摘要目的 通过整合网络推理算法、机器学习、类药性评估、分子对接和动力学模拟等方法,旨在筛选阿尔茨海默病(Alzheimer's disease,AD)的生物标志物,阐明其发病机制,并探索其潜在治疗靶点及可入血成分(blood-absorbed constituents,BACs).方法 基于中药入血成分及代谢产物数据库(Database of Constituents Absorbed Into Blood and Metabolites of Traditional Chinese Medicine,DCABM-TCM)筛选含有BACs的经典名方,通过证候本体与方剂数据库(Syndrome Ontology and Formula Database,SoFDA)检索经典名方所对应的证候及其靶点.利用基于加权有向图网络的推理(weighted signed directed tensor network-based inference,wSDTNBI)算法预测 BACs 靶点.通过基因表达综合数据库(gene expression omnibus,GEO)挖掘筛选AD差异性表达基因(differential gene expression,DEGs),并采用基因本体(gene ontology,GO)和京都基因与基因组百科全书(Kyoto encyclopedia of genes and genomes,KEGG)分析DEGs靶向证候基因所涉及参与的主要生物学过程和信号通路.采用最小绝对收缩和选择算法(least absolute shrinkage and selection operator,LASSO)、支持向量机递归特征消除(support vector machine-recursive feature elimination,SVM-RFE)方法、蛋白质-蛋白质相互作用网络(protein-protein interaction,PPI)和文本挖掘的方法筛选AD核心基因.结合泛分析干扰化合物(employ pan-assay interference compounds,PAINS)、Lipinski(Ro5)和Lipinski(Ro3)的过滤和分子对接来筛选候选BACs.结果 通过筛选193个经典名方,最终纳入10个含94个BACs的方剂及对应15种证候.预测得到1 520个证候基因和552个BACs靶点.进一步筛选出证候可靶向的528个上调及697个下调DEGs.富集分析显示DEGs主要参与神经元抗凋亡及突触功能等生物学过程,并显著富集于磷脂酰肌醇3-激酶(phosphatidylinositol 3-kinase,PI3K)-蛋白激酶B(protein kinase B,Akt)信号通路、黏着斑及AD发生通路.BACs-DEGs-AD网络表明上调和下调的DEGs分别可以靶向90和74个BACs,与9种证候相关.进一步通过PPI网络共分析得到度值较大的AD核心基因5个,分别是β2肾上腺素能受体(β2 adrenergic receptor,ADRB2)、P 物质受体 1(substance-P receptor 1,TACR1)、前列腺素 G/H 合酶 2(prostaglandin G/H synthase 2,PTGS2)、丝氨酸蛋白酶 HTRA1A(serine protease,HTRA1A)和代谢型谷氨酸受体 1(metabotropic glutamate receptor 1,GRM1).类药性评估筛选得到22个候选BACs,其中药理学文献验证有11个BACs具有抗AD活性.通过分子对接与动力学模拟结果表明,与上市药物多奈哌齐、加兰他敏和卡巴拉汀比较,unii-x87dcb9gst与5个AD核心基因中的乙酰胆碱脂酶(acetylcholinesterase,AChE)具有最稳定的综合结合能.结论 通过多模态算法筛选出AD的生物标志物,通过富集分析揭示AD相关的生物过程及信号通路,从分子层面阐释中医证候-AD基因的交互作用机制.同时,筛选得到的unii-x87dcb9gst可能为经典名方中治疗AD的候选BACs.不仅多维度解析AD发病的分子机制,更为抗AD药物研发提供创新性的生物标志物筛选体系和研究范式.