方法文章

基于证候本体与多维定量关联计算平台的中药复方网络药理学分析

624 次观看

⸱

DOI：

10.3791/68026

⸱

2025年8月22日

 ,  ,  ,  ,  ,  ,  , 
1West China Second Hospital, Sichuan University, 2Key Laboratory of Birth Defects and Related Diseases of Women and Children (Sichuan University), Ministry of Education, 3West China School of Clinical Medicine, Sichuan University, 4Guangdong Pharmaceutical University, 5The first affiliated hospital of Guangdong Pharmaceutical University, 6Panyu Hospital of Chinese Medicine

* These authors contributed equally

本文内容

摘要

我们提出一种基于SoFDA平台、网络药理学和中医（TCM）的“方剂-成分-靶点-通路-证候-疾病”网络构建方法。与当前主流的网络药理学方法相比，该网络引入了证候这一关键要素，体现了中医辨证论治的核心原则。

摘要

目前，中药方剂的网络药理学方法通过构建“方剂-成分-靶点-通路-疾病”网络，预测特定疾病的潜在活性成分及其作用机制。

辨证论治是中医的核心原则，体现了其整体性和动态性的诊疗理念，强调个体差异和疾病的发展过程。通过将证候特征整合到网络中，研究人员可以针对疾病的不同阶段开发多靶点药物，实现精准化和个体化的治疗。中医证候本体与多维定量关联计算平台（SoFDA）能够将中医证候纳入网络药理学分析之中。

本研究以苓桂术甘汤（方剂）为例，阐述其在治疗阳虚证和痰湿证型肥胖中的应用。我们首先从TCMSP数据库中鉴定出该方剂的关键活性成分，随后利用SoFDA构建疾病、证候、靶基因及信号通路之间的关联网络，最终整合上述数据，建立方剂-成分-靶点-通路-证候-疾病网络。

引言

通过结合中医辨证论治的理念，并利用SoFDA1,2平台，我们探索了一种新的网络药理学方法，即整合药理学，用于构建中药方剂的方剂-药物-靶点-通路-证候-疾病网络图谱。

与近年来流行的网络药理学方法相比，该方法融入了中医的证候要素。证候是中医特有的概念之一，是对疾病在发展过程中某一阶段病理性质的概括。

证候是中医诊断和治疗的基本模式。一种疾病可表现为多种证候，随着疾病的发生、发展和痊愈，证候也会相应地发生变化。

中医 practitioners 会使用不同的方剂治疗不同的证候。因此，将证候纳入网络药理学研究，是中医药理论创新和方法学改进的重要步骤3,4。

中医证候本体与多维定量关联计算平台（SoFDA）是由中国中医科学院开发的一个开源平台1,2。这是首个可获取的 中医证候本体集合，包含证候分类工具，以及与疾病和方剂相关的特征 关联信息，用于研究 病理联系和治疗 机制。

通过计算症状、靶基因、富集的基因本体条目、通路及网络模块的相似性以及网络密度，评估证候-证候、证候-疾病、证候-方剂及证候-疾病-方剂之间的关联程度，并进一步采用多种可视化形式（如热图、多层级网络图和Upset图）展示关联分析结果。

目前网络药理学分析的基本流程大致如下：第一步是检索中药/草药-化学成分数据库、疾病-靶点数据库，以收集中药方剂/草药的成分/化学物质、化学物质的作用靶点以及相关疾病信息。随后利用蛋白质相互作用数据库进行蛋白质-蛋白质相互作用（PPI）的拓展与分析。最后通过体外实验（in vitro）、体内实验（in vivo）或计算机模拟（in silico）对结果进行验证。

网络药理学的研究结果以中药/方剂-基因靶点-通路-成分-现代疾病的形式呈现，其最终目标是预测中药方剂的作用基础与作用机制。为了进一步揭示中药的物质基础、作用机制以及药性理论，我们选择将SoFDA平台引入网络药理学研究。我们将这种产生处方-药物-靶点-通路-证候-疾病结果的计算机药理学分析方法称为整合药理学1,2。

肥胖 作为一种全球常见的慢性肝病，给全球社会带来了巨大的经济负担。

在中医理论中，肥胖 是一种以阳虚为综合征的复杂疾病， 痰湿证，脾胃
缺陷综合征、血瘀综合征等5,6。所以它 适合采用增强的治疗方法 杨气，化痰祛湿，调理 主要器官7.

苓桂术甘汤（茯苓、桂枝、白术、甘草，质量比为4:3:3:2）源自《金匮要略》，可用于治疗肥胖 通过临床实践。它也被称为FU LING GUI 知柏甘草汤

在以下实验方案中，我们将演示基于创新的SoFDA网络药理学分析方法（整合药理学）研究苓桂术甘汤治疗肥胖相关阳虚证和痰湿证的应用。我们将通过构建苓桂术甘汤治疗非酒精性脂肪性肝病中的阳虚证和痰湿证的成分-靶点-通路网络，展示该方法的技术流程。

访问受限。请登录或开始试用以查看此内容。

方案

服用苓桂术甘汤治疗 "阳虚证" 和 "痰湿证" 以腹型肥胖为例。苓桂术甘汤由4种草药组成： 茯苓 （涪陵） 桂枝 （桂枝），根茎 白术 （白术） 甘草根 和甘草（Gancao）。SoFDA 平台的网站为 http://www.tcmip.cn/Syndrome/front/#/。传统中药系统药理学（TCMSP）数据库的网站为 https://old.tcmsp-e.com/tcmsp.php

1. 筛选方剂中的活性成分

  1. 访问中药系统药理学数据库与分析平台（TCMSP）8数据库。
  2. 在药材名称栏中依次输入茯苓、桂枝、白术和甘草，然后点击搜索。
  3. 点击OB旁边的按钮，在显示数值满足以下条件的项目：下拉菜单中选择大于或等于，并在下方数值栏中输入30.00。
  4. 点击DL的筛选按钮，在显示数值满足以下条件的项目：下拉菜单中选择大于或等于，并在下方数值栏中输入0.18。
    注意：根据吸收、分布、代谢和排泄（ADME）9,10特性，筛选出这四种药材中口服生物利用度（OB）≥ 30% 且类药性（DL）≥ 0.18 的化学成分2,8。
  5. 依次复制茯苓、桂枝、白术和甘草四种药材筛选后的化学成分分子名称，并将其粘贴至电子表格中，整理成表格形式。

2. 筛选方剂、证候和疾病的靶点

  1. 进入 SoFDA 平台，选择 病-证-方关联 在 关联性评估 柱
    注意：术语 关联水平 包括五个类别： 完全不同的，低，中等，高，以及 相同选择 相同, 高 和 中等 表示关联项与疾病或中药方剂之间分别具有高度和中度相关性。关联项与疾病或中药方剂的相关性越高，分析结果就越准确。因此， 相同, 高 和 中等 应进行选择。
  2. 在 同病异证异治关联 亚组，选择 肥胖 作为 疾病选择 阳虚证 和 痰湿证 用于 综合征选择 初级 & 继发症状 用于 症状.
  3. 选择 症状相关基因 用于 关联项选择 相同, 高 和 中等 用于 关联水平选择 茯苓桂枝白术甘草汤 TANG/公式 134 对于 公式.
    注意：通过输入 腹部肥胖 在 SoFDA 平台的疾病搜索栏中输入后，检索到两个结果： 腹部肥胖-代谢综合征 1/ABD014 和 腹部肥胖-代谢综合征 3/ABD013两种类型的肥胖均以腹部肥胖为特征，但在其相应的症状复合体上有所不同。综合征3与以下症状相关： 心肌梗死，躯干性肥胖，高胆固醇血症，冠状动脉狭窄，腹部肥胖，常染色体显性遗传，高血压，中风，而综合征1与以下因素相关： 常染色体显性遗传，高血压，腹部肥胖因此，选择综合征1进行后续分析。
  4. 点击 提交，然后获取与阳虚证、痰湿证、腹型肥胖及方剂相关的基因集合。
  5. 点击 阳虚证 和 痰湿证，分别复制初级 & 两种综合征的次要症状相关基因，并将它们保存到文件中。
  6. 访问 STRING 在线网站，点击 多种蛋白质 左侧的分区，将步骤 2.2 中获得的两个综合征的相关基因输入搜索框中，然后选择 homo sapiens 对于这些生物体，然后点击 继续搜索 获得蛋白质-蛋白质相互作用（PPI）网络图。在以下条件下 设置 切片，选择高置信度核心（0.700），最后分别导出TSV文件11,12.
  7. 启动 Cytoscape 软件，点击 文件 > 导入 > 从文件导入网络 在 Cytoscape 中打开上一步获得的 TSV 文件。然后，在 风格 在软件的标签页中，自定义蛋白质相互作用网络的颜色和布局设置。最后，单击 文件 > 导出 > 导出为图像 以获得最终的蛋白质相互作用网络图。

3. 功能预测

  1. 进入 SoFDA 平台的 关联综合征-疾病间共同基因/网络模块的功能富集-公式 部分。
  2. 在 富集类型 下选择 生物过程、细胞组分、分子功能 和 Reactome 通路。
  3. 点击提交以获取结果。
  4. 点击图像右下角的 ↓ 按钮，下载与生物过程、细胞组分、分子功能及 Reactome 通路相关的电子表格文件。
  5. 完成选择后，点击 提交，以查看 关联综合征-疾病间共同基因/网络模块的功能富集-公式 模块，同时下载生物过程（BP）、细胞组分（CC）、分子功能（MF）描述以及 Reactome 通路图谱的所有数据。
  6. 打开 Wei Sheng Xin 在线网站（https://www.bioinformatics.com.cn/），选择 带颜色梯度的条形图 栏目，然后将获得的 BP、CC、MF 描述及 Reactome 通路数据导入该网站，生成带颜色梯度的条形图。

4. 方剂-靶点-通路-证候-疾病网络构建

  1. 完成2.1步骤的选择后，点击 前往网络 位于第一页底部并进入第二页。
  2. 选择 阳虚证 和 痰湿证 用于 综合征选择 初级 & 继发症状 用于 症状 并选择 腹部肥胖 用于 疾病选择 茯苓桂枝白术甘草汤 TANG/公式 134 对于 公式。然后，在 显示，选择所有 疾病，综合征，方剂，症状，以及 Reactome 通路.
  3. 然后点击 提交 并获得网络图 方剂-靶点-通路-证候-疾病.

5. 方剂-成分-靶点-通路-证候-疾病网络构建

注意：在 SoFDA 平台上，搜索方剂茯苓（Fu Ling）、桂枝（Gui Zhi）、白术（Bai Zhu）和甘草（Gan Cao）汤无法获得其主要活性成分。因此，建议仅从 TCMSP 数据库中分别提取茯苓、桂枝、白术和甘草的主要活性成分。按照步骤 1.1.3–1.1.4 获取茯苓（Fu Ling）、桂枝（Gui Zhi）、白术（Bai Zhu）和甘草（Gan Cao）汤的主要活性成分，然后将其导入方剂-靶点-通路-证候-疾病网络，以生成方剂-成分-靶点-通路-证候-疾病网络图。由此可确保 SoFDA 与 TCMSP 中的基因 ID 和通路之间不存在数据异质性。

  1. 从 SoFDA 平台下载由第 4 节生成的方剂-靶点-通路-证候-疾病网络数据，并将其导入电子表格中。
  2. 随后，将第 2 节筛选出的苓桂术甘汤活性成分添加至该电子表格中，并将电子表格重命名为Network。另创建一个名为type的新电子表格，用于保存第 4 节生成的各个节点类型。
  3. 打开 Cytoscape（版本 3.9.1）软件，点击从文件导入网络以导入network文件，再点击从文件导入表格以导入type文件。然后，点击style按钮，对方剂-成分-靶点-通路-证候-疾病网络进行调整与修改13。
  4. 点击以图像文件导出按钮，获取方剂-成分-靶点-通路-证候-疾病网络图。

访问受限。请登录或开始试用以查看此内容。

结果

根据生物利用度≥30%和药效团≥0.18%的标准，我们筛选出苓桂术甘汤中四种中药的103种活性成分。主要活性成分为槲皮素、山奈酚、柚皮素、β-谷甾醇和异鼠李素。该结果与江等人的实验室提取和筛选成分结果一致14。

对于苓桂术甘汤的湿痰证和阳虚证（图1），获得与阳虚证相关的腹型肥胖靶点328个（图2A），湿痰证相关靶点64个（图2B）。

对阳虚证（328个）和痰湿证（64个）共392个靶点进行基因本体（GO）和京都基因与基因组百科全书（KEGG）通路富集分析（图3），共获得390条富集通路（346条GO通路和44条KEGG通路，p ≤ 0.05），其中包括279个生物过程（BP）、35个分子功能（MF）和32个细胞组分（CC）。对前12条富集分析通...

访问受限。请登录或开始试用以查看此内容。

讨论

SoFDA 是首个面向中医证候的开源本体数据库，其数据和分析结果完全向公众开放。这种开源特性为研究人员提供了更大的灵活性。该平台采用基于相似性的关联评估系统，利用 Jaccard 或余弦相似性度量方法，对疾病-证候及方剂-证候之间的关联进行定量评估。这种动态建模能力使 SoFDA 能够更好地模拟疾病与证候的动态变化过程，而传统的网络药理学方法通常仅提供静态的网络分析结果。

SoFDA 与网络药理学分析的整合被认为是动态的，因为传统的网络药理学缺乏能够捕捉疾病动态进展（即证候转化）以及药物干预前后变化的数据库。此外，多靶点和多通路数据库的自动整合是 SoFDA 平台的内在优势和显著特征。

利用 SoFDA2 平台构建方剂-成分-靶点-证候-通路-疾病网络，可直观展示各处方治疗疾病时可能的活性成分、作用靶点、症状表现及关键影响通路，从而获得某方剂治疗某疾病的潜在作用机制。通过对疾病-证候-方剂关联性的定量计算，研究人员可开发针对疾病不同发展阶段的个体化、分期特异性精准用药方案。这不仅...

访问受限。请登录或开始试用以查看此内容。

披露

所有作者均无利益冲突。

致谢

本研究由四川省科技计划项目（2024YFFK0158）、国家自然科学基金（82104716）、广东省研究生教育创新计划项目（2022SFKC073）、广东省自然科学基金项目（2023A1515220146）以及成都市科技项目（2024-YF05-00480-SN）资助。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
Cytoscape（版本 3.9.1）美国国家人类基因组研究所 (NHGRI) https://cytoscape.org/
基因本体（Gene Ontology, GO）知识库全球核心生物数据资源https://www.geneontology.org/
KEGG：京都基因与基因组百科全书金久实实验室https://www.genome.jp/kegg/
SoFDA 平台中国中医科学院http://www.tcmip.cn/Syndrome/front/#/
STRING 12.0 网站全球生物数据联盟？ELIXIRhttps://cn.string-db.org/
TCMSP 平台浙江九维健康科技有限公司https://old.tcmsp-e.com/tcmsp.php
卫圣新在线网站NEWCOREhttps://www.bioinformatics.com.cn/

参考文献

  1. Zhang, Y., et al. SoFDA: an integrated web platform from syndrome ontology to network-based evaluation of disease-syndrome-formula associations for precision medicine. Sci Bull. 67, 1097-1101 (2022).
  2. Liu, Y., et al. Ontology characterization, enrichment analysis, and similarity calculation-based evaluation of disease-syndrome-formula associations by applying SoFDA. iMeta. 2, e80(2023).
  3. Zhang, P., et al. Network pharmacology: towards the artificial intelligence-based precision traditional Chinese medicine. Brief Bioinform. 25 (1), bbad518(2023).
  4. Yue, W., et al. SDPR: Prescription recommendation with syndrome differentiation in traditional Chinese medicine. IEEE J Biomed Health Inform. 29 (5), 3736-3749 (2025).
  5. Zhang, C. H., et al. Mechanism and Basis of Traditional Chinese Medicine Against Obesity: Prevention and Treatment Strategies. Front. Pharmacol. 12, 615895(2021).
  6. Chen, Y. K., Liu, T. T., Teia, F. K. F., Xie, M. Z. Exploring the underlying mechanisms of obesity and diabetes and the potential of Traditional Chinese Medicine: an overview of the literature. Front Endocrinol. (Lausanne). 14, 1218880(2023).
  7. Luo, J., Shen, S., Xia, J., Wang, J., Gu, Z. Mitochondria as the Essence of Yang Qi in the Human Body. Phenomics. 2 (5), 336-348 (2022).
  8. Zhou, G., Feng, X., Tao, A. Explore the Lipid-Lowering and Weight-Reducing Mechanism of Lotus Leaf Based on Network Pharmacology and Molecular Docking. Evid. Based Complement. Alternat. Med. 2021, 1464027(2021).
  9. Dai, L., et al. Lingguizhugan Decoction, a Chinese herbal formula, improves insulin resistance in overweight/obese subjects with nonalcoholic fatty liver disease: a translational approach. Front Med. 16 (5), 745-759 (2022).
  10. Nie, W., et al. Comparison of pharmacokinetic profiles of seven major bioactive components in normal and nonalcoholic fatty liver disease (NAFLD) rats after oral administration of Ling-Gui-Zhu-Gan decoction by UPLC-MS/MS. Front Pharmacol. 14, 1174742(2023).
  11. Chen, L. P., et al. decoction ameliorates nonalcoholic fatty liver disease via modulating the gut microbiota. Microbiol Spectr. 12 (6), e0197923(2024).
  12. Liu, K., Yang, X., Zhang, G., Xiang, Z. Therapeutic effect and mechanism prediction of Fuzi-Gancao herb couple on nonalcoholic fatty liver disease (NAFLD) based on network pharmacology and molecular docking. Comb Chem High Throughput Screen. 27 (5), 773-785 (2024).
  13. Nogales, C., et al. Network pharmacology: curing causal mechanisms instead of treating symptoms. Trends Pharmacol Sci. 43 (2), 136-150 (2022).
  14. Tan, O. J., Loo, H. L., Thiagarajah, G., Palanisamy, U. D., Sundralingam, U. Improving oral bioavailability of medicinal herbal compounds through lipid-based formulations - A scoping review. Phytomedicine. 90, 153651(2021).
  15. Szklarczyk, D., et al. The STRING database in 2023: protein-protein association networks and functional enrichment analyses for any sequenced genome of interest. Nucleic Acids Res. 51, D638-D646 (2023).
  16. Xu, J., et al. Pharmacological mechanisms underlying the neuroprotective effects of Alpinia oxyphylla Miq. on Alzheimer's disease. Int J Mol Sci. 21, 2071(2020).
  17. Doncheva, N. T., et al. Cytoscape stringApp 2.0: Analysis and visualization of heterogeneous biological networks. J Proteome Res. 22 (2), 637-646 (2023).
  18. Chen, X. Y., Huang, C. F. Network pharmacology analysis of "Ling Gui Zhu Gan Decoction" in the treatment of obesity-associated non-alcoholic fatty liver disease. Pak J Pharm Sci. 38 (3), 1011-1021 (2025).
  19. Udhaya Kumar, S., et al. Involvement of Essential Signaling Cascades and Analysis of Gene Networks in Diabesity. Genes. (Basel). 11 (11), 1256(2020).
  20. Martínez-Reyes, I., Chandel, N. S. Mitochondrial TCA cycle metabolites control physiology and disease. Nat Commun. 11, 102(2020).
  21. Zhao, L., et al. Network pharmacology, a promising approach to reveal the pharmacology mechanism of Chinese medicine formula. J Ethnopharmacol. 309, 116306(2023).
  22. Li, M., Wang, L., Wu, Q., Zhu, J., Zhang, M. Diagnosis knowledge constrained network based on first-order logic for syndrome differentiation. Artif Intell Med. 147, 102739(2024).

访问受限。请登录或开始试用以查看此内容。

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

视频即将推出

相关文章