继构建的天然产物抗肿瘤数据库ANPDB发表之后（Front Pharmacol. 2021, 12: 746067. 影响因子5.988），符雷蕾研究小组于近日在《Frontiers in Pharmacology》上 (2022，13: 956501. 影响因子5.988) 发表了另一项研究成果“AMTDB: A comprehensive database of autophagic modulators for anti-tumor drug discovery”，该数据库由沈阳药科大学，伟德国际victor1946和天津中医药大学合作共同完成。硕士研究生付家慧，吴丽丰和胡高勇为并列第一作者。本院符雷蕾副教授为论文的最后通讯作者；朱玲娟副教授，于海洋教授为共同通讯作者。该课题得到了国家自然科学基金项目(No. 31970374)；国家重点研究项目(No: 2021YFE0203100)；中央高校基本科研专项资金(No. 2682021CX088)的支持。
细胞自噬现已被证实与多种人类疾病(包括乳腺癌，胃癌，骨肉瘤等)密切相关。由此，我们认为积极干预自噬是治疗癌症的有效手段。近年来，越来越多的自噬化合物被报道，如 BL-918、 NVP-BEZ235、 perifosine、3-甲基腺嘌呤等。特别是氯喹和羟氯喹在临床实践中的成功应用，极大地促进了自噬调节剂的设计和开发。尽管包括 ACDB，HAMdb 和 PubMed 在内的一些在线资源已经提供了关于自噬化合物和自噬相关基因，但是这些数据库只包含部分信息，并没有得到有效的涵盖。随着自噬化合物和靶点的积累、抗肿瘤药物的研制以及肿瘤与自噬关系的阐明，迫切需要一个新的数据库的出现。
为了实现这一目标，符雷蕾研究小组合作开发了一个自噬调节剂综合数据库(AMTDB，https://amtdb.vercel.app/)。 AMTDB包括153种癌症类型，1153种调控自噬的化合物，860个靶点和2,046个相关机制或信号通路。此外，还提供了多种分类方法、高级检索和目标预测功能，以满足用户的不同需求。
除了经典的查阅和检索功能，符雷蕾研究小组还创新性的引入靶标预测功能，这是其他自噬数据库所不具备的。基于分子相似性预测靶标是由谷本系数和SHAFTS算法执行。这两种算法已经发表并应用于多篇研究性论文中。（DOI： 10.1016 / j.a PSB. 2021.05.032;DOI： 10.1186 / s13321-015-0069-3;DOI： 10.1021 / ci200060s）。对大量相似性系数的详细比较表明，谷本系数仍然是计算基于指纹的相似性的首选方法，尽管存在一些与所寻求的分子大小相关的固有偏差。此外，为了弥补这一不足，我们还提供了SHAFTS算法，具体适用原理也在文章中进行了说明。综上，AMTDB 是一个综合性的数据库，致力于囊括自噬化合物和自噬靶点。 在未来，随着自噬相关研究的爆炸性增长，AMTDB 的数据将进一步扩大，这是一个可预见的发展趋势。AMTDB 将引入更先进的生物信息学和人工智能算法，这将为肿瘤药物的发现提供前所未有的机会和挑战。
论文链接：https://www.frontiersin.org/articles/10.3389/fphar.2022.956501/full
