计算机辅助侗药退热止咳活性成分筛选与验证

摘要

在这里，我们构建了一个多维网络 "成分-靶点-通路-疾病"结合网络药理学筛选、分子对接以及LPS诱导的小鼠模型验证，通过确立明确的关键参数，可高效鉴定侗族医药冷愈消汤的活性成分，并验证该流程的可重复性。

摘要

系统筛选与验证侗族药物冷鱼小汤（LYXT）中的活性成分; 牵牛子 Verbena officinalis L.，以及 姜（Zingiber officinale Roscoe）) 用于治疗发热和咳嗽，该方案建立了一种整合网络药理学预测与实验验证的方法学流程。首先，利用中药系统药理学数据库与分析平台（TCMSP），以口服生物利用度（OB）≥ 30% 和类药性（DL）≥ 0.18 为筛选条件，筛选出LYXT的关键活性成分，并从多种疾病数据库中收集与发热、咳嗽相关的靶点。随后， "成分-靶点-疾病" 通过构建相互作用网络，并结合拓扑学分析以及基因本体（GO）和京都基因与基因组百科全书（KEGG）通路富集分析，鉴定了核心作用靶点（CYP3A4、POR）和关键信号通路（MAPK通路）。采用分子对接技术验证了关键成分与核心靶点的结合能力。最后，通过鼻内滴注脂多糖（LPS）建立慢性支气管炎小鼠模型，并对 体内 通过动物实验证实了网络药理学预测的主要活性成分的抗炎功效。结果表明，β-胡萝卜素和蛇床醇等经网络药理学筛选出的成分在动物实验中均表现出不同程度的抗炎作用，其作用机制可能与抑制MAPK/p38信号通路有关。该研究为民族传统药物中活性成分的筛选及作用机制研究提供了可重复的范例。

引言

侗族医学是在中国传统医学（TCM）框架内，由中国贵州、湖南和广西的侗族群体实践的一种民族医学体系。它代表了该民族世代积累的经验知识。这一体系融合了草药、针灸、正骨、按摩、食疗以及精神疗法等多种方法。由于该民族历史上长期处于地理隔绝状态并依赖口传传统，形成了独特的、以实践为基础的药物体系，适应了当地的自然环境与文化信仰。

持续发热是一种当机体无法调节体温时出现的病症，是机体功能紊乱的征兆之一 重要功能 的 自我保护在 人类 细胞¹侗族医药中治疗发热的方法有多种。其中，发热分为内热和外热。内热指由内因疾病引起的发热，外热指因受寒或外伤引起的发热²外源性发热通常会影响胃肠道功能³侗族医生采用寒凉解热疗法治疗发热。在多种侗药处方中，冷郁消汤（LYXT）是用于治疗发热和疼痛的标准汤剂，其成分为牵牛子、 Verbena officinalis L. 和 姜（Zingiber officinale） Roscoe，持续受到冲刷并与水混合⁴主要用于 用于 发热 和 头痛 导致 由 感冒

然而，LYXT 的活性成分及其潜在的分子机制仍不甚明确。为弥补这一空白，本研究采用网络药理学方法预测其可能的活性成分及作用靶点。为验证这些预测结果，选取了成熟的脂多糖（LPS）诱导的小鼠肺部炎症模型，该模型可模拟与发热和咳嗽相关的关键炎症反应，包括白细胞浸润和促炎性细胞因子的产生。

在药物发现过程中，多项研究已表明，化合物 能 相互作用 含有多种蛋白质 靶点。因此， "一种药物，一个生物靶点" 研究范式正在向系统药理学范式转变。一种能够与病毒或细菌的多个生物靶标蛋白相互作用的化合物，可产生有益的药理学效应⁵网络药理学 分析 是 一种可行且强大的方法，可缓解药物发现过程中的高昂成本和耗时问题。该方法有助于我们更深入理解药物间的相互作用，预测致病机制，并提出替代方案 药物 预期药理作用的成员 无副作用，并预测传统 医学。化学信息学方法、分子对接和数据驱动的建模已被成功应用于预测生物活性并分析其作用机制。这些方法有助于 的 快速 发现 具有抗病毒和抗菌作用的化合物 临床 电位，并且这些方法也被用于解释其功效 和 不良反应 药物⁶例如，小分子药物甲磺酸伊马替尼（imatinib mesylate）可抑制慢性髓性白血病的致病因子——融合蛋白Bcr-Abl，同时也可阻断多种酪氨酸激酶的活性，如Abl、Kit和PDGFR⁷因此，针对药物识别的研究以及 其靶点在潜在疾病治疗中仍然至关重要，这有助于我们理解药物化合物在分子水平上治疗疾病的作用机制。计算建模与网络分析 方法能够准确筛选潜在药物和靶点，相乘交互作用分析可为实验验证提供理论依据和实践指导。本文利用基因/蛋白相互作用检索工具（STRING）、注释、可视化与集成发现数据库（DAVID）及其他数据库，结合动态基因本体（GO）分析和通路分析，收集侗药LYXT治疗发热与咳嗽的活性成分及其相关作用蛋白的数据，探讨活性成分组合治疗的作用机制，可为后续侗药LYXT的研究提供具体的理论参考，为民族药方药理机制的探索提供可重复的研究策略，并为新型抗炎药物的开发提供思路。

方案

本动物实验方案已通过兰州大学实验动物伦理委员会（D2024-292）审查，符合动物保护、动物福利与伦理原则，以及国家实验动物福利伦理相关规范。

1. 数据库与软件的准备

1. 活性成分筛选与靶基因收集
   1. 访问中药系统药理学数据库与分析平台（TCMSP）（https://tcmsp-e.com/），分别以LYXT处方中的各味药材的拉丁名Semen Pharbitidis、Verbena officinalis L. 和 Zingiber officinale Roscoe 作为关键词进行独立检索，获取每味药材相关的所有化学成分。
   2. 对每味药材检出的化合物应用筛选标准进行过滤：对于Verbena officinalis L.，设定口服生物利用度（OB）≥ 30.1% 且类药性（DL）≥ 0.12；对于Zingiber officinale Roscoe，设定OB ≥ 60% 且DL ≥ 0.13；对于Semen Pharbitidis，设定OB ≥ 16.93% 且DL ≥ 0.50。随后合并三种药材的筛选后化合物列表，并依据TCMSP唯一标识符去除重复项，生成LYXT的最终活性成分列表。
   3. 从TCMSP数据库导出与这些活性成分相关联的所有靶蛋白，保存为包含化合物标识符和靶蛋白名称的表格，然后将该靶蛋白列表导入UniProt数据库（https://www.uniprot.org/）。
   4. 使用UniProtKB ID映射工具，将所有靶蛋白名称转换为官方人类基因符号，映射方向设为从蛋白名称到基因名称，并剔除无有效基因符号的条目，生成与LYXT活性成分相关的最终靶基因列表。
2. 疾病靶基因收集与交集分析
   1. 在GeneCards数据库（www.genecards.org）中分别以关键词"fever"和"cough"进行独立检索，下载与发热和咳嗽相关的基因，保留相关性评分≥5的基因，并在数据库内合并两次检索结果。
   2. 在治疗靶点数据库（TTD）（db.idrblab.net/ttd）中分别以关键词"fever"和"cough"进行独立检索，下载所有相关靶基因，并在数据库内合并两次检索结果。
   3. 在PharmGkb数据库（www.pharmgkb.org）中分别以关键词"fever"和"cough"进行独立检索，下载所有相关基因，并在数据库内合并两次检索结果。
   4. 在在线人类孟德尔遗传数据库（OMIM）（www.omim.org）中分别以关键词"fever"和"cough"进行独立检索，下载所有相关基因，并在数据库内合并两次检索结果。
   5. 在DrugBank数据库（go.drugbank.com）⁸中分别以关键词"fever"和"cough"进行独立检索，下载所有相关基因，并在数据库内合并两次检索结果。
   6. 将来自上述五个数据库的基因列表合并为一个综合列表，并去除重复的基因符号，生成最终的发热与咳嗽相关疾病靶基因列表。
   7. 将步骤1.2.6获得的疾病靶基因列表与步骤1.1.4获得的LYXT活性成分靶基因列表进行比对，筛选出两者的共有基因，导出该交集基因列表为CSV文件。
3. ID转换与交集分析
   1. 将步骤1.2.7获得的交集基因列表载入R环境，并访问DAVID网站（https://david.ncifcrf.gov/summary.jsp）。
   2. 将交集基因列表上传至DAVID，物种设定为Homo sapiens，列表类型设定为基因符号，然后运行功能注释工具以执行交集分析。
   3. 利用DAVID中的基因ID转换功能，将交集蛋白的基因符号ID转换为Ensembl ID，转换方向设定为从基因符号到Ensembl ID。
   4. 将转换后的Ensembl ID列表连同原始基因符号一并导出为CSV文件，用于后续富集分析。

2. 筛选 关键的 活性成分 以及 靶点 蛋白质

1. 化合物-靶点网络构建
   1. 将步骤 1.2.7 中获得的交集基因列表和步骤 1.1.4 中获得的 LYXT 活性成分靶点基因列表载入 R 环境，进行比较分析，以鉴定同时与靶点基因和交集基因相关的化合物。
   2. 将化合物-靶点关系数据导入 Cytoscape 3.8.1 版本，生成"LYXT-发热与咳嗽-靶点"网络图，以可视化活性成分与其相关靶点之间的相互作用。
2. 蛋白质-蛋白质相互作用数据获取
   1. 将步骤 2.1.1 中获得的 LYXT 活性成分靶点与发热和咳嗽靶点交集的基因 ID 文件导入 STRING 数据库（https://stringdb.org/），选择Homo sapiens为物种，并以多种蛋白质为数据处理方法。
   2. 通过将置信度阈值设为 ≥ 0.90 并剔除相关性极低的蛋白质，对蛋白质-蛋白质相互作用进行筛选，然后生成包含筛选后相互作用数据的 TSV 文件，用于后续分析。
3. 交集分析验证
   1. 利用 R 语言分析活性成分靶点蛋白与发热和咳嗽靶点蛋白之间的交集，确认步骤 1.2.7 中鉴定出的重叠基因集合。
   2. 将该经验证的重叠基因集用于后续的蛋白质-蛋白质相互作用（PPI）网络分析。

3. 关键靶蛋白的筛选

1. 蛋白质互作网络可视化
   1. 将步骤 2.2.2 中筛选后的相互作用数据导入 Cytoscape 3.8.1 版本，并使用网络可视化工具绘制蛋白质互作（PPI）网络图。
   2. 在 Cytoscape 中安装并打开 CytoNCA 插件，然后使用该插件对网络中每个节点计算以下拓扑参数，进行拓扑分析：度中心性（DC）、介数中心性（BC）、接近中心性（CC）、特征向量中心性（EC）、网络中心性（NC）和局部平均连接性（LAC）。
2. 基于中位数筛选法鉴定关键靶蛋白
   1. 将 CytoNCA 计算得到的拓扑参数表导出为 CSV 文件，文件中包含所有节点标识符及其对应的 DC、BC、CC、EC、NC 和 LAC 数值。
   2. 计算网络中所有节点的度中心性（DC）中位数，并筛选出 DC 值大于该中位数两倍的所有节点。
   3. 计算网络中所有节点的接近中心性（CC）和介数中心性（BC）中位数，然后在步骤 3.2.2 筛选出的节点中，仅保留同时满足 CC 大于中位数且 BC 大于中位数的节点，遵循 Kibble 等人⁹ 所描述的筛选方法。
3. 最终关键靶点汇总
   1. 将步骤 3.2.3 中保留的节点标识符汇总为关键靶蛋白列表，并将该列表导出为 CSV 文件。
   2. 在整个文稿中，将该基于中位数的筛选规则（DC 大于中位数的两倍，CC 大于中位数，且 BC 大于中位数）作为关键靶点鉴定的唯一标准，确保与本方案中建立的统一筛选方法保持一致。

4. GO 富集 分析 与 KEGG通路分析

1. 使用 DAVID 数据库进行功能富集分析
   1. 按照 Tanabe 等人¹⁰所述方法，将步骤 1.3.4 中获得的交集基因列表以基因符号格式上传至 DAVID 数据库（https://david.ncifcrf.gov/），设置物种为 Homo sapiens，列表类型为基因符号。
   2. 选择 GOTERM_BP_DIRECT 进行生物过程分析，选择 GOTERM_CC_DIRECT 进行细胞组分分析，选择 GOTERM_MF_DIRECT 进行分子功能分析，并选择 KEGG_PATHWAY 进行 KEGG 通路富集分析。
   3. 设定显著性阈值为 p < 0.05，并对多重检验应用 Benjamini-Hochberg 错误发现率（FDR）校正，然后下载包含条目名称、基因数量、p 值、FDR 校正后 p 值及关联基因的富集结果 CSV 文件。
2. 使用 OmicShare 云平台生成气泡图
   1. 将步骤 4.1.3 中获得的 GO 富集结果导入 OmicShare 云平台（https://www.omicshare.com/tools），并选择 GO 富集气泡图工具。
   2. 上传包含条目名称、基因数量和 p 值的结果文件，配置工具以显示 p 值最低的前 20 个条目。
   3. 设置横轴表示富集比，纵轴列出 GO 条目，气泡大小表示基因数量，气泡颜色表示 p 值。
   4. 生成气泡图并将其下载为高分辨率图像文件。
3. 使用 KEGG mapper 进行 KEGG 通路可视化
   1. 将 KEGG 通路富集结果按 p 值升序排列，选择 p 值最小的前 20 条通路。
   2. 针对每条选定通路，访问 KEGG 数据库（https://www.kegg.jp/kegg/pathway.html）获取通路图。
   3. 通过与富集结果中的通路基因集进行比对，识别交集基因列表中存在于各通路中的靶蛋白。
   4. 访问 KEGG mapper 工具（https://www.kegg.jp/kegg/mapper/），选择 Color Pathway 功能，输入交集基因符号列表和 KEGG 通路编号，生成以红色高亮显示已识别靶蛋白的彩色编码通路图。
   5. 汇总所有富集分析输出结果，包括三个类别的 GO 富集 CSV 文件、KEGG 通路富集 CSV 文件、气泡图图像以及前 20 条通路的彩色编码通路图，并导出这些文件用于后续分析。

5. 分子对接验证

1. 从 RCSB PDB 数据库（https://www.rcsb.org/）下载关键靶点（如网络分析中确定的 CYP3A4 和 POR）的蛋白质三维结构，选择来自智人（Homo sapiens）、分辨率 ≤ 2.5 Å 且包含共结晶配体的结构，以定义活性位点；同时从 PubChem 数据库下载活性化合物（包括 beta-carotene、spathulenol 和 beta-sitosterol）的 SDF 格式结构数据文件。
2. 使用 AutoDockTools 对蛋白质结构进行预处理：移除水分子和共结晶配体，添加极性氢原子，分配 Gasteiger 电荷，然后将处理后的蛋白质保存为 PDBQT 格式；使用 Open Babel 将化合物的 SDF 文件转换为 PDB 格式，在 AutoDockTools 中检测每个配体的可旋转键，并将配体保存为 PDBQT 格式。
3. 以共结晶配体结合位点的坐标为中心，设置对接网格盒尺寸为 60 × 60 × 60 Å，使用 AutoDock Vina 进行分子对接，exhaustiveness 参数设为 8，num_modes 参数设为 10，为每一对配体-蛋白质生成 10 个结合构象。
4. 将对接结果文件及其对应的目标蛋白文件导入 PyMOL，识别并保存结合能最低（即最负值）的对接模型作为代表性构象。
5. 随后将该模型提交至 PLIP 数据库（https://plip-tool.biotec.tu-dresden.de/），分析小分子与蛋白质之间的相互作用，包括氢键、疏水相互作用、π-堆积作用以及盐桥。
6. 计算并整理 LYXT 中所有活性成分与发热、咳嗽相关靶标蛋白的结合能，生成包含化合物名称、靶标蛋白、结合能（kcal/mol）及关键相互作用类型的汇总表格，用于结果部分的展示。
   注：用于网络药理学分析的 R 脚本见 补充文件 1。

6. 动物实验

1. 实验时间线
   1. 将动物适应性饲养1周，于第0天给予脂多糖（LPS）或生理盐水处理，自第7天至第20天连续给药2周，第21天实施安乐死并采集样本。
2. 动物获取与分组
   1. 购买60只成年雄性C57BL/6小鼠 体重25克的小鼠 ±± 4 g，喂养小鼠1周后，随机分为生理盐水组（6只）和LPS损伤组（54只）。
   2. 在给药前第7天，将LPS损伤组进一步随机分为7个亚组，每组6只小鼠：模型组、阳性组（地塞米松，50 mg·kg^-1·d^-1），LYXT治疗组（200 mg·kg^-1·d^-1），β-胡萝卜素组（50 mg·kg^-1·d^-1），匙叶桉油烯醇组（50 mg·kg^-1·d^-1），以及β-谷固醇组（50 mg·kg^-1·d^-1).
      注：治疗给药和结局评估均采用盲法。
3. LPS诱导的肺部炎症模型
   1. 以60 mg/kg剂量通过腹腔注射2%戊巴比妥钠进行麻醉。通过夹尾无反应确认麻醉达到中等深度。最后，根据记录的体重，计算浓度为10 mg/mL的LPS所需注射体积。
   2. 通过移液器吸取精确计算体积的LPS溶液，以备鼻腔给药。用右手紧握小鼠尾根部固定小鼠，同时用左手拇指和食指轻轻捏住其耳部以固定头部。
   3. 缓慢排出液体，直至形成一小滴（约2 µL）在移液器尖端形成液滴。小心地将液滴靠近小鼠右侧鼻孔，直至接触。立即迅速将左手向上提起30–40 cm，然后轻柔地将手和小鼠恢复至起始位置。
      注意：需注意保持小鼠鼻孔朝上。
   4. 采用相同方法将少量液体滴入小鼠左侧鼻孔，并依次滴加至左右两侧鼻孔，直至完成液体灌注。
   5. 然后释放小鼠，用胶带将其固定在小鼠板上，保持腹部朝上、头部向上倾斜的体位超过4小时。待小鼠苏醒后，将其放回笼中进行观察，操作方法参照Lorenz等人的描述。¹¹.
4. 支气管肺泡灌洗液采集
   1. 将脂多糖损伤组小鼠随机分为七组：阴性对照组、模型组、阳性组（地塞米松，50 mg·kg⁻¹）、β-胡萝卜素低剂量组（10 mg·kg⁻¹）、β-胡萝卜素高剂量组（20 mg·kg⁻¹）、沙巴醇低剂量组（5 mg·kg⁻¹）、沙巴醇高剂量组（10 mg·kg⁻¹）。^-1.^-1），LYXT治疗组（200 mg·kg⁻¹）^-1。^-1），β-胡萝卜素组（50 mg·kg⁻¹）^-1。^-1），匙叶桉油烯醇组（50 mg·kg⁻¹）^-1。^-1），以及β-谷固醇组（50 mg·kg⁻¹）^-1。^-1每组六只小鼠。
      注意：按如下方法制备LYXT： 混合牵牛花种子 (L.)  Choisy, 马鞭草 L.，和 姜 5:3:2 质量比的 Roscoe 粉末  将粉末与水按1:30（g/mL）混合，在80℃下回流提取 °C下反应2小时。过滤并浓缩溶液（30 °C，0.01–0.08 MPa）并溶于水配制成 2 g/mL 的溶液。以β-胡萝卜素、β-谷甾醇和蛇麻烯醇作为实验验证的对照品。自脂多糖处理后第1周开始，每日给药1次，连续给药2周。参照Jin等的方法，采用过量戊硫喷妥钠（100 mg/kg）处死动物。¹².
   2. 用23号套管插管心室，然后在25 cm H₂O压力下缓慢向肺组织注入10 mL PBS。₂O，并按照 Pinheiro 等人所述方法重复灌洗约 6 次，以获取支气管肺泡灌洗液（BALF）。¹³.
5. 支气管肺泡灌洗液和血清中白细胞及细胞因子分析
   1. 将收集的支气管肺泡灌洗液（BALF）在500 × g离心 × g 4℃下离心10分钟 °C. 将细胞沉淀重悬于1 mL PBS中，用台盼蓝按1:10稀释，使用血细胞计数板在光学显微镜下400倍视野下计数总白细胞数。× 放大倍数
   2. 采集支气管肺泡灌洗液上清和经心脏穿刺获取的血清样本。
   3. 检测 TNF-αα，IL-1β，使用商品化ELISA试剂盒按照制造商说明书检测IL-18浓度，用酶标仪在450 nm处读取吸光度，并根据标准曲线计算浓度。采用BCA法测定BALF中的蛋白浓度。
6. 通过HE染色和WB分析验证活性成分
   1. 为确定对LYXT疗效有贡献的活性成分，需按照第6.3节重新建立脂多糖（LPS）诱导的肺部炎症模型。
   2. 购买60只小鼠，适应性饲养一周后随机分为五组（每组n = 12）：模型组、LYXT组（200 mg·kg^-1·d^-1），β-胡萝卜素组（50 mg·千克^-1·d^-1），匙叶桉油烯醇组（50 mg·kg^-1·d^-1），以及联合用药组（25 mg·千克^-1·d^-1 每个
   3. 在第0天给予LPS，从第7天到第20天进行处理，具体操作如步骤6.3所述。在第21天采集肺组织¹⁴.
7. 组织学分析
   1. 将左肺上叶用4%多聚甲醛固定24 h，经石蜡包埋后切片，厚度5 μm µm切片，进行苏木精-伊红（HE）染色。
   2. 在200倍光学显微镜下观察切片× 和 400× 放大观察炎症细胞浸润和肺泡壁增厚情况。采集代表性图像。
8. Western blot 分析
   1. 在含有蛋白酶和磷酸酶抑制剂的放射免疫沉淀测定（RIPA）缓冲液中匀浆肺组织。在12,000 × g下离心 × g 4℃下孵育15分钟 °C，并使用二辛可宁酸（BCA）法测定蛋白浓度。
   2. 加载30 µ每孔加入等量蛋白质样品，进行十二烷基硫酸钠-聚丙烯酰胺凝胶电泳（SDS-PAGE），转至聚偏二氟乙烯（PVDF）膜，并用5%脱脂牛奶封闭。
   3. 孵育 p-p38、p38 和 TNF- 的一抗α，IL-1βIL-18 和 β-actin，4 ℃过夜 °C，然后与HRP标记的二抗孵育。
      注：抗体的稀释比例在下文中提供 材料表.
   4. 使用ECL底物显影条带，采集图像，并利用ImageJ软件进行条带强度定量。将目标蛋白表达水平归一化至 β-肌动蛋白或总p38。

结果

采用TCMSP数据库收集了409种LYXT的活性成分。其中，58种成分来自Verbena officinalis L.，86种来自牵牛子（Semen Pharbitidis），265种活性成分来自Zingiber officinale Roscoe。根据筛选标准：Verbena officinalis L. 的口服生物利用度（OB）≥ 30.1%，药物相似性（DL）≥ 0.12；Zingiber officinale Roscoe 的 OB ≥ 60%，DL ≥ 0.13；牵牛子（Semen Pharbitidis）的 OB ≥ 16.93%，DL ≥ 0.50，共筛选出26种关键活性成分（表1）。

通过LYXT活性成分作用靶点的交集分析，共获得207个相互作用的蛋白质。与发热和咳嗽相关的靶点蛋白从String数据库中导入，并构建了蛋白质相互作用图谱（图1）。图中节点代表蛋白质，边代表蛋白质之间的相互作用，边越粗（连接...

讨论

本文成功鉴定了侗药复方LYXT中的26种活性成分及其207个潜在作用靶点。LYXT是一种用于治疗发热和咳嗽的传统侗药汤剂。关键发现包括通过网络拓扑学分析鉴定出CYP3A4为关键靶点蛋白，并在脂多糖（LPS）诱导的肺部炎症模型中，通过实验验证了LYXT、β-胡萝卜素和蛇麻醇为具有显著抗炎活性的化合物。上述成果通过整合网络药理学方法（包括数据库筛选、蛋白质-蛋白质相互作用网络分析和分子对接）与 体内 实验验证（BALF 白细胞计数、细胞因子测定、组织学和 Western blot）

首先，一种独特的中药系统药理学平台TCMSP，能够整合疾病、药物与靶点之间的相互关系。本研究利用TCMSP平台筛选了LYXT中针对发热和咳嗽的关键成分，并通过分子对接分析评估了活性成分与靶点之间的结合亲和力。根据以下筛选标准，本研究共鉴定出LYXT的26个关键活性成分和207个靶蛋白：对Verbena officinalis L.，口服生物利用度（OB）≥ 30.1%，类药性（DL）≥ 0.12；对Zingiber officinale Roscoe，O...

材料

本文使用的材料清单

姓名	公司	目录编号	评论
抗IL-18	Proteintech，中国武汉	27095-1-AP	兔多克隆抗体，1:500
抗IL-1β	Proteintech，中国武汉	66737-1-Ig	小鼠单克隆抗体，1:500
抗p38	Proteintech，中国武汉	14064-1-AP	兔多克隆抗体，1:1000
抗-p-p38	Proteintech，中国武汉	28796-1-AP	兔多克隆抗体，1:1000
抗TNF-α	Proteintech，中国武汉	80258-6-RR	兔单克隆抗体，1:500
抗-β-肌动蛋白	Proteintech，中国武汉	66009-1-Ig	小鼠单克隆抗体，1:2000
AutoDock Vina	https://vina.scripps.edu/	版本 1.5.6	分子对接软件
AutoDockTools	https://autodock.scripps.edu/	版本 1.5.6	分子对接准备工具
BCA 蛋白质测定试剂盒	赛默飞世尔科技，美国马萨诸塞州沃尔瑟姆	23225	用于蛋白质浓度测定
β-胡萝卜素	Sigma-Aldrich，美国密苏里州圣路易斯市	83-46-5	高纯度标准品， >95%
β-谷甾醇	Sigma-Aldrich，美国密苏里州圣路易斯	83-46-5	高纯度标准品， >95%
C57BL/6小鼠	兰州大学医学动物中心	-	成年雄性，25 ± 4 g
Cytoscape	https://cytoscape.org/	版本 3.8.1	网络可视化与分析软件
地塞米松	Sigma-Aldrich，美国密苏里州圣路易斯	D4902	阳性对照
ECL 底物	MilliporeSigma，伯灵顿，马萨诸塞州，美国	WBKLS0500	用于蛋白质印迹检测
ELISA试剂盒
GraphPad Prism	https://www.graphpad.com/	8.0 或更高版本	统计分析与绘图软件
苏木精和伊红（H&E) 染色试剂盒	北京索莱宝科技有限公司 &中国北京，安普科技有限公司	G1120	用于肺组织染色
组织学
HRP标记的抗小鼠抗体	Proteintech，中国武汉	SA00001-7G	二抗，1:5000
HRP标记的抗兔抗体	Proteintech，中国武汉	SA00001-7H	二抗，1:5000
IL-18 ELISA试剂盒	北京索莱宝科技有限公司 &中国北京，安普科技有限公司	SEKH-0016	用于检测支气管肺泡灌洗液和血清中的IL-18
IL-1β ELISA试剂盒	北京索莱宝科技有限公司 &中国北京，有限公司	SEKM-0004	用于检测IL-1β 在BALF和血清中
ImageJ	https://imagej.nih.gov/ij/	版本 1.53	图像分析软件
脂多糖（LPS）	Sigma-Aldrich，美国密苏里州圣路易斯	L2630	从 大肠杆菌 O111:B4
LYXT 原材料	怀化学院	-	粉末混合物 Pharbitis nil (L.) Choisy, 马鞭草 L. 和 姜（Zingiber officinale） Roscoe（5:3:2，w/w/w）
其他材料
戊巴比妥钠	Sigma-Aldrich，美国密苏里州圣路易斯	P3761	2% 麻醉溶液
PLIP	https://plip-tool.biotec.tu-dresden.de/	-	蛋白质-配体相互作用分析工具
PVDF膜	MilliporeSigma，美国马萨诸塞州伯灵顿	IPVH00010	用于蛋白质印迹转膜
PyMOL	https://pymol.org/	版本 2.5	分子可视化软件
R	https://www.r-project.org/	4.0 或更高版本	统计计算与图形软件
Spathulenol	MedChemExpress，Monmouth Junction，NJ，美国	HY-N1205	高纯度标准品， >95%
STRING	https://stringdb.org/	-	相互作用基因/蛋白质检索搜索工具
TCMSP	https://tcmsp-e.com/	-	传统中药系统药理学数据库
硫喷妥钠	Sigma-Aldrich，美国密苏里州圣路易斯	T102	用于安乐死
TNF-αα ELISA试剂盒	北京索莱宝科技有限公司 &中国北京，安普科技有限公司	SEKM-0034	用于测量TNF-αα 在BALF和血清中
UniProt	https://www.uniprot.org/	-	蛋白质序列与注释数据库