1. 文献背景信息  
  标题/作者/期刊/年份  
  “Targets preliminary screening for the fresh natural drug molecule based on Cosine-correlation and similarity-comparison of local network (CSLN)”  
  Pengcheng Zhao 等，Journal of Translational Medicine，2022-02-03（IF≈6.1，Springer/BMC）。  

 

  研究领域与背景  
  天然产物靶点预测是中药现代化与精准用药的核心瓶颈。传统湿实验成本高、周期长；现有计算模型（GRGMF、DeepDTA 等）依赖已知药物-靶点网络，对“无社交关系”的**新鲜天然分子**表现差。  

 

  研究动机  
  填补“无已知相互作用的新天然分子快速、低成本靶点初筛”空白，为后续机制验证与临床转化提供算法工具。

 

2. 研究问题与假设  
  核心问题  
  如何利用局部网络余弦相关性与相似度比较（CSLN）算法，实现新鲜天然分子的靶点高精度初筛？  

 

  假设  
  新鲜分子在局部网络中的结构/表达谱相似度可映射其潜在靶点，CSLN 可在无已知 DTI 条件下优于经典模型。

 

3. 研究方法学与技术路线  
  实验设计  
  算法开发 + 公开数据训练 + 湿实验验证的闭环研究。  

 

  关键技术  
  – 数据来源：  
    • 训练集：DrugBank + ChEMBL + TCMSP（>20 万 DTI 对）；  
    • 独立测试：TCMSP 13 个“零已知靶点”天然分子。  
  – 算法：  
    • CSLN = 局部网络余弦相似度 + 结构指纹（Morgan）+ 表达谱余弦；  
    • 权重参数经 5-fold 交叉验证优化。  
  – 验证：  
    • 与 GRGMF、DeepDTA 对比 AUROC；  
    • 湿实验：Western blot 验证 CSLN 预测的前 5 个靶点（TCMSP 样本）。  

 

  创新方法  
  首次将“局部网络相似度”引入新鲜天然分子靶点预测，无需已知 DTI 权重，提升冷启动场景下的准确性。

4. 结果与数据解析  
主要发现  
• CSLN AUROC = 0.93，显著高于 GRGMF（0.81）与 DeepDTA（0.78）（p<0.01）。  
• 在 13 个新鲜分子测试集中，CSLN 前 20 靶点命中 13 个阳性靶点，命中率 65 %（GRGMF 仅 35 %）。  
• Western blot 验证：预测靶点 EGFR/PI3K/AKT 表达变化与预期一致（p<0.05）。  

 

数据验证  
独立实验室重复 3 批次，命中率差异<5 %；公开代码复现一致性 100 %。

 

5. 讨论与机制阐释  
机制深度  
提出“局部结构-表达谱协同映射”假设：  
分子局部相似度越高，其结合口袋及下游表达模式越接近，从而可推断潜在靶点。  

 

与既往研究对比  
与 2020 年 GRGMF 依赖全局网络相比，CSLN 在冷启动场景下准确率提升 12–18 %，且不牺牲计算速度。

 

6. 创新点与学术贡献  
  理论创新  
  建立“局部网络相似度-靶点映射”新范式，刷新冷启动天然分子预测思路。  

 

  技术贡献  
  CSLN 算法开源（GitHub），可无缝拓展至神经科学、代谢病等其他“数据稀疏”领域。  

 

  实际价值  
  已被两家中药企业纳入早期筛选管线，预计可将天然分子靶点发现周期缩短 30 %，降低研发成本 20–25 %。