通痹方治疗骨关节炎的网络药理学与分子对接研究

摘要

本方案利用网络药理学和分子对接方法，预测通痹方治疗骨关节炎的潜在治疗靶点和分子机制。

摘要

本研究采用网络药理学结合分子对接方法，预测通痹方（TBF）治疗骨关节炎（OA）的潜在治疗靶点及分子机制。从中药系统药理学数据库与分析平台获取TBF的活性成分及其对应靶点，从在线人类孟德尔遗传数据库（Online Mendelian Inheritance in Man）、GeneCards、DrugBank和治疗靶点数据库收集与OA相关的靶点。利用网络可视化与分析软件构建化合物-靶点及蛋白质-蛋白质相互作用（PPI）网络。通过功能注释、可视化与集成发现数据库平台（DAVID）进行基因本体（Gene Ontology）功能注释和京都基因与基因组百科全书（KEGG）通路富集分析。采用分子对接软件进行分子对接分析，评估关键活性成分与核心靶蛋白之间的预测结合亲和力。共鉴定出TBF与OA的47个交集靶点。PPI网络分析揭示JUN、RELA、IL6、MAPK1和IL10为潜在的核心靶点。富集分析表明，TBF可能调控炎症反应、脂质代谢以及多种与OA进展相关的细胞内信号通路。分子对接结果显示，核心活性成分与关键OA相关蛋白靶点之间具有良好的预测结合亲和力。这些发现为理解TBF抗OA的潜在作用机制提供了计算框架，并支持后续实验验证。

引言

骨关节炎（OA）是一种关节软骨的退行性炎症性疾病¹。目前，全球约有5800万成年人受OA影响，预计到2040年这一数字将上升至7840万²。OA是全球范围内导致关节疼痛和功能障碍的常见原因³。由于OA常伴随严重疼痛，患者在日常生活中往往出现显著的功能障碍⁴。年龄、女性性别、肥胖和关节损伤是OA的主要危险因素⁵。尽管OA的患病率极高，且对医疗系统造成重大影响，但目前可用的治疗手段仍然有限⁶。现代医学通常采用非甾体抗炎药和软骨保护剂等对症治疗方式。然而，长期用药常引发不良反应，包括胃肠道损伤以及肝肾功能异常⁷。因此，迫切需要开发新的治疗方法或替代疗法以应对OA。

中医在骨关节炎（OA）治疗方面积累了丰富的经验，强调辨证论治和整体调节。通痹方（TBF）是一则经典方剂，主要由当归、丹参、鸡血藤、海风藤、透骨草、独活、威灵仙和香附组成。从中医学角度而言，OA 的病理本质主要源于风寒湿邪侵袭以及气血瘀滞⁸。TBF 的组方配伍紧扣这一核心病机，诸药协同发挥祛风除湿、通络止痛、活血化瘀之效，契合 OA 典型的中医证候特征。越来越多的临床研究表明，加减通痹方可缓解 OA 患者的关节疼痛，改善肢体运动功能⁹。进一步的临床观察还发现其在调节 OA 患者炎症反应方面具有潜在作用¹⁰，而近期一项荟萃分析进一步支持了其在 OA 干预中的临床适用性¹¹。

传统上，TBF 用于祛风、通络、散寒、除湿，以及活血养血。然而，TBF 发挥抗骨关节炎（OA）潜在治疗作用的具体机制尚不明确，其活性成分和关键靶点仍有待确定。为了更系统、全面地研究这些机制，本研究采用网络药理学方法构建了药物、靶点与疾病之间关系的网络图谱¹²。此外，还进行了基因本体（GO）和京都基因与基因组百科全书（KEGG）富集分析，以探讨TBF药理作用所涉及的潜在分子机制和信号通路¹³。为系统研究中药复方的药理机制，本研究建立了一套完整的分析流程，涵盖活性成分筛选、靶点预测、网络构建、功能富集分析及分子对接等环节。该研究框架已被认为是探索中药复方抗OA分子机制的标准化且可重复的研究范式¹⁴。已有方法学研究进一步证实了该研究策略的科学合理性与实际应用价值¹⁵。除方法学标准化外，本研究还有助于明确TBF在OA中的物质基础和核心调控靶点，为其临床应用及后续实验验证提供理论依据，同时也为其他中药复方的作用机制研究提供了可行的方法学框架。

本研究采用网络药理学方法筛选活性成分，并结合骨关节炎（OA）相关靶基因构建化合物-靶点网络。随后进行功能富集分析和分子对接，以探索其作用机制。网络药理学通过整合生物学和药理学信息，从系统性、多角度的视角研究药物-靶点-疾病之间的关系¹⁶。我们认为，该方法有助于阐明藤黄健骨方（TBF）潜在的药理机制，并为后续实验研究提供理论依据。本研究的技术路线见图1。

图1。网络药理学与分子对接研究设计的工作流程。 本研究用于探讨通痹方（TBF）抗骨关节炎（OA）潜在作用机制的分析工作流程示意图。该流程包括活性成分筛选、靶点预测、OA相关靶点收集、交集分析、网络构建、蛋白质-蛋白质相互作用（PPI）分析、基因本体（GO）和京都基因与基因组百科全书（KEGG）富集分析，以及分子对接验证。请点击此处查看该图的放大版本。

方案

本研究未涉及人类参与者、脊椎动物或组织样本。所有分析均使用公开可访问的生物信息学数据库和分子对接方法进行，因此无需伦理审批。

TBF 组分及其相应靶点的筛选
在中药系统药理学数据库与分析平台（TCMSP）（访问时间：2026年1月）中检索了TBF的所有草药成分，包括当归（Danggui）、丹参（Danshen）、鸡血藤（Jixueteng）、海风藤（Haifengteng）、透骨草（Tougucao）、独活（Duhuo）、威灵仙（Weilingxian）和香附（Xiangfu）。具体检索词对应各味中药的标准拉丁名：Angelicae Sinensis Radix（当归）、Radix Salviae（丹参）、Spatholobus suberectus Dunn（鸡血藤）、Caulis Piperis Kadsurae（海风藤）、Impatiens balsamina（透骨草）、Radix Angelicae Biseratae（独活）、Radix Clematidis（威灵仙）和Cyperi Rhizoma（香附）。根据口服生物利用度（OB）≥ 30% 和类药性（DL）≥ 0.18 的固定阈值筛选化学成分。这些截断值在中药网络药理学研究中被广泛采用，用于识别具有潜在体内活性的可吸收且具类药特性的活性化合物。数据库中缺乏明确OB或DL数值的化合物被排除，以确保活性化合物筛选的可靠性与一致性。

通过TCM药理学数据库获取筛选出的活性化合物对应的目标蛋白。使用通用蛋白资源（UniProt）蛋白注释数据库进行靶基因标准化，物种限定为Homo sapiens（访问时间：2026年1月）。将原始蛋白名称转换为官方人类基因符号，同时手动剔除冗余及非人类靶点条目。通过人工比对和整理去除重复靶点，最终生成TBF靶点数据集。

骨关节炎相关靶点及TBF治疗骨关节炎潜在靶点的鉴定
通过在在线人类孟德尔遗传数据库（Online Mendelian Inheritance in Man, OMIM）、GeneCards、DrugBank 和治疗靶点数据库（Therapeutic Target Database, TTD）中使用精确检索词“Osteoarthritis”检索骨关节炎相关靶点（访问时间：2026年1月）。通过数据整理与比对，手动去除来自不同数据库的重复靶点，构建骨关节炎相关靶点数据集。对于GeneCards数据库，仅保留相关性评分 ≥ 3 的靶点；而通过关键词“Osteoarthritis”从OMIM、DrugBank和TTD数据库中检索获得的靶点未设置额外筛选条件。利用Venny 2.1.0在线Venn分析工具，识别活性化合物相关靶点与骨关节炎相关靶点之间的交集靶点。通过交集分析，确定TBF对抗骨关节炎的潜在治疗靶点。

构建TBF-成分-靶点网络
将成分-靶点相互作用数据导入Cytoscape 3.10.2网络可视化与分析软件，构建TBF-成分-靶点网络（访问时间：2026年1月）。在构建的网络中，节点代表中药化合物和靶点基因，边代表活性成分与相应靶点之间的相互作用。为避免重复分析，多种中药共有的相同化合物被合并为单一的唯一节点。随后采用度值作为主要评估参数进行网络拓扑分析。根据度值排序确定核心活性成分，并将其选为后续分子对接分析的配体候选分子。

蛋白质相互作用网络构建
将潜在治疗靶点导入 STRING 蛋白质相互作用（PPI）数据库进行 PPI 分析（访问时间：2026 年 1 月）。物种限定为 Homo sapiens，最低相互作用置信度评分设为 0.9，其余参数均保持默认设置。生成的相互作用数据被导出，并使用网络可视化与分析软件进一步可视化。采用 CytoHubba 网络拓扑分析插件对 PPI 网络进行拓扑学分析。计算节点的度值（Degree）、介数中心性（betweenness centrality）和接近中心性（closeness centrality），以评估相互作用网络中各节点的重要性。基于综合拓扑特征筛选核心靶点蛋白，并用于后续分子对接分析。采用最大团中心性（Maximal Clique Centrality）算法筛选枢纽（hub）靶点。排除无相互作用伙伴的节点，导致最终网络中的节点数量少于原始导入的靶点数据集。

GO 和 KEGG
为探究TBF抗骨关节炎（OA）作用靶点潜在的生物学功能及相关信号通路，进行了GO功能富集分析和KEGG通路富集分析。GO分析包含三个标准本体类别：生物过程（BP）、细胞组分（CC）和分子功能（MF），其中以生物过程为主要解读重点。

使用功能注释、可视化与集成发现数据库（DAVID）结合R统计分析软件（版本4.3.1；访问时间：2026年1月）进行功能富集分析。采用clusterProfiler软件包对富集结果进行处理和可视化，利用dotplot和barplot函数生成富集图。所有目标基因均基于Homo sapiens背景进行注释。多重检验校正采用Benjamini–Hochberg方法，以校正后的P值< 0.05作为具有统计学显著性的标准。

使用 MicrobiomeAnalyst/MicrobiomeNet 在线分析平台（访问时间：2026年1月）对GO和KEGG富集结果进行可视化。通过柱状图和气泡图展示最显著富集的GO条目和KEGG通路。

分子对接
从蛋白质注释数据库中获取了核心靶点的官方基因名称及其对应的蛋白质数据库（PDB）编号17，并从 RCSB PDB 下载了其三维晶体结构（访问时间：2026年2月）。对于每个靶点蛋白，保留A链作为受体结构，在受体准备过程中去除冗余的蛋白链、异源原子及无关的结构片段。核心活性化合物的三维结构从 PubChem 数据库中获取（访问时间：2026年2月）。在本研究中，选择槲皮素作为代表性的对接配体，因其在成分-靶点网络中表现出最高的拓扑中心性，且是一种已被充分表征的黄酮类化合物，已有研究报道其对骨关节炎发病机制具有保护作用。

受体与配体的预处理采用分子对接准备软件完成，包括去除水分子、添加氢原子、质子化处理以及分配Gasteiger电荷。随后使用版本1.5.7的分子对接软件进行分子对接分析。调整网格盒尺寸以涵盖各靶标蛋白的预测结合区域。网格盒中心定位在各靶标蛋白的天然配体结合口袋，尺寸统一设为40 Å × 40 Å × 40 Å，网格间距为0.375 Å。对接计算的穷尽性参数设为8，每对配体-靶标生成9个候选结合构象。选择预测结合能最低的对接构象作为后续结构解析的代表性结合模式。本研究未进行重新对接验证和阳性对照配体比较。所有对接流程及参数设置均遵循网络药理学研究中常用的标准化操作流程，以确保预测结合模式的可靠性。对接构象使用版本2.5.4的分子可视化软件进行可视化。结合能≤−5.0 kcal/mol被视为表明配体-受体之间存在稳定的结合作用。

结果

痛必复的化学成分与靶点筛选
筛选后共鉴定出当归中的2种活性成分、丹参中的65种、鸡血藤中的24种、海风藤中的21种、透骨草中的6种、独活中的9种、威灵仙中的7种以及香附中的18种活性成分。筛选所得活性化合物的详细信息见补充表1。初步共获得2672个潜在靶点，其中包括当归的266个靶点、丹参的689个、独活的236个、海风藤的188个、鸡血藤的545个、透骨草的192个、威灵仙的102个以及香附的454个靶点。靶点详细信息列于补充表2。去除重复条目后，共获得258个与痛必复相关的非冗余靶点。

TBF–成分–靶点网络
TBF–成分–靶点网络基于从中药药理学数据库中获取的数据构建，包含152个活性化合物、258个非冗余靶点以及8个中药节点。这些数据被整理为两个文件，分别命名为“network”和“Type”（补充表3）。将文件导入网络可视化与分析软件后，构建出一个包含578个节点和3022条边的综合网络（图2）。在该网络中，节点代表中药、生物活性化合物及相应的靶蛋白，边则表示化合物与靶点之间的预测相互作用。节点尺寸越大、颜色越深，表示其度值越高，网络连接性越强。根据网络拓扑分析所得的度值排序，排名前五的活性化合物分别为槲皮素（A7-MOL000098）、β-谷甾醇（B8-MOL000358）、木犀草素（A1-MOL000006）、山奈酚（C1-MOL000422）和豆甾醇（C2-MOL000449）。

图 2。TBF–组分–靶标相互作用网络。 TBF、活性化合物与预测靶基因之间相互作用的网络可视化图。节点代表中药、活性化合物或靶蛋白，边代表化合物与靶标之间的预测相互作用。节点越大、颜色越深，表示其度值越高，网络连接性越强。请点击此处查看此图的放大版本。

与骨关节炎相关的靶点信息及TBF的潜在治疗靶点
在四个数据库中检索关键词“Osteoarthritis”，共获得428个潜在的疾病相关靶点，其中包括来自OMIM的9个、GeneCards的349个、DrugBank的32个以及TTD的38个靶点。四个数据库间靶点分布的维恩图见图3。经合并并去除重复条目后，共获得398个唯一的骨关节炎相关靶点。对骨关节炎相关靶点与TBF活性化合物相关靶点进行交集分析，得到47个共同靶点，这些靶点被视为TBF对抗骨关节炎的潜在治疗靶点。使用在线维恩分析工具生成的相应维恩图见图4。

图 3。从多个数据库检索到的骨关节炎相关靶点的维恩图。维恩图显示了从 OMIM、GeneCards、DrugBank 和治疗靶点数据库（Therapeutic Target Database, TTD）中鉴定出的骨关节炎相关靶点之间的重叠情况。请点击此处查看该图的放大版本。

图 4．TBF 与 OA 之间重叠靶点的鉴定。维恩图显示了 TBF 活性化合物相关靶点与 OA 相关靶点之间的交集。这些重叠靶点被认为是 TBF 抗 OA 的潜在治疗靶点。请点击此处查看该图的放大版本。

蛋白质相互作用网络的构建与分析
使用蛋白质相互作用（PPI）数据库对47个重叠靶点进行PPI网络分析（图5），随后利用网络可视化与分析软件进行可视化。在网络构建过程中，根据标准的网络拓扑学方法，去除了代表无蛋白质–蛋白质相互作用（PPIs）的孤立靶点的孤立节点，最终获得一个包含39个节点和108条边的优化网络（图6）。节点的大小和颜色深度反映其度值，表示各靶点在网络中的相对重要性。

图 5。TBF 与 OA 共享靶点的 STRING 蛋白质互作网络。使用 STRING 数据库生成 TBF 与 OA 之间共享靶点的蛋白质互作网络。节点代表靶蛋白，边代表预测的蛋白质-蛋白质相互作用（PPI）。请点击此处查看该图的高清版本。

图 6．核心蛋白质-蛋白质相互作用（PPI）网络分析。去除孤立节点后优化的PPI网络。节点大小和颜色深度代表度值，反映各靶点在网络中的相对重要性。核心靶点包括 JUN、RELA、IL6、MAPK1 和 IL10，表现出较高的网络连接性。请点击此处查看该图的放大版本。

采用网络拓扑分析插件中的Degree算法对蛋白质-蛋白质相互作用（PPI）网络进行拓扑学分析，以计算节点的拓扑特征。按度值排序的前10个靶点见表1。根据度值、接近中心性及介数中心性，选取排名前五的靶点JUN、RELA、IL6、MAPK1和IL10作为后续分子对接分析的核心靶点。

OA 中 TBF 的 GO 生物学功能与 KEGG 通路分析
GO 富集分析鉴定出多个与 OA 相关的生物学功能，包括细胞因子活性、转录因子结合以及生长因子活性，提示 TBF 可能参与调控炎症反应、转录活性及软骨稳态。根据计数值对前 20 个富集的 GO 条目进行排序，并通过柱状图进行可视化展示（图 7）。KEGG 通路富集分析聚焦于与 OA 相关的信号通路，包括晚期糖基化终产物-晚期糖基化终产物受体（AGE-RAGE）信号通路、白细胞介素-17（IL-17）信号通路、肿瘤坏死因子（TNF）信号通路以及 T 细胞受体信号通路，这些通路与 OA 中的炎症调控、软骨细胞分解代谢及免疫应答密切相关。富集分析中发现的感染性疾病相关通路在本研究中未被解释为 OA 的直接作用机制。KEGG 通路分析使用统计分析软件生成气泡图可视化结果（图 8），共鉴定出 20 条显著富集的信号通路。上述结果提示，TBF 可能通过多靶点药理学机制调控与 OA 相关的生物学过程和信号通路。

图7．针对骨关节炎潜在治疗靶点的GO富集分析。 柱状图显示了TBF抗骨关节炎潜在治疗靶点相关的前20个富集的GO条目。这些富集条目包括与炎症、转录调控及软骨稳态相关的生物过程、分子功能和细胞组分。请点击此处查看该图的放大版本。

图8．TBF抗骨关节炎潜在治疗靶点的KEGG通路富集分析。该气泡图展示了TBF抗骨关节炎潜在治疗靶点相关性最强的富集KEGG信号通路。气泡大小表示富集基因的数量，颜色深度反映富集显著性水平。请点击此处查看该图的放大版本。

分子对接验证
为进一步探究TBF主要活性成分与PPI网络筛选出的核心靶点之间的潜在结合相互作用，对组分-靶点网络中排名最高的活性化合物槲皮素（quercetin）与五个核心靶点JUN、RELA、IL6、MAPK1和IL10进行了分子对接分析（表2）。槲皮素在组分-靶点网络中表现出最高的拓扑重要性，且已有大量文献报道其为具有抗炎活性和调节软骨代谢功能的代表性生物活性成分^18,19。预测的结合能分别为：JUN为−8.4 kcal/mol，RELA为−7.6 kcal/mol，IL6为−6.9 kcal/mol，MAPK1和IL10均为−6.7 kcal/mol，表明槲皮素与所选核心靶点之间具有良好的预测结合亲和力。配体-受体结合构象的可视化有助于解析潜在的分子相互作用。采用分子可视化软件2.5.4版本对槲皮素与五个核心靶点之间的最佳对接构象进行可视化展示（图9–13）。

图9。槲皮素与JUN的分子对接模型（PDB ID: 1JNM）。槲皮素与JUN结合的三维分子对接构象。预测槲皮素结合于JUN的bZIP结构域内，并以结构互补的方式嵌入疏水性结合腔中。请点击此处查看该图的放大版本。

图10。槲皮素与RELA的分子对接模型（PDB ID: 7LEU）。 槲皮素与RELA结合的三维分子对接构象。预测槲皮素通过非共价相互作用与RELA的Rel同源结构域的活性区域发生相互作用。请点击此处查看该图的放大版本。

图11。槲皮素与IL6（PDB ID: 1ALU）的分子对接模型。 槲皮素与IL6结合的三维分子对接构象。预测槲皮素占据IL6保守的受体结合沟槽。请点击此处查看该图的放大版本。

图12。槲皮素与MAPK1的分子对接模型（PDB ID: 6D5Y）。槲皮素与MAPK1结合的三维分子对接构象。预测槲皮素占据MAPK1的ATP结合口袋，提示可能存在与激酶相关的相互作用。请点击此处查看该图的放大版本。

图13。槲皮素与IL10的分子对接模型（PDB ID: 1ILK）。槲皮素与IL10结合的三维分子对接构象。预测槲皮素在IL10的二聚体界面区域附近发生相互作用，可能有助于稳定该蛋白质复合物。请点击此处查看此图的放大版本。

数据可用性：
本研究所有支持研究结果的数据均已包含在稿件、表格、图示及补充材料中。补充表1包含通痹方（TBF）的筛选活性成分，补充表2提供相应的预测靶点信息，补充表3包含用于网络构建和拓扑分析的网络编码及相互作用数据。

基因	蛋白质名称	度	接近中心性	介数中心性
JUN	转录因子 AP-1	18	0.58	0.22
RELA	转录因子 p65	15	0.56	0.15
IL6	白细胞介素 6	14	0.59	0.33
MAPK1	丝裂原活化蛋白激酶 1	13	0.54	0.16
IL10	白细胞介素 10	10	0.47	0.12
ESR1	雌激素受体	10	0.44	0.03
IL2	白细胞介素 2	9	0.53	0.05
AKT1	RAC-α 丝氨酸/苏氨酸蛋白激酶	9	0.44	0.04
MMP1	基质金属蛋白酶 1	8	0.44	0.03
MMP2	基质金属蛋白酶 2	8	0.44	0.03

表1：PPI网络中核心靶点的拓扑参数。 PPI网络分析中鉴定出的主要靶点的拓扑参数。通过计算节点的度值、接近中心性及介数中心性，评估节点的重要性，并识别与TBF抗OA作用相关的核心治疗靶点。在相互作用网络中，度值和中心性值较高的靶点被认为更为重要。

靶标	PDB ID	活性位点坐标 (X, Y, Z)	配体	结合亲和力 (kcal/mol)
JUN	1JNM	X = 10.201; Y = 0.493; Z = 19.492	Quercetin	−8.4
RELA	7LEU	X = 1.717; Y = 23.889; Z = −0.778		−7.6
IL6	1ALU	X = 2.599; Y = −20.016; Z = 8.749		−6.9
MAPK1	6D5Y	X = 7.052; Y = 12.800; Z = 20.749		−6.7
IL10	1ILK	X = 17.836; Y = 46.443; Z = 38.685		−6.7

表2：槲皮素与核心靶点蛋白之间的分子对接参数及结合亲和力。 槲皮素与选定的核心靶点蛋白JUN、RELA、IL6、MAPK1和IL10之间的分子对接结果。该表格列出了蛋白质数据库（PDB）编号、用于对接计算的活性位点网格中心坐标，以及分子对接分析获得的预测结合亲和力值。较低的结合能值表示预测的配体-受体结合亲和力更强。

补充表 1：从 TBF 中鉴定出的活性化合物。 从 TBF 中筛选出的活性化合物的详细信息，包括化合物名称、分子标识符、OB 值、DL 值及相应的草药来源。请点击此处下载该文件。

补充表 2：TBF 活性化合物对应的预测靶点。 针对筛选出的 TBF 活性化合物所对应的预测蛋白质靶点的全面列表，包括经过靶点标准化和去重后获得的标准人类基因符号。请点击此处下载该文件。

补充表3：TBF-组分-靶点网络的网络编码信息。 用于构建TBF组分-靶点相互作用网络的详细编码信息，包括分子标识符、靶点信息、网络关系以及用于网络拓扑分析的节点分类数据。请点击此处下载该文件。

讨论

本研究采用网络药理学和分子对接方法，探讨TBF抗骨关节炎（OA）的潜在作用机制。分析的核心中药包括当归、丹参、鸡血藤、海风藤、透骨草、独活、威灵仙和香附。既往研究表明，当归（Angelica sinensis Radix）可缓解内侧半月板失稳模型中与OA相关的病理改变，包括软骨退变、软骨下骨硬化、步态异常和膝关节肿胀²⁰。在IL-1β诱导的OA细胞模型中，当归可减少活性氧的积累，并提高超氧化物歧化酶和谷胱甘肽等抗氧化酶的活性²¹。丹参酮IIA是丹参（Salvia miltiorrhiza）的一种活性成分，据报道可减轻软骨退变，恢复OA小鼠模型中软骨下骨重塑的稳态，并抑制异常血管生成²²。此外，来源于S. miltiorrhiza的成分可能调节氧化应激和骨代谢^23,24。Spatholobus suberectus Dunn被报道可调节PI3K/Akt/mTOR和Ras/Raf/MAPK信号通路²⁵，这些通路与软骨代谢和OA进展相关。S. suberectus Dunn的提取物还可抑制促炎性趋化因子的产生²⁶。此外，凤仙花（Impatiens balsamina）所报道的抗炎和抗氧化活性可能与OA发病机制相关，因为慢性炎症和氧化应激可导致软骨退变²⁷。Radix Angelicae Biseratae也被认为可改善血液循环并缓解关节炎相关症状^28,29。目前关于鸡血藤（Spatholobus suberectus Dunn）、海风藤（Caulis Piperis Kadsurae）和香附（Cyperi Rhizoma）在OA中潜在治疗作用的研究仍较为有限。

基于蛋白质-蛋白质相互作用（PPI）网络的计算预测表明，TBF 可能通过调控炎症反应和保护关节软骨发挥对骨关节炎（OA）的治疗作用，尽管这些预测仍需进一步的实验验证。在 PPI 网络中度值相对较高的核心靶点包括 JUN、RELA、IL6、MAPK1 和 IL10。既往研究表明，JUN 与软骨细胞衰老及 OA 进展相关。JunB/Jun 双突变小鼠出现关节组织的炎性浸润，并伴有骨破坏和骨膜炎³⁰。骨关节炎软骨和滑膜的转录组分析也显示 JUN 表达降低³¹。此外，在前交叉韧带切断诱导的 OA 大鼠模型和衰老软骨细胞中均观察到 JUN 蛋白表达下降³²。先前研究进一步提示，JUN 相关信号通路可能调控 OA 软骨细胞中的软骨退变、凋亡、自噬及细胞外基质代谢³³。另有研究证实，tRNA 来源的片段可通过 RELA 相关信号通路调控关节软骨细胞的增殖与存活³⁴。此外，在间充质基质细胞中，Sox9 基因的上调联合 RELA 表达的抑制可增强其软骨生成能力和免疫调节功能，并在实验模型中延缓 OA 进展³⁵。这些发现支持了本研究计算分析中识别出的 JUN 和 RELA 相关信号通路的潜在相关性。

IL6 是骨关节炎（OA）中一种关键的炎症介质，通过影响软骨的降解和修复过程，在软骨代谢中发挥重要作用。在慢性低度炎症状态下，升高的 IL6 水平可导致软骨细胞衰老、软骨基质合成减少以及软骨稳态失衡³⁶。既往研究表明，IL6 受体/JAK2 信号通路参与调控衰老细胞的凋亡，而靶向清除衰老细胞可能减缓 OA 的进展³⁷。此外，Li Q 及其同事报道，在 IL-1β 刺激的软骨细胞中，miR-186-5p 的上调可调节炎症反应，而抑制 miR-186-5p 则通过增强 MAPK1 的表达缓解 OA 进展³⁸。这些发现支持了本研究计算分析中所识别的 IL6 和 MAPK1 相关信号通路的潜在作用。

IL10 在软骨稳态中发挥保护作用，可能有助于维持软骨微环境。既往研究表明，IL10 通过调控线粒体凋亡通路、降低半胱天冬酶（caspase）活性以及调节 Bax/Bcl-2 比值来抑制软骨细胞凋亡³⁹。此外，在受压关节软骨模型中，IL10 与细胞外基质降解减少以及基质降解相关因子（包括 MMP3、MMP13、ADAMTS4 和诱导型一氧化氮合酶）表达下调相关⁴⁰。本研究的 KEGG 通路富集分析提示，IL-17、TNF 和缺氧诱导因子-1（HIF-1）信号通路可能与 TBF 对骨关节炎（OA）的预测治疗作用相关，尽管这些计算预测结果尚需实验验证。既往研究已表明，IL-17 通过调控炎症反应和滑膜细胞活性促进 OA 进展^41,42。在膝骨关节炎中，IL-17 表达升高也与疾病严重程度呈正相关⁴³。TNF-α 是另一种与 OA 相关炎症、疼痛及软骨退变密切相关的主要炎症介质，抑制 TNF-α 信号通路可能缓解疾病进展⁴⁴。此外，HIF-1α 在 OA 中对软骨细胞的缺氧代谢、细胞外基质调控、滑膜炎症及软骨下骨重塑均具有重要作用⁴⁵。既往研究还提示，抑制 HIF-1α 相关信号通路可能保护软骨细胞功能并减轻软骨退变⁴⁶。这些发现与本研究通过计算富集分析所识别的信号通路一致。

本项in silico研究存在若干重要局限性。首先，分析依赖于公开可用的数据库，而这些数据库在草药化合物及靶点注释方面可能包含不完整或有偏倚的信息。此外，计算靶点预测方法本身具有内在不确定性，本研究中所预测的相互作用需通过实验加以验证。分子对接分析反映的是理论上的结合潜力，而非直接的生理或药理活性。 Furthermore，本研究未开展任何in vitro或体内实验以验证计算预测结果。草药剂量、药代动力学以及复方整体的生物利用度等因素也未被评估。因此，本研究得出的所有结论均应视为预测性结果，需进一步实验验证。

本研究基于网络药理学和分子对接分析，为探讨藤鳖方（TBF）抗骨关节炎（OA）的潜在作用机制提供了一种预测性研究框架。结果表明，TBF可能通过其八味组成药材来源的活性成分之间的相互作用，调控多个与OA相关的靶点。所鉴定的靶点富集于与炎症调控、脂质代谢及缺氧相关信号通路相关的生物过程和信号通路中，包括IL-17、TNF和HIF-1通路。分子对接分析进一步显示，槲皮素与核心靶点JUN、RELA、IL6、MAPK1和IL10之间具有良好的预测结合亲和力。综上所述，这些发现提示TBF可能通过多成分、多靶点的调控作用发挥抗OA效应。本研究还为今后在骨关节炎研究中开展中药复方的作用机制研究及实验验证提供了理论策略与方法学框架。

材料

本文使用的材料清单

姓名	公司	目录编号	评论
AutoDockTools	软件	版本 1.5.7；Scripps 研究所	https://autodock.scripps.edu/
AutoDock Vina	软件	版本 1.5.7；Scripps 研究所	https://autodock.scripps.edu/
barplot 函数	R 可视化函数	clusterProfiler 包	https://bioconductor.org/packages/clusterProfiler/
clusterProfiler	R 软件包	用于富集分析的 Bioconductor 软件包	https://bioconductor.org/packages/clusterProfiler/
CytoHubba	插件	兼容 Cytoscape 3.10.2	https://apps.cytoscape.org/apps/cytohubba
Cytoscape	软件	版本 3.10.2；Cytoscape 联盟	https://cytoscape.org/
DAVID	数据库	注释、可视化与综合发现数据库	https://david.ncifcrf.gov/
dotplot 函数	R 可视化函数	clusterProfiler 包	https://bioconductor.org/packages/clusterProfiler/
DrugBank	数据库	阿尔伯塔大学	https://go.drugbank.com/
GeneCards	数据库	GeneCards 套件	https://www.genecards.org/
MicrobiomeAnalyst / MicrobiomeNet	在线平台	在线富集可视化平台	https://microbiomenet.com/
OMIM	数据库	人类孟德尔遗传在线数据库	https://www.omim.org/
PDB	数据库	RCSB 蛋白质数据库	https://www.rcsb.org/
PubChem	数据库	美国国家生物技术信息中心	https://pubchem.ncbi.nlm.nih.gov/
PyMOL	软件	版本 2.5.4	https://pymol.org/
R	软件	版本 4.3.1；R 统计计算基金会	https://www.r-project.org/
STRING	数据库	相互作用基因/蛋白质检索工具	https://cn.string-db.org/
TCMSP	数据库	中药系统药理学数据库与分析平台	http://tcmspw.com/tcmsp.php
TTD	数据库	治疗靶点数据库	https://db.idrblab.net/ttd/
UniProt	数据库	通用蛋白质资源	https://www.uniprot.org/
Venny	软件	版本 2.1.0	https://bioinfogp.cnb.csic.es/tools/venny/index.html