2025药食同源依旧不过时，主要是国家的大力扶持，相关基金也好申请！中医药领域的朋友们，如果想做植物天然成分的相关研究，可以考虑向药食同源靠拢。
那如何创新呢！今天小记者在Pubmed上找灵感的时候，突然看到了一篇不止选择了一种药食同源植物，而是选择了10种进行整合分析，让我们一起来瞧瞧吧！
今天分享的这篇是这是吉林农大近期发表的题为：Therapeutic Mechanisms of Medicine Food Homology Plants in Alzheimer’s Disease: Insights from Network Pharmacology, Machine Learning, and Molecular Docking的论文，旨在探究药食同源植物对阿尔茨海默病（AD）的治疗机制，研究首先选择了10种药食同源植物进行整合的网络药理学分析，通过不同的数据库筛选能在AD中发挥作用的靶点，随后通过分子对接验证结合力。但值得一提的是，研究还用到了一种基于机器学习算法的模型ConPlex，能够在短时间内快速筛选小分子与靶点的组合，能够同时处理多个靶点，这也为多靶点药物设计提供了理论支持。想做天然成分方向的朋友，选择药食同源还是不错，利用网药大大缩减发文周期，如果对生信等技术一筹莫展的话，就来找小记者帮忙吧~专业团队、丰富经验、1V1指导，定能为您排忧解难！
定制生信分析
生信云服务器
(加微信备注99领取试用)
研究背景
药食同源植物凭借其丰富的营养价值和显著的治疗效果，成为治疗AD的潜在天然药物来源。本研究通过鉴定10种药食同源植物在AD治疗中的关键靶点、信号通路及活性小分子化合物，旨在深入揭示其作用机制。
研究内容
1.AD和药食同源植物共同靶点PPI网络分析
基于PPI的筛选结果，研究团队识别出30个核心作用靶点，其中信号转导与STAT3、IL-6、TNF及IL-1β在拓扑分析中显示出显著的网络中心性。这一发现提示上述分子可能作为药食两用植物干预AD的重要调控节点。
图1 前30个目标的排名和互动
2.GO和KEGG分析
基于GO和KEGG富集分析，研究明确了核心靶点参与的三大功能模块：在生物学过程中主要调控外源性刺激应答反应；在细胞定位方面显著富集于神经元胞体等神经结构；在分子功能层面主要参与神经递质受体的调控。通路分析进一步显示，这些靶点与AGE-RAGE、HIF-1、cAMP、TNF及PI3K-Akt等多个关键信号转导途径密切相关。
图2 基于药食同源植物和AD共同靶点的GO和KEGG富集分析
3.药食同源植物的聚类分析
随后，研究者借助TCMSP和TCM-ID数据库，从10种药食同源植物里搜集到1142种小分子化合物。依据这些小分子的结构框架，开展层次聚类分析，并运用剪影系数法判定最佳簇数量为4个。
图3 药食同源植物小分子聚类分析
4.小分子与靶标结合能力的预测
作者针对前四个关键靶点中的STAT3、TNF和IL1B，重点分析了小分子与它们的结合能力。研究结果显示，相较于其他簇，簇3对这三个靶标的预测结合得分更高，且处于高值区域的小分子数量更多。
图4 预测四个细胞簇与(A) STAT3、(B) TNF和(C) IL1B的结合评分
此外，研究通过热图分析四个簇与三个靶点的平均预测结合分数发现：对于STAT3，仅簇3的平均预测结合分数超过整体小分子均值；而对于TNF和IL1B，簇1和簇3的平均分均高于总体水平。基于此结果，后续分子对接分析中，仅选取簇3的代表性小分子与STAT3对接；针对TNF和IL1B，则同时采用簇1和簇3的代表性分子进行对接实验。
图5 平均预测绑定分数的热图
5.簇1和簇3与关键靶点的分子对接
分子对接分析表明，药食同源植物中的小分子化合物主要通过烷基/π-烷基相互作用、范德华力以及部分氢键与STAT3、TNF和IL1B靶点结合。各靶点的关键结合残基存在差异，其中簇3来源的小分子在所有靶点中均展现出更高的结合亲和力。
图6 STAT3与(A) MOL009678和(B) MOL005438的分子对接作用
图7 TNF与(A) MOL000291, (B) MOL002442, (C) MOL002046和(D) MOL008253分子对接作用
图8 IL1B与(A) MOL011210、(B) MOL011442、(C) MOL005529和(D) MOL000232的分子对接作用
6.潜在三靶点抑制剂的鉴定及分子支架的分析
研究显示，与其他簇相比，簇3中更多小分子的结合分数位于三个关键靶点的高值区域。经深入分析，作者筛选出簇3中预测结合分数高于各靶标平均值的小分子，其中Scaffold 4在15个小分子中最为常见。
图9 (A)维恩图显示小分子的重叠，预测结合评分高于IL1B、TNF和STAT3的平均值。 (B) 46个小分子支架的统计分析，括号中表示每个支架对应的分子数。
7.潜在三靶点抑制剂的分子对接
图10 IL1B与(A) MOL005439、(B) MOL000953和(C) MOL005438的分子对接作用
图11 TNF与(A) MOL005439、(B) MOL000953和(C) MOL005438的分子对接作用
图12 STAT3与(A) MOL005439、(B) MOL000953和(C) MOL005438的分子对接作用
文章小结
作者利用网络药理学综合分析药食同源植物在生物系统中的作用机制，利用机器学习算法和分子对接预测蛋白质与小分子的结合亲和力和相互作用，揭示了药食同源植物抗AD的作用机制和活性成分，为开发新型AD药物提供了理论基础和参考，有助于减少副作用，提高疗效。“药食同源”现在可是咱们中医药的香饽饽啊，具有很高的研究价值，也开始结合了机器学习、MR和分子动力学模拟等方法。想不想利用“网药”探索植物/中药配方和疾病之间的复杂关系！如技术遇阻，欢迎找小记者帮忙！
小记者话生信
如果您的时间和精力有限或者缺乏相关经验，并且对生信分析和期刊推荐有所需要的话，“生信日报”非常乐意为您提供如下服务：免费思路评估、付费生信分析和方案设计，有意向的小伙伴欢迎咨询小记者哦！
定制生信分析
生信云服务器
往·期·推·荐
很水但也真牛！首篇DeepSeek医学SCI已发表，1区6.5分，动作真快，实名羡慕了
机器学习是真热啊！“纯生信+机器学习”简单分析就荣登1区7.7分，IJBM杂志真宝藏刊—接收纯生信、审稿快，快来薅羊毛吧！
出息了，网络毒理学！4分水平联合一下ADMET+机器学习直升1区12分+，不愧是北大团队，太秀了
IF12.5分，温州医科大团队真的强，又中一篇GBD数据库分析！妥妥的临床天选思路，数据更新文章发到手软！