告别单库局限！TTD/OMIM/GeneCards/PharmGKB/CTD五维联筛「锁定癌症靶点」
所属分类： 技术干货
发布时间： 2026-04-26
概要： 本文将系统阐述如何通过TTD、OMIM、GeneCards、PharmGKB、CTD五大权威数据库的联合分析，结合测序数据，高效筛选出高价值的潜在药物靶点。
引言： 从海量测序数据到高价值药物靶点
随着高通量测序技术的普及，癌症研究者常陷入一种“数据过载”的困境：手握成百上千个差异表达分子，却难以甄别哪个具有真正的药物研发潜力。面对海量数据，如何精准锁定理想的药物靶点？如何避免因验证维度单一而导致的“实验室结果有效、临床转化失败”的尴尬局面？
传统的单一数据库注释往往存在局限——仅关注基因表达易忽略成药性，仅关注疾病关联易忽视安全性。破局的关键，在于打破信息茧房，构建多维度的“靶点综合评价体系”。本文将系统阐述如何通过TTD、OMIM、GeneCards、PharmGKB、CTD五大权威数据库的联合分析，结合测序数据，高效筛选出高价值的潜在药物靶点。
单一数据库所提供的信息维度有限。以下5个权威靶点筛选数据库各有侧重，分别覆盖成药性、遗传关联、基因综合信息、药物基因组学及毒理安全性5个维度，合理搭配使用可满足多数靶点筛选场景的需求。
网址：https://ttd.idrblab.cn/
核心定位：已验证药物靶点注释数据库。
核心价值：专注于已知药物靶点的标准化注释，是目前药物靶点领域认可度较高的数据库之一，详细记录了靶点对应药物的研发阶段（已上市、临床试验中及实验性药物等）。如果研究目标是“老药新用”或寻找已有成药证据的新靶点，TTD是首选工具。
● 优势：所有信息均有文献/研发数据支撑，准确性高，可直接关联药物研发阶段。
● 局限：仅收录已有药物研究基础的靶点，对尚未有药物研究的靶点覆盖不足。
网址：https://www.omim.org/
核心定位：人类孟德尔遗传信息数据库。
核心价值：聚焦于基因-表型关联，收录了人类基因和遗传表型的对应关系，可用于验证基因功能与致病机理。在肿瘤等疾病研究中，可辅助判断差异分子是否具备明确的致病遗传学证据。
● 优势：遗传学证据链扎实，适合挖掘疾病发生发展的核心驱动基因。
● 局限：以遗传病相关信息为主，对药代动力学等成药属性关注较少。
3.GeneCards：
网址：https://www.genecards.org/
核心定位：人类基因综合注释数据库。
核心价值：提供全维度的基因注释信息，整合了近200个数据源的内容，覆盖基因的功能、表达、突变、参与通路等几乎所有维度，初步筛选阶段可以快速获取目标基因的全面概览。
● 优势：数据覆盖范围极广，可一站式获取多源信息。
● 局限：信息过于庞杂，需要研究者具备较强的去噪能力以提炼核心信息。
网址：https://www.pharmgkb.org/
核心定位：药物基因组学数据库。
核心价值：专注于基因变异对药物反应影响的研究。在精准治疗相关研究中，可辅助筛选影响化疗敏感性、毒副作用的相关基因，适用于个性化治疗靶点的筛选。
● 优势：数据与临床用药场景关联性强，对个性化医疗研究的参考价值较高。
● 局限：数据主要围绕现有上市药物，对暂无对应药物的新靶点覆盖不足。
5.CTD (Comparative Toxicogenomics Database)：
网址：https://ctdbase.org/
核心定位：毒理基因组学数据库。
核心价值：揭示化学物质、基因、疾病之间的毒理关联，构建了三者的复杂关联网络。可预测潜在药物靶点的毒性反应，帮助研究者提前规避高毒性靶点，降低药物研发后期因安全性问题导致的失败风险。
● 优势：独特的毒理学视角，有助于降低药物研发后期因安全性问题失败的风险。
● 局限：数据主要基于关联分析推断，需结合湿实验进行验证。
整体遵循「先扩面、再收窄」的漏斗式筛选原则：首先通过数据库覆盖所有潜在靶点，继而结合测序数据进行交叉验证，兼顾全面性和精准性，操作共分三个步骤：
基于测序数据进行差异表达分析，筛选得到差异表达分子作为候选基础。
以疾病名称为关键词，采用「并集策略」合并五大数据库的检索结果，避免遗漏潜力分子。
将初始底库与潜在靶点池取交集。后续研究靶点可借助机器学习AI筛选，或结合人工优先选取差异倍数高、多数据库重复、成药性好的分子。
✔ 分子水平验证：通过qPCR、WB技术验证靶点在癌症/对照样本中的表达差异；通过蛋白互作实验、荧光素酶实验明确靶点的调控通路与核心功能。
✔ 细胞水平验证：利用基因编辑技术干预靶点表达，开展细胞增殖、凋亡、迁移侵袭及药物敏感度检测，验证靶点对疾病表型的影响及其成药潜力。
✔ 动物水平验证：构建靶点过表达/敲除的癌症模式动物，给药后观测动物生存周期、脏器功能、病理变化，验证靶点的体内药效与毒性风险。
● 科学问题：如何筛选兼具预后预测价值与药物靶点潜力的关键分子，以构建肝细胞癌（HCC）预后风险模型？
● 研究策略：
❶ 初筛候选分子：比较HCC组与对照组，筛选差异表达分子，并与数据库预测的疾病相关分子取交集，初步锁定候选分子群。
❷ 机器学习筛选：通过机器学习算法对候选分子进一步降维筛选，最终确定6个关键基因，构建预后风险预测模型。
❸ 湿实验验证：采用WB、免疫组化技术在临床样本中验证关键基因的蛋白表达水平，证实前期分析结果的可靠性。
● 结果：成功筛选出关键分子，不仅能精准预测患者生存结局，还显示出作为潜在药物靶点的价值，可辅助指导临床靶向及免疫治疗决策。
一站式解决方案：
让靶点挖掘不再“盲人摸象
若您的研究涉及以下任一方向：
✔ 肿瘤转移机制探索
✔ 液体活检标志物开发
✔ 靶向药物靶点筛选
✔多维度数据整合解读
我们的一站式解决方案可为您提供：
HPA 五维深度挖掘： 全面覆盖组织特异性、分泌部位、疾病关联等核心维度。
机器学习模型强化：联合HPA特征，构建高精度诊断/预后模型。
下游机制深度拓展：
● 免疫微环境解析 (MCP-counter、xCell、CIBERSORT、ssGSEA)。
● 药物靶点预测分析 (TTD、OMIM、Genecards、PharmGKB、CTD)。
● 细胞程序性死亡 (凋亡、自噬、铁死亡、坏死性凋亡、焦亡)。
立即行动，开启肿瘤研究新篇章！ →点击了解癌症分子机制研究一站式解决方案
撰稿人：刘宏韬
审核人：肖宇琴
参考文献
[1] Zhou X,Cui G,Hu E, et al. The impact of de novo lipogenesis on predicting survival and clinical therapy: an exploration based on a multigene prognostic model in hepatocellular carcinoma. J Transl Med. 2025;23 (1):679. doi:10.1186/s12967-025-06704-y
更多合集推荐
体液生物标志物研究 | FFPE样本蛋白质组研究 | 诊断生物标志物研究 | 预后生物标志物研究 | 细胞/动物模型蛋白质组研究 | 蛋白互作组研究 | 药物靶点筛选 | 感染性疾病研究
科研干货：
关键词： 告别单库局限！TTD/OMIM/GeneCards/PharmGKB/CTD五维联筛「锁定癌症靶点」
相关资讯
双喜临门！谱度众合连获2026年“武汉市人工智能企业”和“武汉市大数据企业”双项殊荣
2026-07-30
谱度众合亮相贵州大学溪山生物医药创新论坛：高通量质谱技术驱动药物靶点精准筛选
2026-07-30
科研不容试错，标准铸就信任！谱度众合PRM靶向检测省级团体标准正式获批！
2026-07-30
二十年质谱技术沉淀助力于您的蛋白质研究
谱度众合是一家由武大生科院博士师兄弟创办的科研服务企业，团队延续课题组方向持续深耕专业领域20年，一直专注于利用质谱技术服务于生物标志物发现、药物靶点筛选、分子机制解析等研究领域，致力于为生物医学科研工作者提供靠谱的高效率科研工具。
业务咨询