基于深度学习的中药心脏毒性预测及其系统毒理学机制研究

Cardiotoxicity of traditional Chinese medicine (TCM) is one of the most significant clinical issues that severely hinders the modernization and internationalization of TCM. Due to the limitation of cost and efficiency, current experimental methods are not suitable for large-scale cardiotoxicity evaluation of ingredients in TCM. Recently, as a frontier method of computational toxicology, deep learning-based prediction model has been widely used in the drug safety assessment area and proven to be an effective novel approach. On the basis of previous work, this project plans to develop a new multi-task deep learning framework for predicting cardiotoxicity of TCM by introducing an original sub-structure representation method for natural products. Comprehensive screening for cardiotoxicity will be performed on more than 36,000 chemical components of over 2,000 Chinese medicines, and the mechanism of cardiotoxicity will be further explored by systems toxicology. Simultaneously, biological experiments will be utilized to validate the predicted cardiotoxicity ingredients and key targets. This project applied cutting-edge deep learning technology and systems toxicology method to study the safety issue of TCM via combination of biological experiment and computer aided technique, aiming to provide a new methodological reference for research on toxicity of TCM and guideline for clinical practice and experiment.

中药的心脏毒性问题是临床上重点关注的问题，也是阻碍中药现代化和国际化的瓶颈问题。囿于成本和效率的限制，当前的实验手段并不适用于大规模评价中药化学成分的心脏毒性。近年来，作为计算毒理学的前沿方法，基于深度学习构建的药物毒性预测模型被广泛应用于药物的安全性评价，被证实是一种新型的有效方法。本项目拟在前期的工作基础上，通过引入原创的天然产物子结构表征方法，发展全新的基于多任务深度学习的中药心脏毒性预测框架，针对2000余味中药的超过3.6万个化学成分进行心脏毒性筛查，并通过系统毒理学方法进一步探讨中药心脏毒性的作用机制，同时结合生物学实验，验证部分预测的中药心脏毒性成分及其关键靶标。本项目应用前沿的深度学习技术和系统毒理学方法，借助计算机辅助手段结合现代生物学实验，探究传统中医药的安全性问题，是在中药毒性研究方法学上的一次有益探索，旨在为中医临床用药和药物研发起到预警和指导作用。

中药及其化学成分尽管具有广泛的药理活性，但其潜在未明的心脏毒性不仅是临床应用与药物研发中的重点关注对象，也是阻碍中药现代化和国际化进程的瓶颈问题之一。受限于成本和效率，传统湿实验室方法难以应用于大批量的药物毒性评价，而多学科交叉融合的研究方法逐渐成为药物早期毒性评价的主流策略，并衍生出计算毒理学等前沿新兴学科。在本项目研究中，我们提出一种基于深度学习策略的多任务神经网络框架，基于原创的tcm2vec表征方法，针对多种药物心血管不良反应疾病表型和重要靶点hERG钾离子通道，构建中药化学成分心脏毒性预测模型。模型经过多维度的评价，具有良好的预测精度与应用域。在此基础上，我们将模型应用于32,963个中药化学成分的心脏毒性筛查中，发现了5,731个具有潜在风险的化学结构，并进行了结构聚类和骨架分析。我们进一步开发了中药心脏毒性风险在线预警平台TCMTS（http://tcmts.fanglab.info），提供全部中药化学成分的心脏毒性风险筛查结果的查询与分析。结合模型预测结果与体外实验验证，我们发现了5个预测为高风险的中药单体可显著降低H9c2心肌细胞活力，包括甲基莲心碱、小檗胺、汉防己甲素、蝙蝠葛苏林碱和黄连碱。其中，甲基莲心碱作用24h的IC50值为31.231±1.134μM，且以浓度依赖性方式增加了乳酸脱氢酶相对释放率、肌酸激酶活性和丙二醇含量。随后，通过基因富集分析与基于网络算法的关联分析等系统毒理学研究方法展开毒性机理探讨，结合免疫印迹试验验证，我们发现甲基莲心碱促进了氧化应激损伤，显著提高了smad2/3蛋白的磷酸化水平，提示其致心肌损伤的机制可能与TGF-β/Smads信号转导过程相关。综上所述，本项目应用计算毒理学与分子生物学结合的研究策略，探讨了中药的心脏毒性问题，是在中药毒性研究方法学上的一次有益探索。项目较为全面地筛查了中药化学成分的心脏毒性风险，以期为中药的药物研发与临床应用起到预警的作用，具有一定的学术价值与应用价值。