答疑精选 | 从库到靶：天然产物活性筛选及其分子靶点的鉴定

以此为例（抗病毒库）主要按病毒类型、作用靶点、化合物结构三个维度划分，方便针对性筛选。库内信息与筛选支持，每个化合物标注病毒谱、靶点、IC50/EC50、CAS、纯度、文献等信息。可按病毒类型、靶点、结构、活性值进行子库拆分与定制筛选，陶术的很多化合物库分类原则与此相似。

96 孔板高通量初筛，为了兼顾筛选效率我们一般建议用1-10μM 的浓度去进行，这样既能抓到 A，也能抓到 C，只是初筛表现出来的活性不同，需要后续细致的优化，这是一个相对标准、稳妥的方案。

首先如果碰到这种情况，我们可以先考虑降低终筛浓度，大部分难溶化合物在1-3μM 不会析出，强活性的化合物是可以捕获到活性信号的，弱活性化合物可能会弱一点，但能发现苗头就可以了，后续再用浓度梯度来验证。还有一个方法就是我们可以在使用化合物筛选之前可以对它的DMSO溶液进行超声和水浴加热，促进母管内化合物溶解的更好

说明化合物并非作用于预设靶点，而是作用于其他靶点、通路或在细胞内被活化。首先要排除溶解性、聚集、荧光干扰、细胞毒性等假阳性，再通过表型验证与通路筛选缩小范围，比如使用报告基因、联用已知抑制剂等确定信号通路；接着可进行广谱靶点面板筛选，如激酶组、GPCR、离子通道等，快速定位潜在靶点；若仍未找到，再采用化学生物学钓靶技术，如化合物标记 pull‑down 质谱、CETSA、TPP 等全蛋白质组方式直接寻找结合蛋白，最终对候选靶点进行分子水平与细胞水平的双向验证。

AI 筛选能大幅提升天然产物发现效率、成功率与机制解析深度，既可以解决天然产物结构复杂、靶点未知、活性筛选周期长、分离纯化成本高等痛点，又能从源头指导实验、减少盲目筛选。具体可从以下方面结合：一是虚拟筛选，通过 AI 对天然产物数据库进行分子对接、药效团匹配、ADMET 预测，快速从海量天然产物中锁定高潜力候选化合物；二是靶点预测，针对细胞有活性但靶点不明的天然产物，AI 可反向预测潜在作用靶点与通路，衔接表型筛选与分子机制研究；三是结构优化，对活性天然产物进行 AI 辅助成药性改造，提升溶解度、稳定性与靶点亲和力；四是活性与毒性预测，提前排除假阳性、高毒性、低成药性化合物，降低实验成本；五是通路与网络调控分析，AI 可解析天然产物多靶点、多通路协同作用机制，适配天然产物整体调节特点。

天然产物苗头化合物在向临床转化时，最常遇到的药代动力学问题主要有：口服生物利用度低、溶解度差、膜通透性差、代谢不稳定、半衰期太短或太长、组织分布不理想；毒性问题主要有：肝肾毒性、心脏毒性（hERG 通道抑制）、遗传毒性、免疫毒性、脱靶带来的体内广谱毒性，以及天然产物常见的聚集性假阳性、氧化还原干扰等非特异性作用。例如：很多黄酮、多酚类化合物体外活性很好，但口服吸收差、易被代谢清除，难以达到有效血药浓度；某些生物碱、萜类化合物体外抑制效果强，但体内存在明显肝毒性或心脏毒性；还有不少天然产物在体外是通过非特异性聚集抑制蛋白，并非真正靶向结合，导致体内无药效或伴随严重毒性，这些都是天然产物成药的典型瓶颈。

在构建药食同源天然产物筛选库时，平衡饮食可及性与药理有效浓度的核心思路是：不强行用原食材摄入量去对标体外有效浓度，而是通过筛选策略与结构设计，让 “可成药” 与 “可食用” 分开路径、同时保留。具体可以从几点入手：一是在初筛时允许适当高于膳食暴露浓度，但同步标注人体可达到的血药浓度上限，对远超生理浓度才有活性的化合物标记为 “饮食难以成效”；二是优先筛选低浓度即有活性的单体，聚焦那些在人体可达到的暴露水平下仍有明确作用的物质；三是对高活性但饮食剂量不足的成分，不否定其药用价值，而是将其导向药品、功能因子、精制提取物方向，与 “日常膳食摄入” 定位区分开；四是利用 AI 预测体内 ADMET 与组织分布，提前判断该成分在体内能否积累到有效浓度，避免体外有效、体内无效；五是采用组合筛选，模拟饮食中多成分协同作用，寻找低剂量配伍即可起效的组合，降低对单一成分高浓度的依赖。这样既尊重药食同源的安全性，又能真实筛选出既有效又具备现实转化可行性的功能物质。

我们有专业的分子动力学模拟的技术服务，欢迎咨询陶术的技术人员，可以联系您区域的销售为你提供详细的介绍。

既有来源稀有的天然产物也有成分稀有的分子，我们的中医药化合物库里的分子都是以单体的形式存在的。

蒙药化合物库并非以 “结构独有” 为核心，而是以 “来源限定” 为主要特征，同时包含部分结构新颖的特有分子。绝大多数小分子（如黄酮、萜类、生物碱、甾体等）与中药、其他民族药及通用天然产物库高度重叠，仅在物种 / 药材来源、炮制后修饰、特定骨架比例、微量新骨架上体现蒙药特色。例如，蒙药常用的肉苁蓉、沙棘、荜茇、文冠木等，其主要成分（如黄酮、胡椒酰胺、萜类）在中药中广泛存在；但文冠木中的文冠木碱类生物碱、蓝玉簪龙胆中的新苄醇糖苷、蓝刺头中的特征噻吩类等，属于蒙药来源中发现的结构新颖或含量 / 分布独特的分子。构建蒙药库的核心价值在于聚焦蒙医经典药材与方剂、富集地域 / 炮制特色成分、保留多成分协同的传统用药背景，而非提供一套完全 “结构独有的” 全新分子集合。

主要思路是以中药复方为源头，先建立复方对应的天然产物小分子库，再通过体外靶点筛选、细胞表型筛选、AI 靶点与通路预测，找到复方中真正起效的活性成分群，再结合网络药理学、分子对接、质谱钓靶、动物体内验证，阐明 “复方 — 成分群 — 靶点 — 通路 — 药效” 的关联机制，从整体和分子层面解析复方多成分、多靶点、多通路的协同作用。主要挑战在于天然产物成分复杂、含量差异大，很多成分溶解度差、易出现假阳性结果；单一体外靶点难以反映复方整体效应，成分间协同与拮抗关系复杂；部分成分体内暴露量低、药代差，体外有效浓度与体内实际浓度不匹配；同时筛选工作量大、靶点鉴定困难，机制验证周期长、成本高，且难以完全还原复方配伍与体内真实代谢环境。

天然产物药物转化正处于黄金期：既有青蒿素、丹参多酚酸盐等经典案例验证可行性，又有 AI、合成生物学、多组学等技术突破瓶颈，同时临床需求与政策红利持续释放。未来，单体 + 组分 + 复方 + 半合成多元路径并行，将推动更多天然产物从实验室走向临床，为重大疾病治疗提供全新选择。

天然产物多靶点、多通路的特点会导致初筛后出现大量潜在靶点，高效锁定真正功能靶点的核心思路是：先通过多层次、正交性实验逐步缩小范围，再用多组学整合构建关联证据链，最后以分子与细胞功能实验做因果验证，不依赖单一筛选结果。具体流程为：首先利用CETSA、TPP、DARTS等无标记靶标鉴定技术，获得化合物在细胞内直接结合的蛋白列表，排除体外假阳性；再结合转录组、蛋白质组、磷酸化组、代谢组，找出共同富集、变化最显著的通路与核心节点，将潜在靶点从几百个缩小到十几个；然后通过分子互作、激酶谱、报告基因、基因敲低 / 过表达等方法，进一步锁定关键靶点；最后通过rescue 实验（过表达靶点、使用靶点抑制剂逆转药效）确认因果关系，最终得到真正驱动表型的功能靶点。目前成熟的多组学整合策略以“蛋白互作组（钓靶）+ 磷酸化组（信号）+ 转录组（表型）”三联组学为主，再用网络药理学或 AI 进行整合分析，构建 “化合物 — 核心靶点 — 关键通路 — 细胞表型” 的闭环机制，实现从海量潜在靶点中精准、高效地定位真正功能靶点。

我们有部分药食同源的化合物数据库，也有很多相关的引用报道但还没有扩展开到如案例介绍的数据库那么大的体量，后续我们会不断进行扩增。

当化合物具有多靶点特性时，钓靶会同时富集到多个结合蛋白，此时不能简单判定某一个为唯一靶点，而应采用 “富集优先级排序 + 正交验证 + 功能闭环”的策略进行处理。首先在质谱结果中优先选择富集倍数高、特异性强、与表型高度相关的核心靶点，排除高丰度管家蛋白、非特异性结合蛋白；再通过CETSA、DARTS、SPR、分子对接等正交实验验证化合物与候选靶点的直接结合；随后利用敲低、过表达、抑制剂逆转等功能实验判断哪个靶点能真正决定表型；最后结合转录组、磷酸化组、代谢组等多组学数据，构建多靶点之间的信号上下游关系，区分主效靶点、协同靶点、下游效应蛋白。整体思路是承认并利用多靶点特性，而非追求单一靶点，最终明确主靶点驱动效应、辅靶点协同调控的机制，形成完整、可信的结论。