《表3 靶标预测工具：中药网络药理学药效成分筛选与靶标预测的研究进展》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《中药网络药理学药效成分筛选与靶标预测的研究进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

高效、准确地预测中药及其药效成分潜在靶标是中药网络药理学研究中的一个关键问题，随着药物-靶标预测技术的发展，许多旧的靶标服务器、靶标预测工具已经停止运行，但越来越多的新的靶标预测工具已开始用于中药网络药理学研究[24]。靶标预测方法主要包括数据挖掘、知识发现工具应用、化合物-蛋白质相互作用网络构建、药效团模型匹配、正反分子对接技术、药物-靶标相似性算法等，几种方法各有利弊，具体还要结合实际情况综合分析利用[25]。2016年，霍梦琪等[26]在研究川芎嗪治疗冠心病的网络机制时，综合运用疾病化学生物数据库Chemprot、化合物-蛋白相互作用分析平台STITCH 4.0、药效团虚拟筛选等三种靶标预测方法，发现川芎嗪能作用于白细胞介素8、过氧化物酶体增殖物激活受体γ、血红素加氧酶1等10种潜在靶标，通过调节免疫、炎症反应、细胞凋亡信号通路调控及血液循环等7种途径发挥治疗冠心病的效果。目前常用的靶标预测工具见表3，包括网络药理学分析数据库（TCMSP、TCMID等数据库的检索挖掘）、Arrowsmith知识发现工具[27]、STITCH[28]、Ch EMBL[29]等化合物靶标分析平台；PharmMapper[30]、DRAR-CPI[31]、id Target[32]、HT-Docking[33]等反向分子对接服务器；Auto Dock Vina[34]、Discovery studio[35]等分子对接软件；drug CIPHER[36]、BATMAN-TCM[37]、Target Hunter[38]等靶标预测工具。