰性對照組A和陰性對照組B。以“HIV infections”為例，如表1所示，當(dāng)輸入2個陽性藥物作為種子藥物時，實驗組陽性率為9.6%且P值顯著（P=2.40E-04）；而陰性對照組A和陰性對照組B的陽性率分別為4.29%（P=0.32）和3.9%（P=0.32），P值均不顯著。說明用已知的陽性藥物作為種子藥物進行預(yù)測是可行的。

同時，實驗組與陰性對照組的顯著區(qū)別隨著種子藥物數(shù)量的增加而增大。如圖1所示，當(dāng)“種子藥物”數(shù)量從2變化到20時，5種感染性疾病實驗組的預(yù)測結(jié)果中，陽性藥物的比例隨著種子藥物數(shù)量增加而增加，提示種子藥物數(shù)越多，由這組種子藥物預(yù)測的與該疾病相關(guān)的基因模塊特征越準(zhǔn)確，預(yù)測結(jié)果中陽性藥物的比例越高，最終陽性率達到一個相對穩(wěn)定的水平。以上結(jié)果提示，種子藥物達到一定數(shù)量后，新增種子藥物所獲得的疾病特征信息增益趨于平穩(wěn)，具有“飽和效應(yīng)”。所有5種感染性疾病的陰性對照組A和陰性對照組B，其陽性率并不隨著種子藥物數(shù)量的增大而提高，顯現(xiàn)出基本持平或略有下降趨勢（圖1）。

2.2 aCODE方法在治療COVID-19藥物發(fā)現(xiàn)中應(yīng)用的初步探索

分別計算4個治療COVID-19的種子藥物和候選藥物的藥物-基因模塊相關(guān)性、及其在基因模塊維度空間的特征向量Vm和Vj，計算Vm與Vj的皮爾森相關(guān)性，并以皮爾森相關(guān)系數(shù)排序。前100個候選藥物為aCODE方法預(yù)測所得具有潛在治療COVID-19活性的藥物，如表S6（http://202.38.153.236:81/Jweb_cjpt/CN/item/downloadFile.jsp?filedisplay=202008 11174457.xlsx）所示。

Fig.1 Effect of different quantities of seed drugs on proportion of positive drugs in prediction results.For the above five infectious diseases，HIV infections（A），influenza（B），paramyxoviridae infections（C），bacterial infections（D）and whooping cough（E），respectively，M positive drugs approved by the United States Food and Drug Administration（FDA）were randomly select?ed as seed drugs，M was taken from 2 to 20，and the feature vector Vm of the seed drug set was calculated.Enumerate all candidate drugs，set it as drug j，its feature vector Vj was taken，and the Pearson correlation between Vm and Vj was calculated to obtain the Rho value of the correlation coefficient.Rho value was sort in descending order，and the Top 100 as predicted drugs were taken.The reliability of the method was evaluated by the positive rate of the prediction result.In the results，as the number of seed drugs changed from 2 to 20，the proportion of positive drugs in the experimental group gradually increased.However，the proportion of positive drugs in the prediction results of negative control group A and B did not change significantly with the increase in the number of seed drugs.

由于目前尚無研究報道確切的治療COVID-19的天然產(chǎn)物，本研究采用已知的具有抗冠狀病毒活性的天然產(chǎn)物作為驗證集，從側(cè)面驗證預(yù)測得到的這100個潛在治療COVID-19藥物的陽性概率。

驗證集通過文獻調(diào)研獲得，共得到55種具有抗冠狀病毒活性的天然產(chǎn)物成分，調(diào)研結(jié)果如表S7（http://202.38.153.236:81/Jweb_cjpt/CN/item/down?loadFile.jsp?filedisplay=20200811174457.xlsx）所示，該55種天然產(chǎn)物成分全部為經(jīng)體外實驗驗證具有抗冠狀病毒活性的成分。

在aCODE預(yù)測所得的前100個天然產(chǎn)物中，與驗證集重合的天然產(chǎn)物成分達到4種，分別是厚樸酚（magnolol）［25］、和厚樸酚（honokiol）［25］、楊梅素（myricetin）［3］和人參皂苷 Rb1（ginsenoside Rb1）［19］。其中，YU等［3］通過熒光共振能量轉(zhuǎn)移的雙鏈DNA解旋研究了楊梅素對SARS病毒解旋酶的影響。實驗結(jié)果顯示，楊梅素可通過影響ATP酶活性而在體外有效抑制SARS病毒解旋酶蛋白，且楊梅素對正常乳腺上皮MCF10A細(xì)胞無細(xì)胞毒性。WU等［19］和WEN等［25］均通過Vero E6細(xì)胞實驗證明，和厚樸酚和人參皂苷Rb1對SARS病毒具有體外抑制作用。這預(yù)示以上預(yù)測得到的4種抗冠狀病毒的天然產(chǎn)物成分，可能具有抗SARS-Cov-2活性，值得通過體外實驗進一步驗證。

為了考察該結(jié)果的統(tǒng)計顯著性，本研究在候選藥物中每次隨機選取100個化合物，與驗證集中的55個化合物做交集，重復(fù)5000次。其中23次與驗證集交集的化合物數(shù)量≥4，計算得P=23/5000=0.0046，結(jié)果差異顯著。

3 討論

通過對抗細(xì)菌和病毒感染性疾病藥物的基因模塊特征向量進行分析發(fā)現(xiàn)，在每類疾病中，陽性藥物在基因模塊相關(guān)性方面存在顯著的共性特征，且共性特征與疾病的發(fā)生發(fā)展機制、藥物作用機制密切相關(guān)。說明抗感染性疾病藥物除直接靶向病原微生物外，靶向宿主基因網(wǎng)絡(luò)也是其重要特征，該特征正是可通過宿主基因模塊實現(xiàn)藥物相似性匹配、進而實現(xiàn)藥物重定位與天然產(chǎn)物活性預(yù)測的重要基礎(chǔ)。

有了上述理論上的可能性，繼而需要探討技術(shù)上的可行性，即通過少數(shù)幾個種子藥物，歸納該疾病的基因網(wǎng)絡(luò)特征，進而對候選化合物潛在功效進行預(yù)測。本研究設(shè)計了一個模擬實驗，即每次隨機抽取不同數(shù)量的種子藥物進行預(yù)測，評估結(jié)果的準(zhǔn)確度；隨機抽取500次，評估該方法的性能。對病毒或細(xì)菌感染性疾病的量化評價結(jié)果顯示，實驗組在種子藥物數(shù)目區(qū)間為2到20之間，種子藥物越多，所得預(yù)測準(zhǔn)確度越高，統(tǒng)計學(xué)意義越顯著；而陰性對照組不僅初始準(zhǔn)確率低，且隨著種子藥物的增加準(zhǔn)確率呈下降的趨勢，且準(zhǔn)確率不顯著。實驗組與陰性對照組在預(yù)測結(jié)果上的顯著差異提示，在感染性疾病的疾病-基因相關(guān)性證據(jù)極少的情況下，通過有一定療效的種子藥物歸納該疾病的基因網(wǎng)絡(luò)特征，繼而實現(xiàn)藥物篩選是可行的。種子藥物與該疾病的匹配度越高，且種子藥物數(shù)越多，預(yù)測結(jié)果準(zhǔn)確率越高，這使得迭代式的開發(fā)成為可能。例如，當(dāng)獲取少數(shù)幾個有一定療效的藥物時，通過種子藥物在更大化合物范圍內(nèi)搜索潛在的活性藥物進行驗證，是一種可行的研發(fā)路徑。

本方法在COVID-19藥物發(fā)現(xiàn)和應(yīng)用中的初步探索也進一步證實，抗病毒類藥物的作用機制與其靶向宿主基因網(wǎng)絡(luò)有密切的關(guān)系?！缎滦凸跔畈《靖腥镜姆窝自\療方案（試行第七版）》指南中的藥物利巴韋林、利托那韋和磷酸氯喹均可對宿主蛋白及相關(guān)通路產(chǎn)生影響。例如，利巴韋林抑制宿主肌苷單磷酸脫氫酶，隨后耗盡GTP庫是該藥物作用機制之一［28］；利巴韋林還可通過消除輔助型T細(xì)胞2型炎癥反應(yīng)，對病毒發(fā)揮宿主的免疫調(diào)節(jié)作用，增強宿主對病毒的免疫力［29］。利托那韋可通過P-糖蛋白和多藥耐藥相關(guān)蛋白流出通道來限制其他蛋白酶抑制劑的細(xì)胞轉(zhuǎn)運和流出［30］。磷酸氯喹可抑制宿主血管緊張素轉(zhuǎn)換酶2的末端糖基化，血管緊張素轉(zhuǎn)換酶2則是SARS-CoV和SARS-CoV-2靶向進入宿主細(xì)胞的受體［31-32］。

本研究結(jié)果提示，基于感染性疾病早期有限的用藥經(jīng)驗反饋，推測并計算疾病特征進而對更大范圍的候選藥物進行量化分析是可行的。本研究提出的aCODE方法具有如下特點：①敏捷迭代性。本方法可以隨臨床實踐的進展將初始藥物列表進行迭代更新，從而優(yōu)化系統(tǒng)的精準(zhǔn)度與預(yù)測能力；②快速閉環(huán)性。輸出的天然產(chǎn)物、中藥或藥食同源成分，可實施快速測試，形成敏捷研發(fā)測試閉環(huán)；③藥理機制方面。可對候選藥物與初始藥物的藥物作用的細(xì)胞分子生物學(xué)機制進行進一步的聚類和比對。

本研究旨在提出通過迭代計算逼近更理想藥物的方法，重點不是對相關(guān)藥物進行驗證。本方法的局限性在于預(yù)測結(jié)果對種子藥物的依賴性較大，對于有一定療效但由于副作用而臨床獲益不顯著的候選藥物，本方法是否能夠歸納多個藥物療效的共性特征而實現(xiàn)有效預(yù)測，還有待觀察。應(yīng)用本方法嘗試COVID-19治療藥物發(fā)現(xiàn)時，由于目前COVID-19治療藥物研發(fā)處于早期探索階段，我國《新型冠狀病毒感染的肺炎診療方案（試行第七版）》中推薦的利巴韋林等4個抗病毒藥物的臨床獲益究竟有多大，還需根據(jù)對這些藥物后期研究的結(jié)果確定。有相關(guān)綜述通過對9篇關(guān)于COVID-19的臨床試驗、體外實驗和專家報告調(diào)研發(fā)現(xiàn)，氯喹和羥氯喹具有治療COVID-19的活性［33］。然而，氯喹的藥動學(xué)和安全性研究表明，氯喹雖然可用于急性病毒感染的治療，但其劑量安全范圍很窄，尤其是兒童［34］。因此，在尚無臨床批準(zhǔn)的治療COVID-19藥物的前提下，將我國《新型冠狀病毒感染的肺炎診療方案（試行第七版）》中推薦的藥物作為種子藥物，預(yù)測結(jié)果雖然具有一定的可參考性，但對其可靠度應(yīng)保持質(zhì)疑。

aCODE方法在以下幾方面可持續(xù)更新：①藥物靶標(biāo)數(shù)據(jù)庫的更新。本研究目前使用的藥物靶標(biāo)數(shù)據(jù)來自公開的STITCH數(shù)據(jù)庫，后續(xù)可以接入更精細(xì)的機構(gòu)專有藥物靶標(biāo)數(shù)據(jù)庫。②疾病相關(guān)基因的更新。如果有病毒感染的宿主細(xì)胞組學(xué)等數(shù)據(jù)，可對本研究用到的疾病相關(guān)基因模塊數(shù)據(jù)進行更新。③基因模塊特異性的更新。當(dāng)前所用的MsigDB基因模塊，大部分來自基因本體（Gene Ontology），該知識表示體系是一個層級體系，為了兼顧特異性和一般性，選擇了基因數(shù)量在50～500個之間的基因模塊；后續(xù)可以對該數(shù)據(jù)庫進行擴充或微調(diào)，并且優(yōu)先選擇基因數(shù)量比較小、特異性更高的基因模塊。④其他藥物證據(jù)的整合能力。本方法是一個純數(shù)據(jù)驅(qū)動的計算過程，如果該結(jié)果與其他來源的臨床或文獻證據(jù)相符，按貝葉斯原理，則提示該候選化合物的成藥性增強，后續(xù)可以結(jié)合其他因素進一步測試其成藥潛力。