浙江大学国际发表文章解析中医药生物信息学

　　

生物通报道：来自浙江大学生命科学学院，新加坡国立大学药剂学及计算机科学，以及上海生物信息技术验机中心（Shanghai Center for Bioinformation Technology）的研究人员结合各自的优势，将中医药科学与现代生物信息学联系起来，推出了中医药信息数据库TCM-ID（Traditional Chinese Medicine Information Database，http://tcm.cz3.nus.edu.sg/group/tcm-id/tcmid.asp），提出中医药是“magic shrapnel”（魔霰弹）（而不是魔弹“magic bullet”）这一新概念。这一研究成果公布在《British Journal of Pharmacology》（Nature出版社出版的杂志之一）上。

这一研究的第一作者及通讯作者之一是来自浙江大学生科院的陈新博士。

原文摘要：
British Journal of Pharmacology (2006) 149, 1092–1103. doi:10.1038/sj.bjp.0706945; published online 6 November 2006
Database of traditional Chinese medicine and its application to studies of mechanism and to prescription validation
[Abstract]

中医药（Traditional Chinese Medicine，TCM）是中华民族数千年来在疾病防治过程中积累的宝贵财富，是迄今保存最完整、影响力最大、使用人口最多的传统医药体系。目前随着健康观念的转变，在国际市场上传统医药需求快速增长，并日益受到世界各国政府和国际组织的关注，同时随着生物、信息等现代科技的迅猛发展，为人类深入探索中医药的基本原理、核心理论和关键技术提供了新手段。现在中医药国际合作已超越了原有的简单输出的方式，进入科技、教育、医疗、贸易等多角度合作的综合发展阶段。

在这篇文章中，研究人员主要针对TCM处方定量数据分析进行了研究，通过收集书籍，以及来自Medline的印刷资料等有关TCM的资料，研究人员建立TCM-ID数据库。这一数据库中有关于TCM各个方面的全面的信息，包括处方，组成药物（constituent herbs），药物成份，分子结构和活性成份的功能特征，副作用，临床指标以及应用等相关数据。

具体而言，TCM-ID目前包含了1,588个处方，1,313种草药，5,669个药物成份，以及其中3,725个成份的3D结构。利用一些中药成份治疗效果的分子机制生物信息学分析（in-silico）数据，研究人员对TCM-ID中的数据进行了评效，并且建立了能测评TCM多药草预备的计算机程序。

这一新系统生物学的发展为治疗干预疗法（therapeutic intervention strategy）提出了一种新的设计原则：magic shrapnel概念，即在单一治疗中实现多药物针对多靶标。TCM为这一概念提供了许多样品来源，这样一个处方里的几种活性成份可以靶向无数靶标，共同达到治疗效果。这一研究及其数据库应用为TCM用于药物研发新理论的开发迈出了第一步，也为中医药研究带来了新的思路。
（生物通：张迪）

附：
陈新 副教授

浙江大学
生命科学学院

电话: [phone] - 15 

电子信箱: xinchen @ zju.edu.cn 

个人经历

2005. -: 浙江大学生命科学学院，副教授

2004-2005：蓝图计划亚洲研究院（The blueprint initiative, Asia），部门经理（Manager, High-throughput Biology）

2002-2004：新加坡国立大学，教学助理（全职教师，教学助理为国立大学的初级教职）

2000-2004：新加坡国立大学，计算科学系，博士学位(其中2002-2004为part-time)

1996-2000：上海交通大学，生物技术和计算机科学系，双学士学位

主要研究领域

计算机辅助药物设计

生物信息的表示和数据挖掘

统计（机器）学习方法的生物学应用

代谢-调控网络分析

近期论文

*: Corresponding author(s). 

Traditional Chinese Medicine Information Database and Applications in Mechanism Study and Recipe Validation. X.Chen, H.Zhou, Y.B.Liu, J.F.Wang, H.Li, C.Y.Ung, L.Y.Han and Y.Z.Chen*. British Journal of Pharmacology. 2006 (Accepted)


Does Drug-Target Have a Likeness? H.Xu, Y.Fang, L.X.Yao, Y.Z.Chen and X.Chen*. Methods of Information in Medicine. 2006 (Accepted)


Cytokinin Represses Phosphate-Starvation Response through Increasing of Intracellular Pi Level. X.M.Wang, K.K.Yi, Y.Tao, F.Wang, Z.C.Wu, D.A.Jiang, X.Chen*, L.H.Zhu and P.Wu*. Plant Cell and Enviroment. 2006 (Accepted)


PharmGED: Pharmacogenetic Effect Database. B.Xie, C.J.Zheng, L.Y.Han, S.Ong, J.Cui, H.L.Zhang, L.Jiang, X.Chen and Y.Z.Chen*. Clin. Pharmacol. Ther. 2006 (Accepted)


Computer Prediction of Cardiovascular and Hematological Agents by Statistical Learning Methods. X.Chen, H.Li, C.W.Yap, C.Y.Ung, L.Jiang, Z.W.Cao, Y.X.Li and Y.Z.Chen*. Cardiovasc. Hematol. Agents Med. Chem. 2006 (Accepted)


Internet Resources Related to Drug Action and Human Response: A Review. L.X.Yao, Z.C.Wu, Z.L.Ji, Y.Z.Chen and X. Chen*. Applied Bioinformatics. 2006 (Accepted)


PROFEAT: a web server for computing structural and physicochemical features of proteins and peptides from amino acid sequence. Z.R.Li, H.H.Lin, L.Y.Han, L.Jiang, X.Chen and Y.Z.Chen*. Nucleic Acids Research. 34:w32-w37 (2006).


Information of ADME-associated proteins and potential application for pharmacogenetic prediction of drug responses. C.J.Zheng, L.Y.Han, X.Chen, Z.W.Cao, J.Cui, H.H.Lin, H.L.Zhang, H.Li and Y.Z.Chen*. Curr. Pharmacogenomics. 4(2):87-103 (2006).


Prediction of Functional Class of the SARS Coronavirus Proteins by a Statistical Learning Method. C.Z.Cai, L.Y.Han, X.Chen, Z.W.Cao, Y.Z.Chen*. J. Proteome Res. 4 (5): 1855-1862 (2005).


TCM-ID: Traditional Chinese Medicine information database. J.F.Wang, H.Zhou, L.Y.Han, Z.W.Cao, X.Chen and Y.Z.Chen*. Clin. Pharmacol. Ther. 78(1):92-93 (2005).


Computer prediction of drug resistance mutations in proteins. Z.W.Cao, L.Y.Han, C.J.Zheng, Z.L.Ji, X.Chen, H.H.Lin and Y.Z.Chen*. Drug Discov. Today. 10(7):521-529 (2005).


The Biomolecular Interaction Network Database and related tools 2005 update. C.Alfarano, …, C.Xin, ... C.W. Hogue*. (75 authors in alphabetical order). Nucleic Acids Res. 33:418-424. (2005).


Effect of Molecular Descriptor Feature Selection in Support Vector Machine Classification of Pharmacokinetic and Toxicological Properties of Chemical Agents. Y.Xue, Z.R.Li, C.W.Yap, L.Z.Sun, X.Chen, Y.Z.Chen*. J. Chem. Inf. Comput. Sci., 44, 1630-1638. (2004).

上海生物信息技术研究中心

2002年8月，上海市科学技术委员会依托中国科学院上海生命科学研究院、国家人类基因组南方研究中心、复旦大学、上海交通大学、上海第二医科大学、上海医药工业研究院和中国科学院上海有机化学研究所等单位，整合上海生物信息学主要研究力量，投入1140万元资金，正式组建了上海生物信息技术研究中心（以下简称“中心”）。“中心”是国内第一个以推动我国生物信息学数据共享为目的，完全从事生命科学数据库建设、生物信息学软件开发的地方政府支持的、自收自支的独立事业法人单位。 

“中心”旨在开展和促进生物信息技术领域的原始性创新研究，建立具有广泛应用前景和国际先进水平的生物信息分析、数据挖掘和知识发现的技术体系，促进上海乃至全国生命科学、生物技术和生物医药产业的发展。
 
“中心”的主要任务包括生物信息资源的收集和管理服务、生物信息学研究、技术开发和人才培养等四个主要方面。中心要迅速建立起包括国际、国内主要生物信息资源数据库在内的整合的数据库体系并建立技术标准，建立起可操作的生物信息资源共享机制和国际、国内合作渠道；建立和不断完善基因组功能注释、生物芯片数据分析、蛋白质组数据分析、人类疾病、农作物抗逆和品质相关基因的高通量生物信息学筛选技术体系，形成相应的生物信息数据挖掘和技术开发能力，建立起生物信息学研究和应用人才的培训基地，为上海及周边地区的生物、农业、医药、环境等生命科学与生物技术及相关领域的研究和应用提供高效、快速的生物信息资源和技术服务，为推动社会经济可持续发展做出贡献。 

“中心”实行理事会领导下的主任负责制。“中心”聘请国内外著名科学家和两院院士组成专家顾问委员会和学术委员会，对中心发展战略和重大决策进行咨询、评议。 

“中心”积极开展学术交流与科技合作，先后与中国科学院上海生命科学研究院、复旦大学、上海交通大学、上海第二医科大学、欧洲分子生物学实验室（EMBL）、英国帝国理工学院、美国加州大学等国内外著名科研院所建立了广泛的交流与合作，争取成为国际、国内有影响力和知名度的生物信息中心。