近日，我校交叉科学研究院张卫东教授团队在国际生物信息学权威期刊Briefings in Bioinformatics发表题为《FL-DTD: an integrated pipeline to predict the drug interacting targets by feedback loop-based network analysis》的研究论文。该研究成果提供了一种全新的具有组织特异性的药物靶标发现方法：FL-DTD，利用药物干预后的转录组数据进行潜在靶点的识别。

该方法基于如下假说：正常细胞处于一种稳态，即蛋白-蛋白相互作用网络处于动态平衡状态。当收到外部刺激，如药物刺激后，网络中的某些节点蛋白受到影响，为维持网络的平衡状态，会激活Feedback loop来调控网络使其消除或减弱外部刺激所带来的影响。药物结合蛋白后，上游蛋白和下游蛋白将表现出相反的上调/下调状态。FL-DTD构建了具有组织特异性的蛋白互作网络，通过计算网络中节点蛋白的RS score值来反映其受feedback loop的影响程度，从而发现潜在靶点。该方法通过一些外部数据验证，如雌激素刺激、shRNA干扰、药物干预后的转录组数据等，均证明FL-DTD具有良好的有效性。进一步将FL-DTD应用到500个中药小分子干预的转录组数据中，发现有5个中药小分子的潜在靶点中STAT3排名最靠前，其中有4个被实验证实对STAT3有提高或降低其磷酸化水平的作用，包括2个此前未被报道过的中药小分子。

为方便研究人员使用FL-DTD，团队开发了一个在线工具（http://menglab.pub/fldtd/），只需将药物干预后的差异表达数据提交，选择相应的组织类型，运行之后便可获得药物潜在靶点的排名。

我校交叉科学研究院中药系统药理学研究中心助理研究员陆冬、博士研究生潘蓉蓉和硕士研究生吴文轩为本论文共同第一作者，交叉科学研究院吕超副研究员、张卫东教授和孟国锋副研究员为共同通讯作者。该研究成果在国家自然科学基金，上海市自然科学基金，国家中医药多学科交叉创新团队等项目资助下完成。（科技处、交叉科学研究院）