Deep learning-driven multi-omics integration reveals potential ferroptosis-associated mechanisms of Chinese herbal medicines in colorectal cancer

结直肠癌仍然是现代医学面临的最持久的挑战之一。尽管已有治疗手段，但许多肿瘤会对标准药物产生耐药性，或者在疗法生效之前就已扩散到身体其他部位。这种耐药性通常源于癌细胞适应复杂的方式，例如躲避免疫系统的攻击，或重新调整其内部能量系统以求生存。近年来，科学家们转向了一种不同的方法：研究人体自身生物网络的功能。他们关注一种被称为“铁死亡”（ferroptosis）的特定细胞死亡过程，即由于铁过载和脂肪受损，细胞本质上从内部发生“生锈”。与其它形式的细胞死亡不同，铁死亡提供了一种独特的杀伤癌细胞的方式，而这些细胞原本可能对传统疗法视而不见。与此同时，研究人员也在探索古老的疗法，特别是中草药，它们含有数百种天然化合物，可以同时作用于体内的多个靶点。驱动这项新研究的问题是：这些古老的植物能否在科学层面与现代生物学需求相匹配，特别是通过触发癌细胞的这种“生锈”过程？

为了回答这个问题，来自中国机构的研究团队开发了一种高科技方法来筛选大自然的药库。他们没有采用一次测试一种植物的缓慢人工流程，而是创建了一个结合了深度学习人工智能与海量生物数据的数字框架。他们从187种不同的中药提取物入手，代表了广泛的传统药物。利用先进的测序技术，他们测量了这些提取物如何改变结直肠癌细胞内部基因的活性。随后，他们将这些庞大的遗传信息输入到旨在识别模式的计算机模型中。这些模型将草药引起的基因变化与已知有效的抗癌药物所引起的基因变化进行对比。通过使用数学工具寻找基因开启或关闭方式的相似性，该系统可以预测哪些草药最有可能有效地对抗疾病。这种方法使他们能够在无需猜测的情况下，将数百个候选对象缩小到几个有前景的线索。

筛选过程识别出了五种显示出破坏癌症生长最强潜力的特定草药提取物。其中最显著的是马松松（Masson pine，一种松树）、马蜂藤（Mahonia fortunei，一种灌木）以及常被称为黄连（Coptis chinensis）的植物。研究发现，这些植物并非随机杀死细胞，而是针对维持癌症生存的特定通路。研究人员发现，这些提取物通过干扰癌细胞的铁平衡及其脂肪代谢来发挥作用。在健康细胞中，铁和脂肪受到严格管理，但在这些经过处理的癌细胞中，这种平衡发生了危险的倾斜。这些植物触发了铁的堆积，并导致细胞内的脂肪发生破坏性的分解，从而引发铁死亡。这是一个至关重要的发现，因为它表明这些草药可以迫使癌细胞通过一种许多标准药物难以触发的机制而死亡。

进一步的研究揭示了这些植物实现这一效果的具体方式。研究人员观察了细胞内部的蛋白质，即执行基因指令的工作者。他们发现，这些有效的草药抑制了胆固醇的产生，并改变了细胞处理脂质的方式。这种破坏非常严重，以至于使癌细胞缺乏生长和分裂所需的构建模块。其中一个关键机制涉及阻断癌细胞用于通信和生存的特定信号通路，从而有效地切断了它们的补给线。研究还表明，这些治疗可以影响免疫系统，潜在地使肿瘤环境变得不利于癌症隐藏。研究人员通过在实验室中对癌细胞进行测试证实了这些发现，观察到细胞停止生长并呈现剂量依赖性死亡，这意味着加入的提取物越多，效果越强。

研究强调，这五种候选药物，特别是马松松、马蜂藤和黄连，起着多靶点制剂的作用。它们并非只打击一个点，而是同时攻击癌症的新陈代谢、铁处理能力及其通信网络。这种多管齐下的攻击使得癌症难以产生耐药性。研究人员指出，马松松提取物表现出的抑制细胞生长的能力特别强，在测试中表现得与某些标准化疗药物一样出色。研究发现，黄连提取物在破坏对癌细胞膜至关重要的脂肪和甾体生产方面特别有效。通过将这些天然化合物与现代计算工具相结合，该团队为这些古老疗法在分子水平上如何运作提供了清晰的图谱。

这项工作并不声称发现了结直肠癌的治愈方法，但它为寻找治愈方法提供了一种强大的新策略。它证明了通过使用人工智能来理解复杂的生物语言，科学家可以识别出能够针对癌细胞独特弱点的特定天然化合物。研究结果表明，癌症治疗的未来可能在于将这些精准的多靶点天然疗法与现有的医疗手段相结合。该研究提供了一个坚实的基础，表明这些特定的植物持有开启新途径的关键，即通过触发一种人体可以自然执行的特定破坏性细胞死亡方式来阻止癌症生长。