2025年4月，大分大學的Takashi Sakai等研究團隊在《Journal of Dermatological Science》（IF＝5.408）上發表了題為“Big data-driven target identification by machine learning: DRD2 as a therapeutic target for psoriasis"的研究論文。該研究旨在解決藥物靶點稀缺的問題，開發了一種基于機器學習（ML）的系統，能夠預測疾病相關的靶點分子，并將該系統應用于銀屑病，以探索新的研發策略。

摘要

背景：傳統上新藥研發依賴于研究人員利用科學知識來假設疾病機制并識別藥物。然而，藥物靶點的枯竭已成為一項重大挑戰，導致藥物研發陷入停滯。

目的：為解決藥物靶點稀缺的問題，我們開發了一種基于機器學習（ML）的系統，能夠預測疾病相關靶點。為驗證其效用，我們將該系統應用于銀屑病，旨在識別新的研究策略。

方法：利用大型臨床數據庫計算所有與目標疾病預防相關藥物的報告比值比（ROR）。通過分析大型化學結構數據庫，發現與預防性藥物候選物通常相關的蛋白質，從而識別靶點蛋白。在咪喹莫特（IMQ）誘導的銀屑病小鼠模型中，給予預測的有效候選物進行實驗驗證。

結果：基于機器學習的預測表明，帕金森病藥物可能是銀屑病的潛在預防候選藥物。進一步分析顯示，多巴胺受體D2（DRD2）是一個潛在靶點。給予DRD2激動劑可緩解小鼠的銀屑病癥狀，IL-17通路中的mRNA表達下調以及血清腫瘤壞死因子-α（TNF-α）水平降低均證實了這一點。

結論：本研究證明了新型機器學習系統在識別潛在靶點方面的效用，成功揭示了DRD2在銀屑病中的作用。除銀屑病外，該系統在探索多種疾病的病理機制和發現藥物靶點方面具有重要潛力。

實驗材料與儀器

材料

1. 實驗動物：10-11周齡雌性BALB/c小鼠

2. 藥物與試劑：咪喹莫特、喹吡羅、TRIzol Reagent、SV Total RNA Isolation System、MGIEasy rRNA Depletion Kit、MGIEasy RNA Directional Library Prep Set、Luminex® Discovery Assay Mouse Premixed Multi-Analyte Kit

3. 數據庫：FDA不良事件報告系統（FAERS）、ChEMBL、MATADOR、DrugBank、精神藥物篩選計劃Ki、KEGG、Binding DB、靶點數據庫、KEGG DRUG數據庫

4. 引物：用于qPCR的引物

儀器

ASCH VAPOSCAN經皮水分流失測量儀、ND-1000分光光度計、Tapestation、DNBSEQ-G400 FAST Sequencer

實驗過程

1. 機器學習預測疾病靶點分子的方法建立：該方法分為兩部分，一是基于用藥史報告計算報告比值比（ROR），篩選出ROR<1且p值<0.05的具有疾病預防作用的藥物；二是利用基于藥物化學結構和化學-蛋白質相互作用組的相似性搜索算法，預測與預防性藥物相互作用的蛋白質作為疾病靶點候選物。

2. 銀屑病預防藥物候選物的臨床大數據分析：使用FAERS數據庫，提取藥物相關數據（主要可疑藥物PS、次要可疑藥物SS），基于KEGG DRUG數據庫對藥物名稱進行標準化，計算所有藥物的ROR值，篩選出銀屑病預防候選藥物。

3. 銀屑病預防藥物靶點蛋白的相似性搜索：整合7個數據庫的化學-蛋白質相互作用數據，利用KEGG化學功能和亞結構（KCF-S）描述符計算藥物-化合物相似性，定義并計算每個蛋白的預測分數S(Pi)，預測靶點蛋白。

4. 喹吡羅對咪喹莫特（IMQ）誘導的小鼠銀屑病的影響研究：采用IMQ誘導的銀屑病小鼠模型，連續5天在小鼠剃毛的背部皮膚局部涂抹IMQ，同時腹腔注射DRD2激動劑喹吡羅或拮抗劑利ASCH VAPOSCAN經皮水分流失測量儀檢測經表皮水分流失值（TEWL）。

ASCH VAPOSCAN經皮水分流失測量儀

鈣吡羅對異維A酸（IMQ）誘導的銀屑病模型小鼠的影響。對IMQ誘導的銀屑病小鼠腹腔注射鈣吡羅(a)，隨后進行臨床和組織學評估(b)。評估指標包括：采用PASI(c)進行臨床評分、表皮厚度(d)、真皮厚度(e)、脾臟與體重比(f)、經皮水分流失量（TEWL）(g)以及表皮中CD3陽性細胞計數(h)。共分析n=5只小鼠。數據以均值±標準誤（SEM）表示(c)，以散點圖及中位數值表示（d-h）。統計學顯著性采用Dunnett多重比較檢驗（與IMQ+溶媒組比較）進行評估，結果標記為*p < 0.05*、*p < 0.01*、**p < 0.05*。001，且* ** *p < 0.0001。圖(b)中的比例尺代表100微米。IMQ，咪喹莫特；PASI，銀屑病面積和嚴重程度指數；TEWL，經表皮水分流失。

5. RNA測序及數據分析：提取小鼠全皮膚總RNA，制備測序文庫并測序，使用Trimmomatic修剪低質量堿基和接頭，通過RSEM和Bowtie 2估算基因原始計數，利用edgeR程序檢測差異表達基因（DEGs），設定p值<0.05且log2倍變化（log2FC）>1.0（上調）或<-1.0（下調）為差異表達基因標準，使用pvclust對所有樣本進行聚類分析。

6. 基因本體論（GO）和通路富集分析：利用DAVID功能注釋工具，對差異表達基因進行生物過程（BP）、分子功能（MF）、細胞組分（CC）的GO術語富集分析和KEGG通路富集分析，通過Fisher精確檢驗評估富集的統計學顯著性。

7. qPCR檢測：提取小鼠全皮膚總RNA，進行逆轉錄和cDNA擴增，采用比較Ct法計算相對基因表達水平（以甘油醛-3-磷酸脫氫酶為內參基因）。

8. 血清細胞因子水平分析：按照試劑盒說明書，使用Luminex® Discovery Assay Mouse Premixed Multi-Analyte Kit檢測小鼠血清細胞因子水平。

9. 統計分析：小鼠實驗中，組間差異采用非配對雙尾t檢驗或Dunnett多重比較檢驗（與對照組比較）進行分析。

結論

1. 本研究開發的基于機器學習的系統可有效識別疾病潛在靶點，將其應用于銀屑病，成功發現DRD2是銀屑病的潛在有效靶點。

2. 基于臨床大數據分析，帕金森病藥物被認為是銀屑病的潛在預防候選藥物，其中多種多巴胺受體激動劑（包括靶向DRD2的藥物）在列。

3. DRD2激動劑喹吡羅可緩解IMQ誘導的小鼠銀屑病癥狀，表現為臨床評分降低、表皮和真皮變薄、脾體比降低、TEWL減少。

4. 喹吡羅可下調IMQ誘導的銀屑病小鼠皮膚中IL-17信號通路相關基因（如Il12b、Il22）的表達，降低血清中TNF-α和IL-10的水平。

5. 該機器學習系統不僅適用于銀屑病，還可為多種疾病的病理機制探索和潛在靶點發現提供新途徑。