中文摘要：

单靶点药物治疗由于无法取得长期疗效，肿瘤患者常出现耐药和复发。因此，发展多靶点联合治疗已成为当前肿瘤研究的新热点。多靶点联合不等于多个靶点的随机组合，通过系统生物学方法合理的寻找有效的多靶点联合治疗方案是当前研究的新趋势。本课题组在前期采用系统生物学方法对激酶参与肿瘤细胞G2/M期的分子调控机制及多靶点干预策略进行了研究。此外，泛素连接酶也参与了细胞周期的调控，且其功能异常与肿瘤发生发展相关。本申请项目将立足于前期工作基础，通过系统生物学方法重点研究泛素连接酶参与细胞M期的调控，阐明网络中正/负反馈回路、前馈环路等复杂分子调控机制，探讨其功能异常与肿瘤发生发展的关系。并进一步发现细胞M期复杂调控网络中的关键节点分子和潜在的多靶点干预策略，通过体外细胞和体内动物模型研究其抗肿瘤疗效。一方面为寻找最优多靶点联合治疗研究提供新的思路，另一方面为后继肿瘤多靶点干预和治疗奠定研究基础。

结论摘要：

单靶点药物治疗由于无法取得长期疗效，肿瘤患者常出现耐药和复发。因此，发展多靶点联合治疗已成为当前肿瘤研究的新热点。多靶点联合不等于多个靶点的随机组合，通过系统生物学方法合理的寻找有效的多靶点联合治疗方案是当前研究的新趋势。本研究建立了细胞G2/M期调控的系统生物学模型，重点探讨了泛素连接酶APC/C-CDC20和SCF-β-TrCP参与的正/负反馈回路和前馈环路的分子调控机制及多靶点干预策略。我们提出一种新的基于网络生物学和网络药理学的多靶点药物组合发现方法。该方法首先利用已知组合药物及其药物靶点信息构建药物组合网络，该网络整合了药物组合关系信息、药物-靶点相互作用信息和靶点蛋白质-蛋白质相互作用信息。为了能够从靶点分子网络水平研究组合药物之间的关系特征，我们提出了邻接群这一新的系统生物学概念。邻接群是指协同药物的靶点之间所拥有的共同邻接蛋白质分子，通过邻接群就可以将协同药物的靶点分子间接联系起来。进一步研究表明通过分析药物靶点与邻接群蛋白分子形成的网络相互作用的特征可以快速预测药物之间是否存在协同增效关系，同时还能揭示其潜在分子机制。留一法交叉验证显示，所构建的最优SVM预测模型可以实现阳性数据集（药物组合）88%的正确预测率，阴性数据集（随机对照）92%的正确预测率。受试者工作特征（ROC）曲线下面积（AUC）为0.95，表明该方法在正确区分药物组合和随机对照的同时还具有较好的特异性和敏感性。进一步实验验证表明，基于邻接群的计算系统生物学方法为合理设计和优化协同药物组合提供了可靠手段，为显著提高药物组合的发现效率提供了理想解决方案。我们首次预测并通过体外细胞活性抑制等实验验证PLK1抑制剂BI-2536与苏尼替尼（Sunitinib）、达沙替尼（Dasatinib）或吉非替尼（Gefitinib）的联合具有协同增效作用。本研究为寻找最优多靶点联合治疗研究提供新的思路，为后继肿瘤多靶点干预和治疗奠定研究基础。