现代基因组学、蛋白质组学、代谢组学等“组学”的发展，以及系统生物学视角的引入、创新的生物信息学工具的研究开发，极大地促进了对于药物作用机制(Mechanism of Action, MOA)的研究，并发展出一系列标志性的、创新的研究范式(paradigm)。现代化学生物学(chemical biology)的发展，积累了海量的关于小分子化合物的细胞学筛选结果，其对细胞的作用机制的刻画达到了前所未有的水平。例如，由美国麻省理工学院和哈佛大学Broad研究院完成的Connectivity Map项 目，利用基因芯片技术测量了多种药物作用于人类细胞后引起的基因表达变化图谱，并形成一个统一的参考数据库。利用该数据库可以对各种药物进行聚类分析，从 而依据与已知药物基因图谱的相似性来预测未知药物的作用机制。在给定某种疾病状态的基因图谱的情况下，可以在这个参考数据库中查询与输入的图谱（pattern）显著负相关的基因图谱，其对应的药物就是该疾病状态的候选药物（调节剂）。运用该策略已经获得了一批药物作用机制的新认识，以及筛选得到的新药（或药物的新用途）(Lamb, Crawford et al. 2006)。近期，美国NIH的发展路线图(Roadmap)中The Molecular Libraries Program项目的实施，使得PubChem数据库中的药物筛选结果迅速增长

 

 

 

 上述研究范式初步体现了 “系统药理学”(systems pharmacology)的概念。传统意义上的药物作用机制（MOA）是考虑药物结合的单个蛋白质或者基因，以及药物在细胞和体内如何分布和被代谢。系统药理学则是以全基因组为考察范围，观察药物对全局基因网络（例如以转录因子为主要控制因素的转录调控网络）的作用模式。因此，“网络药理学”(network pharmacology)是一个更为具体、更有操作性的概念。2007年，Andrew L Hopkins 在Nature Biotechnology撰文明确提出“Network pharmacology”的概念，2008年在Nature Chemical Biology进 一步发表了“网络药理学：药物研发中的下一个研究范式”的综述文章。由于生命和疾病是一个非常复杂的生理和病理过程，其中涉及到多基因、多通路多途径的分 子功能网络相互作用的过程，通过单一靶标的作用实现理想的治疗效果往往比较困难。因此，针对多基因疾病相关的“分子群”寻找组合式药物靶标将成为药物研究 和开发的重要发展方向。

 

 

我们从2004年开始在网络生物学（network biology）上作技术积累，进行蛋白质物理相互作用网络(Physical interaction network)、遗传相互作用网络(genetic interaction network)的数据集成和挖掘，已经在未知基因功能预测方面得到应用(Genome wide prediction of protein function via a generic knowledge discovery approach based on evidence integration, BMC Bioinformatics. 2006; 7: 268)和2010年Cancer Informatics。

 

最近，我们提出了一种新的在体遗传相互作用(in vivo genetic gene-gene interaction)网络，该遗传网络可以从基于高通量基因表达谱的数据库中鉴定。该网络作为疾病特异性的系统生物学模型，类似一个“作战地图”，与小分子化合物的基因调节信息（如Connectivity Map中的基因表达谱）结合，理论上可以在网络水平上分析各小分子化合物的作用模式，从而对其作用机制、疗效、毒性做出分析和预测。可作为临床前药物电子筛选的方法和工具(Pre-Clinical Drug Prioritization via Prognosis-Guided Genetic Interaction Networks)。