药物靶点发现的生物信息学策略

药物靶点发现的核心是识别与疾病发生发展密切相关的生物分子。生物信息学提供了系统性的靶点发现策略：
1. 基因组学方法
- 全基因组关联分析（GWAS）：通过比较病例和对照群体的基因组变异，识别与疾病风险显著相关的基因位点。例如，PCSK9基因的功能获得性突变与高胆固醇血症相关，使其成为降脂药物的理想靶点。
- 表达数量性状位点（eQTL）分析：将GWAS发现的疾病关联位点与基因表达数据整合，推断因果基因。
2. 网络药理学方法
- 疾病模块识别：利用蛋白质相互作用网络（PPI），识别与疾病相关的功能模块。一个理想的药物靶点应位于疾病模块的中心位置（高介数中心性），干扰它可以最大程度地影响疾病进程。
- 网络邻近性分析：计算药物靶点与疾病基因在网络中的距离，预测药物重定位（drug repurposing）的可能性。
3. 多组学整合方法
- 整合基因组、转录组、蛋白质组和代谢组数据，构建多层次的疾病分子图谱，系统性地识别关键节点作为潜在靶点。
- 差异表达分析（如DESeq2、edgeR）识别疾病状态下显著上调或下调的基因。
4. 靶点可药性评估
- 并非所有与疾病相关的蛋白都是好的药物靶点。可药性（druggability）评估考虑：是否有适合小分子结合的口袋、靶点的组织特异性表达、靶向该靶点是否会产生严重毒副作用等。
- 工具如DrugMAP、canSAR数据库提供蛋白质可药性预测。