本研究采用网络药理学和分子对接技术，探讨了预测的作用机制 延胡索 纤维肌痛综合征。
本文内容
摘要
摘要
纤维肌痛综合征（FMS）是一种治疗选择有限的慢性疼痛性疾病。本研究旨在预测FMS的多靶点作用机制 延胡索 采用网络药理学和分子对接技术研究对纤维肌痛综合征（FMS）的作用机制。通过口服生物利用度（OB）≥30% 和类药性（DL）≥0.18 的标准，从传统中药系统药理学数据库与分析平台（TCMSP）中筛选出活性成分。疾病相关靶点来源于 GeneCards 数据库。筛选获得的交集靶点用于蛋白质-蛋白质相互作用（PPI）、基因本体（GO）及京都基因与基因组百科全书（KEGG）通路分析。分子对接采用 CB-Dock2 平台进行。共鉴定出 49 个活性成分和 53 个交集靶点。核心靶点包括肿瘤坏死因子（TNF）、白细胞介素-6（IL6）、白细胞介素-1β（IL1B）、雌激素受体 1（ESR1）和前列腺素内过氧化物合酶 2（PTGS2）。KEGG 通路分析显示，白细胞介素-17（IL-17）信号通路、TNF 信号通路、核因子κB（NF-κB）κB）以及神经活性配体-受体相互作用通路。预测的对接得分范围为−10.1至−6.5 kcal/mol，其中豆甾醇对胆碱能受体毒蕈碱型3（CHRM3）的预测结合能最低（−10.1 kcal/mol）。这些结果表明 C. yanhusuo 可能通过多组分、多靶点和多通路机制发挥潜在的抗纤维肌痛综合征（FMS）作用，特别是通过调节神经炎症和神经递质信号传导。需进行实验验证。
引言
纤维肌痛综合征（FMS）是一种慢性疼痛性疾病，影响全球约2–4%的人口1,2,3。该病主要发生于女性，临床表现为广泛的肌肉骨骼疼痛、疲劳、睡眠障碍和认知功能障碍4,5,6。此外，纤维肌痛综合征常作为多种疾病（如类风湿关节炎和系统性红斑狼疮）的并发症出现7,8,9。尽管已有数十年的研究，其病因仍未完全阐明10,11。目前的证据表明，中枢敏化是其核心机制，涉及中枢神经系统内疼痛信号的异常放大12。该过程还受到5-羟色胺、多巴胺和去甲肾上腺素等神经递质失衡，以及慢性神经炎症、氧化应激和遗传易感性的调节13,14,15。这种复杂的病理生理机制不仅解释了临床表现的高度异质性，也说明了传统药物疗法疗效有限的原因——这些疗法通常仅针对单一分子通路。包括抗抑郁药、抗惊厥药和阿片类药物在内的治疗手段往往只能提供轻度缓解，且常伴随不良反应16,17,18,19。因此，需要进一步开发能够同时调节多个致病靶点的新型药物疗法。
网络药理学是一种强大的系统生物学方法，通过整合药物-靶点-疾病网络分析，系统阐明多组分疗法的协同作用机制20,21。与传统的还原论策略不同，该方法能够预测潜在的活性成分、其对应的蛋白质靶点以及它们共同调控的生物学通路，从而为探讨中药的作用机制提供了一个合理的研究框架22,23,24。分子对接作为一种补充的计算机模拟工具，可进一步评估预测的配体-靶点相互作用及小分子与其靶点之间可能的结合模式，从而显著提高基于网络预测结果的可信度25。 C. yanhusuo是一种富含原小檗碱类生物碱（如延胡索乙素和脱氢延胡索甲素）的著名镇痛中药，在治疗疼痛相关疾病方面显示出良好前景，但其针对纤维肌痛综合征（FMS）的具体作用机制仍尚不明确26,27。本研究采用网络药理学结合分子对接技术，系统探究 C. yanhusuo 治疗FMS的多成分、多靶点、多通路作用机制，旨在为其临床应用提供理论依据，并为复杂慢性疼痛综合征的多靶点药物研发提供新思路。
方案
活性成分与靶点的获取
利用中药系统药理学数据库与分析平台（TCMSP）（https://www.tcmsp-e.com，访问时间：2026年8月2日）28，以“延胡索”为关键词检索该药材的全部化学成分，获取其对应的成分编号、名称、分子量、口服生物利用度（OB）、药物相似性（DL）及结构式。筛选OB ≥30%且DL ≥0.18的成分为关键活性成分，用于后续调控网络的构建29,30。随后，从TCMSP数据库中获取这些关键成分对应的靶点信息，并利用UniProt数据库（2025_01版；https://www.uniprot.org；访问时间：2026年8月2日）31将获得的靶蛋白统一标准化为官方基因符号。去除重复条目后，剩余靶点被确定为药物相关靶点。
疾病相关靶点的获取
使用关键词“纤维肌痛”在 GeneCards 数据库（https://www.genecards.org/，访问于2026年8月2日）32中进行检索。所有检索到的靶点均被下载，并用于后续的交集分析，未进行额外的阈值筛选。
构建“药物-关键成分-靶点-疾病”调控网络
将药物和疾病相关靶点取交集，筛选出 C. yanhusuo 治疗纤维肌痛的潜在作用靶点。在电子表格中分别建立 C. yanhusuo 与其关键成分、关键成分与治疗靶点、治疗靶点与纤维肌痛之间的关联关系。将上述关联数据转换为文本（TXT）文件格式。随后，利用 Cytoscape 软件（版本 3.7.2，https://cytoscape.org/） 进行网络可视化，其中药物、关键成分、靶点和疾病以不同颜色和符号区分，并图形化展示其相互连接关系33。
蛋白质-蛋白质相互作用（PPI）网络分析
访问 STRING 数据库（https://cn.string-db.org/，访问日期：2026 年 8 月 2 日）34，将延胡索（C. yanhusuo）抗纤维肌痛的治疗靶点输入“Multiple Proteins”搜索框中，并选择物种为“Homo sapiens”。获取蛋白质-蛋白质相互作用（PPI）网络后，将活性相互作用来源设置为包括文本挖掘（Textmining）、实验验证（Experiments）、数据库（Databases）、共表达（Co-expression）、邻域（Neighborhood）、基因融合（Gene Fusion）和共现（Co-occurrence），并将最低相互作用评分阈值设为中等置信度（0.400）。将所得 PPI 网络关联结果导出为 TSV 文件，随后导入 Cytoscape 软件。数据加载完成后，利用 Network Analyzer 工具进行综合拓扑分析，并按 Degree 值对所有节点进行降序排列35。最后，通过柱状图可视化展示 PPI 网络中连接度最高的前 20 个靶点。
GO 与 KEGG 富集分析
治疗靶点 C. yanhusuo 针对纤维肌痛症的靶点通过美国国家生物技术信息中心（NCBI）数据库统一映射并转换为其对应的 Entrez ID。对这些靶点使用 Gene Ontology（GO）富集分析 clusterProfiler R 软件（版本 4.3.1，https://www.r-project.org/）中的 package，涵盖生物过程（BP）、细胞组分（CC）和分子功能（MF）术语36,37富集结果采用条形图和GO环形图进行可视化展示。对于京都基因与基因组百科全书（KEGG）通路富集分析， enrichKEGG() 功能在 使用 clusterProfiler 软件包对相同的靶基因集进行分析，富集显著性阈值设定为 p < 0.05，可视化时使用原始 p 值。获得的 KEGG 通路术语经过筛选，排除了“人类疾病”和“代谢”这两个在此背景下缺乏直接生物学相关性的 broad categories。随后，选取显著性排名前 15 的信号通路，并使用气泡图进行可视化。此外，提取靶点与通路之间的关联关系，并导入 Cytoscape 软件进行网络可视化。
分子对接靶点选择
对接靶点选自“药物-活性成分-靶点-疾病”调控网络，而非蛋白质相互作用（PPI）网络。具体而言，对调控网络中的所有靶点节点按度值进行排序，选取连接度最高的前10个节点进行分子对接。这10个靶点分别为PTGS2、PTGS1、KCNH2、ADRB2、CHRM3、OPRM1、OPRD1、SLC6A4、SLC6A3和ESR1。
分子对接
活性成分的二维（2D）结构通过 补充表1 中列出的 PubChem CIDs 从 PubChem 数据库（https://pubchem.ncbi.nlm.nih.gov/，访问于2026年8月3日）38 获取，并以结构数据文件（SDF）格式保存，用于分子对接中的配体。调控网络中排名前10的核心靶点的三维（3D）结构通过 补充表2 中列出的 AlphaFold DB 条目编号从 AlphaFold 蛋白质结构数据库（https://alphafold.ebi.ac.uk/，访问于2026年8月3日）39 获取并下载，以蛋白质数据库（PDB）格式保存，作为对接受体。尽管其中部分靶点已有实验晶体结构，但为确保方法学的一致性，所有10个靶点均统一使用 AlphaFold 预测模型，因为若干靶点缺乏完整或高分辨率的实验结构，而混合使用不同来源的结构可能引入偏差。在对接前，未对配体或受体进行任何手动结构修饰。每个配体与每个受体配对后提交至在线盲对接平台 CB-Dock2（https://cadd.labshare.cn/cb-dock2/，访问于2026年8月3日）进行分子对接计算。CB-Dock2 自动执行必要的准备步骤，包括去除共结晶水分子、添加氢原子、分配电荷以及转换为适合对接的格式。该平台基于 AutoDock Vina 算法40，可自动识别并包围蛋白质表面的潜在结合口袋，以预测小分子与蛋白质之间的对接构象。对接完成后，导出包含所有配体–受体组合的汇总表格，其中记录了每对组合的最低结合能值。对于每一对配体–受体，选择预测结合能最低的构象作为代表性结合模式。对接结果数据经整理后以热图形式可视化。对于三维可视化，将对接输出文件与受体文件同时导入 ChimeraX（版本1.1）。选择配体小分子后，在“结构分析”中使用“接触/氢键”工具，并启用选项“限制于选中部分：至少一端被选中”，以显示相互作用残基的原子并记录相互作用信息。随后输入命令“cartoon suppress false”，以便在相互作用连接至蛋白带状结构时显示残基原子。最后使用命令“label @@display”显示残基名称。采用 LigPlus（版本2.3.1）生成二维相互作用图，全面展示分子间相互作用，包括氢键和疏水相互作用。
结果
获取C. yanhusuo对抗纤维肌痛的重叠基因
通过检索TCMSP数据库，共获得来自 C. yanhusuo的77种成分。进一步根据口服生物利用度（OB）≥30% 和药物相似性（DL）≥0.18 的标准筛选，得到49种活性成分（表1）。从TCMSP数据库和GeneCards数据库中分别检索到C. yanhusuo活性成分的177个靶点和与纤维肌痛相关的485个靶点。对这两组靶点进行交集分析，获得53个共同靶点，确定为C. yanhusuo治疗纤维肌痛的作用靶点（图1）。
构建“药物-活性成分-靶点-疾病”调控网络
为了进一步构建“药物-活性成分-靶点-疾病”调控网络，将一种中药（C. yanhusuo）、49 种活性成分、53 个潜在靶点以及一种疾病（纤维肌痛）整合入该网络（图 2）。以每种活性成分所关联的靶点数量作为筛选标准，确定了前 10 种核心活性成分，分别为槲皮素、异紫堇碱、延胡索乙素、（R）-加拿大碱、莲苞碱、（S）-四氢小檗碱、延胡索甲素、克拉维胺、豆甾醇和隐品碱。
蛋白质-蛋白质相互作用网络分析
治疗靶点 C. yanhusuo 针对纤维肌痛症的蛋白质相互作用网络分析，得到一个包含53个节点和480条相互作用边的网络（图3A）。排名前20位的靶点分别为TNF、IL6、IL1B、ESR1、PTGS2、CXCL8、CCL2、IL1A、MMP9、ICAM1、IL10、IFNG、CRP、MYC、VCAM1、IL2、SERPINE1、CXCL10、ERBB2和MMP1。图3B).
GO 富集分析
对潜在靶点进行了GO富集分析 C. yanhusuo 用于治疗纤维肌痛症。富集的生物学过程（BP）包括对外源性刺激的反应、对乙醇的反应、单胺转运、细胞对脂多糖的反应、磷脂酶C激活型G蛋白偶联受体信号通路、细胞对细菌来源分子的反应、对脂多糖的反应、多巴胺能突触传递、血液循环以及一氧化氮代谢过程。细胞组分（CC）在突触后膜、突触膜、突触前膜、神经元胞体、神经元致密核心囊泡、致密核心颗粒、G蛋白偶联受体复合物、突触小泡膜、胞吐囊泡膜和突触小泡中富集。在分子功能（MF）方面，富集的条目包括细胞因子活性、细胞因子受体结合、生长因子受体结合、单胺跨膜转运体活性、儿茶酚胺结合、胺结合、钠:氯共转运体活性以及作用于CH-NH的氧化还原酶活性₂ 以氧为受体的供体组、趋化因子活性，以及单原子阴离子：钠同向转运体活性（图4A，B).
KEGG 富集分析
C. yanhusuo 与纤维肌痛重叠基因的KEGG富集分析共得到102条富集的信号通路。排除与人类疾病和一般代谢相关的通路后，保留了39条具有明确生物学调控意义的通路。排名前15的通路分别为IL-17信号通路、神经活性配体-受体信号通路、TNF信号通路、细胞因子-细胞因子受体相互作用、病毒蛋白与细胞因子及细胞因子受体的相互作用、NF-κB信号通路、5-羟色胺能突触、激素信号通路、C型凝集素受体信号通路、神经活性配体-受体相互作用、Toll样受体信号通路、IgA产生相关的肠道免疫网络、细胞衰老、JAK-STAT信号通路以及HIF-1信号通路（图5A）。随后构建了靶点-通路网络，其中排名前10的靶点分别为IL6、TNF、IL1B、CXCL8、PTGS2、IL10、IL2、CXCL10、CCL2和IFNG（图5B）。
分子对接
在“药物–活性成分–靶点–疾病”调控网络中，对排名前10的活性成分与排名前10的核心靶点进行了分子对接分析。这10个靶点分别为PTGS2、PTGS1、KCNH2、ADRB2、CHRM3、OPRM1、OPRD1、SLC6A4、SLC6A3和ESR1。所有对接组合的预测结合能均未超过-5 kcal/mol，整体得分分布以热图形式展示（图6A）。在所有配对模型中，豆甾醇与CHRM3之间的预测结合能最低（–10.1 kcal/mol），为全局最小值。因此，选择该复合物进行进一步可视化，生成了其三维构象结构以及展示关键残基相互作用的二维结合模式图（图6B）。这些数值代表预测的对接评分/能量，并非实验测定的结合亲和力。对于选定的豆甾醇–CHRM3复合物，预测的结合模式主要由与Thr215、Ser227、Asp518、Pro217、Leu226、Glu220、Asn514、Phe222、Lys523、Trp526、Tyr128和Asn527残基的疏水相互作用所稳定。在此对接构象中未检测到明显的氢键。这些相互作用提示豆甾醇占据CHRM3上一个独特的预测结合口袋；然而，该位点与已知的正构或变构结合位点之间的关系尚未经过独立验证。
数据可用性：
支持本研究发现的数据在科学数据库中公开获取，网址为 https://doi.org/10.57760/sciencedb.013nm。更多详细信息可向通讯作者在合理请求下获取。
图1：C. yanhusuo 活性成分作用靶点与纤维肌痛症疾病靶点的维恩图交集。 左侧圆圈代表与纤维肌痛症相关的靶点；右侧圆圈代表C. yanhusuo活性成分的作用靶点；重叠区域表示两者共有的53个共同靶点。请点击此处查看该图的放大版本。
图2： “药物–活性成分–靶点–疾病”调控网络。 节点代表药物、活性成分、靶点和疾病，每种类型以不同的颜色和形状区分。边表示节点之间的关联关系。请点击此处查看该图的放大版本。
图3：治疗靶点的蛋白质-蛋白质相互作用网络分析。（A）利用 Cytoscape 可视化的延胡索（C. yanhusuo）抗纤维肌痛的53个重叠治疗靶点的蛋白质-蛋白质相互作用（PPI）网络。所有53个靶点均被映射并保留在网络中。节点代表蛋白质，边代表蛋白质-蛋白质相互作用。（B）按度中心性排序的前20个靶点。x轴表示度值，y轴表示靶基因符号。缩写：PPI = 蛋白质-蛋白质相互作用。请点击此处查看该图的放大版本。
图4：C. yanhusuo 活性成分靶点与纤维肌痛靶点的GO富集分析。（A）显示最显著富集的GO条目的柱状图。横轴表示基因数量；纵轴表示GO条目。（B）可视化GO富集结果的圆形图。GO条目被分为生物过程（BP）、细胞组分（CC）和分子功能（MF）。颜色标度表示原始 p 值。缩写：GO = 基因本体；BP = 生物过程；CC = 细胞组分；MF = 分子功能。请点击此处查看该图的放大版本。
图5：C. yanhusuo 活性成分靶点与纤维肌痛靶点的KEGG富集分析。（A）前15条信号通路。横轴表示基因比例；纵轴表示通路名称。圆点大小表示基因数量；圆点颜色表示原始 p 值。（B）前15条信号通路与靶点之间的关联。在（B）中，节点根据通路类别着色：红色/橙色节点代表炎症/免疫通路，蓝色节点代表神经信号通路。其中，IL-17、TNF、Toll样受体和C型凝集素受体信号通路作为上游触发因子；NF-κB、细胞因子-细胞因子受体相互作用、Janus激酶-信号转导子和转录激活子（JAK-STAT）、缺氧诱导因子1（HIF-1）、细胞衰老以及IgA产生相关的肠道免疫网络作为下游效应因子；而神经活性配体信号通路、神经活性配体-受体相互作用、5-羟色胺突触以及激素信号通路则作为中枢敏化的放大器。请点击此处查看该图的放大版本。
图6：核心活性成分与靶点蛋白的分子对接分析。（A）“药物–活性成分–靶点–疾病”调控网络中排名前10的活性成分与排名前10的核心靶点（PTGS2、PTGS1、KCNH2、ADRB2、CHRM3、OPRM1、OPRD1、SLC6A4、SLC6A3 和 ESR1）之间预测的分子对接结合能热图。（B）豆甾醇与 CHRM3 的三维（3D）和二维（2D）结合模式图。请点击此处查看该图的放大版本。
| 分子编号 | 分子名称 | 分子量 | 口服生物利用度(%) | 药物相似性 |
| MOL004193 | Clarkeanidine | 327.41 | 86.65 | 0.5 |
| MOL001460 | Cryptopin | 369.45 | 78.74 | 0.7 |
| MOL004234 | 2,3,9,10-四甲氧基-13-甲基-5,6-二氢异喹啉并[2,1-b]异喹啉-8-酮 | 381.46 | 76.77 | 0.7 |
| MOL004071 | Hyndarin | 355.47 | 73.94 | 0.6 |
| MOL000791 | bicuculline | 367.38 | 69.67 | 0.9 |
| MOL004195 | CORYDALINE | 369.5 | 65.84 | 0.7 |
| MOL000785 | palmatine | 352.44 | 64.6 | 0.7 |
| MOL004191 | Capaurine | 371.47 | 62.91 | 0.7 |
| MOL004200 | 甲基-[2-(3,4,6,7-四甲氧基-1-菲基)乙基]胺 | 355.47 | 61.15 | 0.4 |
| MOL001463 | Dihydrosanguinarine | 333.36 | 59.31 | 0.9 |
| MOL000787 | Fumarine | 353.4 | 59.26 | 0.8 |
| MOL004232 | 四氢原阿片碱 | 329.43 | 57.28 | 0.3 |
| MOL002903 | (R)-Canadine | 339.42 | 55.37 | 0.8 |
| MOL004226 | 24240-05-9 | 353.4 | 53.75 | 0.8 |
| MOL004196 | Corydalmine | 340.45 | 52.5 | 0.6 |
| MOL004230 | stylopine | 323.37 | 48.25 | 0.9 |
| MOL000793 | C09367 | 325.39 | 47.54 | 0.7 |
| MOL004203 | 脱氢紫堇碱 | 352.44 | 46.97 | 0.6 |
| MOL000098 | quercetin | 302.25 | 46.43 | 0.3 |
| MOL004198 | 18797-79-0 | 367.43 | 46.06 | 0.9 |
| MOL004215 | leonticine | 327.46 | 45.79 | 0.3 |
| MOL004190 | (-)-alpha-N-甲基加拿大碱 | 354.46 | 45.06 | 0.8 |
| MOL004210 | (1S,8'R)-6,7-二甲氧基-2-甲基螺[3,4-二氢异喹啉-1,7'-6,8-二氢环戊烷[g][1,3]苯并二氧杂环]-8'-醇 | 369.45 | 43.95 | 0.7 |
| MOL004205 | 脱氢紫堇明 | 338.41 | 43.9 | 0.6 |
| MOL000449 | 豆甾醇 | 412.77 | 43.83 | 0.8 |
| MOL004228 | saulatine | 396.47 | 42.74 | 0.8 |
| MOL004204 | 脱氢紫堇定 | 366.47 | 41.98 | 0.7 |
| MOL004220 | N-甲基月油四甲基原小檗碱 | 341.44 | 41.62 | 0.6 |
| MOL004216 | 13-甲基棕榈碱 | 352.44 | 40.97 | 0.6 |
| MOL004214 | 异紫堇百灵碱 | 368.51 | 40.18 | 0.7 |
| MOL004763 | Izoteolin | 327.41 | 39.53 | 0.5 |
| MOL004202 | 脱氢卡维丁 | 351.43 | 38.99 | 0.8 |
| MOL004208 | 去甲基紫堇达明 | 327.41 | 38.99 | 0.5 |
| MOL004225 | pseudocoptisine | 320.34 | 38.97 | 0.9 |
| MOL004199 | Corynoloxine | 365.41 | 38.12 | 0.6 |
| MOL001474 | sanguinarine | 332.35 | 37.81 | 0.9 |
| MOL004197 | Corydine | 341.44 | 37.16 | 0.6 |
| MOL000359 | sitosterol | 414.79 | 36.91 | 0.8 |
| MOL001454 | berberine | 336.39 | 36.86 | 0.8 |
| MOL004209 | 13-甲基脱氢紫堇明 | 352.44 | 35.94 | 0.6 |
| MOL000790 | 异紫堇百灵碱 | 341.44 | 35.77 | 0.6 |
| MOL002670 | Cavidine | 353.45 | 35.64 | 0.8 |
| MOL004231 | 四氢紫堇胺 | 337.4 | 34.17 | 0.9 |
| MOL001461 | Dihydrochelerythrine | 349.41 | 32.73 | 0.8 |
| MOL000217 | (S)-Scoulerine | 327.41 | 32.28 | 0.5 |
| MOL004233 | ST057701 | 341.44 | 31.87 | 0.6 |
| MOL001458 | coptisine | 320.34 | 30.67 | 0.9 |
| MOL004221 | norglaucing | 341.44 | 30.35 | 0.6 |
| MOL004224 | pontevedrine | 381.41 | 30.28 | 0.7 |
表1：从TCMSP中鉴定出的延胡索（C. yanhusuo）活性成分及其药代动力学参数。 MW：分子量；OB：口服生物利用度；DL：类药性。筛选OB≥30%且DL≥0.18的成分为后续网络构建的关键成分。
补充表 1：分子对接所用的 PubChem 配体。 列出了用作对接配体的 10 种活性成分，包括其名称、PubChem CID 和分子式。所有配体结构均通过所列 CID 从 PubChem 获取 SDF 格式文件。请点击此处下载该文件。
补充表 2： 用于分子对接的 AlphaFold 受体结构。 列出了用作对接受体的 10 种靶蛋白，包括其基因符号、UniProt 登录号和 AlphaFold 数据库条目 ID。所有受体结构均以 PDB 格式从 AlphaFold 蛋白质结构数据库下载。请点击此处下载该文件。
讨论
在本研究中，我们采用网络药理学方法结合分子对接技术，系统预测了 C. yanhusuo 在纤维肌痛综合征（FMS）潜在治疗中的多靶点作用机制。计算机模拟结果预测， C. yanhusuo 对抗FMS的潜在治疗作用可能通过一个复杂的调控网络实现，该网络涉及49种活性成分、53个交集靶点以及多条信号通路。这一综合分析不仅与 C. yanhusuo 作为镇痛草药的传统用途相吻合，还从分子水平上为其管理FMS复杂症状提供了初步的、基于预测的作用机制见解。
基于靶点连接度，“药物-活性成分-靶点-疾病”调控网络分析鉴定出槲皮素、异紫堇碱、氢丹参素、(R)-卡丹宁、狮子莲碱、(S)-散黄连碱、延胡索甲素、克拉维林碱、豆甾醇和隐品碱为前10种核心活性成分。槲皮素是一种常见的黄酮类化合物，具有显著的生物学活性，包括抗氧化、抗炎和免疫调节作用41。在实验药理学研究中，已有报道表明，槲皮素干预可显著改善利血平诱导的纤维肌痛模型大鼠的肌肉痛觉过敏、触觉异常性疼痛和冷异常性疼痛42。在动物模型中，豆甾醇被报道可在利血平诱导的纤维肌痛小鼠模型中剂量依赖性地减轻机械性及冷异常性疼痛、热诱导的热痛觉过敏、眶周机械性异常性疼痛、肌肉力量丧失以及情感-动机性疼痛行为43。这些体内研究结果为这些化合物在纤维肌痛模型中的潜在相关性提供了间接的药理学支持，但并未验证本研究中预测的特定分子靶点。异紫堇碱、氢丹参素、(R)-卡丹宁、狮子莲碱、(S)-散黄连碱、延胡索甲素、克拉维林碱和隐品碱是存在于 C. yanhusuo中的生物碱，已有研究报道这些生物碱可通过离子通道阻断、神经递质调节以及环氧化酶-2（COX-2）抑制等机制产生镇痛作用。
PPI 网络分析预测 TNF、IL6、IL1B、ESR1 和 PTGS2 为排名最高的枢纽靶点，提示神经炎症和免疫调节在纤维肌痛综合征（FMS）病理生理过程中可能具有重要作用。为进一步超越简单的排序结果，我们根据这些枢纽靶点已知的生物学功能和网络连接性，将其划分为三个功能模块：炎症/细胞因子模块（TNF、IL6、IL1B、CXCL8）、神经递质受体模块（CHRM3、ADRB2、ESR1）以及信号转导模块（PTGS2、MMP9）。这些模块可能协同驱动 FMS 中“外周免疫激活 → 中枢敏化”的恶性循环，而非孤立发挥作用。慢性低度炎症 increasingly 被认为是中枢敏化的重要促成因素，而中枢敏化是 FMS 的核心机制之一。TNF 和 IL-1β 是关键的促炎细胞因子，可通过激活胶质细胞并增强脊髓及参与疼痛处理的脑区中的突触兴奋性来放大疼痛信号44,45,46。预测的网络表明，延胡索（C. yanhusuo）中的多种活性成分（如槲皮素和豆甾醇）可能同时作用于这些炎症介质，提示其具有潜在的广谱抗神经炎症效应47,48,49。这一点尤为重要，因为传统的药物治疗（如普瑞巴林和度洛西汀）主要旨在调节神经递质水平，可能无法直接靶向 FMS 的炎症成分。
GO 富集分析进一步预测了相关的生物过程 C. yanhusuo 可能参与调节对外源性刺激的反应、单胺转运、多巴胺能突触传递以及细胞对脂多糖的反应等生物学过程。这些预测结果与多巴胺和5-羟色胺在疼痛调节和情绪调控中的已知作用相一致，而这两者在纤维肌痛综合征（FMS）患者中常出现功能紊乱。KEGG通路富集分析进一步预测，该药物的潜在作用靶点主要富集于 C. yanhusuo 可能主要参与IL-17信号通路、神经活性配体-受体相互作用、TNF信号通路、细胞因子-细胞因子受体相互作用以及NF-κB信号通路κB 信号通路
IL-17信号通路已被证实是炎症性和自身免疫性疾病中慢性疼痛的关键驱动因素，其通过介导中性粒细胞的募集，并促进TNF和IL-6等促炎性细胞因子的释放50,51,52。C. yanhusuo对这一通路的作用提示，该草药可能减轻外周免疫系统的激活以及随之而来的中枢神经炎症，而这两者 increasingly 被认为是纤维肌痛综合征（FMS）症状加重的重要因素。此外，神经活性配体-受体相互作用通路是多种神经递质系统（包括谷氨酸能、GABA能和胆碱能信号通路）的交汇点，这些系统均被证实参与FMS中的疼痛处理及认知功能障碍50,51,52,53,54,55。C. yanhusuo对该通路的调控作用，可能部分解释了该草药在缓解疼痛的同时，也具有调节FMS相关疲劳、睡眠障碍和情绪障碍的预测潜力。
分子对接结果通过计算机模拟预测了“药物–活性成分–靶点–疾病”调控网络中的前10种活性成分与前10个核心靶点（PTGS2、PTGS1、KCNH2、ADRB2、CHRM3、OPRM1、OPRD1、SLC6A4、SLC6A3 和 ESR1）之间可能的结合相互作用。值得注意的是，所有配体–受体对的预测结合能均低于 -5 kcal/mol，表明具有中等到较强的预测结合能力。其中，豆甾醇–CHRM3 的预测对接得分最低（−10.1 kcal/mol），其次为槲皮素–ADRB2（−9.8 kcal/mol）和豆甾醇–OPRM1（−9.6 kcal/mol）。豆甾醇是一种在 C. yanhusuo中已鉴定出的植物来源植物甾醇，在多种疾病模型中表现出抗炎和抗氧化活性56,57,58。其对 CHRM3 和 ADRB2 的强预测结合能力提示，除生物碱外，非生物碱类成分也可能通过调节胆碱能和肾上腺素能信号通路参与 C. yanhusuo 的治疗作用，这些通路对自主神经系统调节和疼痛调控至关重要。豆甾醇对 CHRM3 和 ADRB2 的强预测结合可能与 C. yanhusuo 传统功效“理气止痛”相关。与非甾体抗炎药（NSAIDs）不同，C. yanhusuo 可能同时作用于炎症介质和自主神经递质受体，提示其具有潜在的双重作用机制。胆碱能抗炎通路与经典的 TNF/IL-6 通路的相对贡献仍有待实验验证。在核心成分中，槲皮素可能作为广谱抗炎组分发挥作用，而豆甾醇则可能对 CHRM3 和 ADRB2 等特定靶点表现出相对更强的预测对接相互作用。这种“广谱覆盖 + 高精度靶向”的模式可能与纤维肌痛综合征（FMS）的异质性疼痛特征相匹配。
将预测转化为局限性
尽管网络药理学具有预测性，但其研究结果应谨慎解读。基于预测结果，我们提出假设：C. yanhusuo 中最具临床前景的部分可能是富含槲皮素和豆甾醇的特定提取物，而非全混合物。该假设需通过实验验证。未来的研究应致力于分离此类富集组分，并在体外和体内进行测试，以确认所预测的作用靶点和通路。
结论
本研究表明，延胡索（C. yanhusuo）可能通过多成分、多靶点、多通路协同作用机制发挥对纤维肌痛综合征的治疗作用，其核心作用可能集中于抑制神经炎症和神经调节。整合网络药理学与分子对接分析显示，槲皮素和豆甾醇等关键活性成分可能共同调控关键炎症介质及神经活性信号通路，从而潜在地调节外周免疫激活与中枢敏化。这些发现为延胡索（C. yanhusuo）在纤维肌痛综合征（FMS）中的未来实验研究及潜在临床应用提供了初步的、基于预测的理论依据，并可能为复杂慢性疼痛疾病的多靶点药物研发提供假说指导。上述预测尚需实验验证。
局限性：
本研究完全基于计算机模拟的网络药理学和分子对接预测，缺乏实验和临床验证。OB ≥30% 和 DL ≥0.18 的筛选阈值在网络药理学中属于标准设定，但可能会排除一些具有潜在活性的低OB化合物，例如某些镇痛生物碱。分子对接所使用的蛋白结构为AlphaFold预测结构，而非实验测定的晶体结构，此为本研究的局限性。未来的研究应尽可能利用现有的PDB结构对这些预测结果进行验证。后续研究将包括体外和体内实验，以验证所鉴定的靶点和信号通路，并进一步开展临床试验，评估其治疗有效性和安全性 C. yanhusuo 纤维肌痛患者中的提取物。最终，我们的目标是开发一种标准化的 C. yanhusuo 纤维肌痛综合征临床应用的制备
披露
作者声明无利益冲突。
人工智能使用声明：在本作品的准备过程中，作者使用了 Deepseek 进行语言润色和语法检查。所有经人工智能辅助生成的内容均已由作者审阅并修改，作者对出版内容承担全部责任。
致谢
作者声明本研究及/或其发表未获得任何资金支持。
材料
| 姓名 | 公司 | 目录编号 | 评论 |
|---|---|---|---|
| AlphaFold 蛋白质结构数据库 | DeepMind & EMBL-EBI | https://alphafold.ebi.ac.uk/ | 下载核心靶点蛋白的3D结构（PDB）作为对接受体。 |
| CB-Dock2 | 在线盲式对接平台 | https://cadd.labshare.cn/cb-dock2/ | 基于 AutoDock Vina 的盲对接；识别结合口袋，预测构象，并导出最低结合能。 |
| ChimeraX | 加州大学旧金山分校生物计算、可视化与信息学资源中心 | https://www.cgl.ucsf.edu/chimerax/ | 蛋白质的可视化三维结合构象–配体复合物。版本 1.1 |
| Cytoscape | Cytoscape 联盟 | https://cytoscape.org/ | 构建并可视化药物–成分–目标–疾病与蛋白质相互作用网络；通过 Network Analyzer 进行拓扑分析（度排序）。版本 3.7.2 |
| GeneCards | 以色列魏茨曼科学研究所 | https://www.genecards.org/ | 使用关键词检索纤维肌痛相关靶点 “纤维肌痛”；所有检索到的目标均被保留，未进行额外的阈值筛选。 |
| LigPlus | 不适用 | http://www.ebi.ac.uk/thornton-srv/software/LigPlus/ | 生成的二维相互作用图，显示氢键和疏水相互作用。版本 2.3.1 |
| PubChem | 美国国家医学图书馆（NCBI） | https://pubchem.ncbi.nlm.nih.gov/ | 获取前10种活性成分的2D结构（SDF）作为对接配体。 |
| R | R 统计计算基金会 | https://www.r-project.org/ | 使用 clusterProfiler 进行 GO 和 KEGG 富集分析；排除 "人类疾病" 和 "代谢" 通路。版本 4.3.1 |
| STRING | STRING 联盟（EMBL、SIB 等） | https://string-db.org/ | 构建的蛋白质相互作用网络（Homo sapiens，置信度） ≥0.400）；用于 Cytoscape 的导出 TSV 文件。 |
| TCMSP | 中国西北 A&中国F大学 | https://www.tcmsp-e.com/ | 回收延胡索的所有组分；筛选活性成分（OB≥30%，DL≥0.18）；获得相应的目标蛋白。 |
| UniProt | UniProt 联盟（EBI，SIB，PIR） | https://www.uniprot.org/ | 将靶蛋白转换为官方基因符号（智人）。版本 2025_01 |
参考文献
- Winslow BT, Vandal C, Dang L. Fibromyalgia: diagnosis and management. Am Fam Physician. 2023;107(2):137-144.
- Kocyigit BF, Akyol A. Fibromyalgia syndrome: epidemiology, diagnosis and treatment. Reumatologia. 2022;60(6):413-421.
- Berwick R, Barker C, Goebel A; Guideline Development Group. The diagnosis of fibromyalgia syndrome. Clin Med (Lond). 2022;22(6):570-574.
- Carrasco-Querol N, et al. Nutrition and chronobiology as key components of multidisciplinary therapeutic interventions for fibromyalgia and associated chronic fatigue syndrome: a narrative and critical review. Nutrients. 2024;16(2):182.
- Ughreja RA, Venkatesan P, Balebail Gopalakrishna D, Singh YP. Effectiveness of myofascial release on pain, sleep, and quality of life in patients with fibromyalgia syndrome: a systematic review. Complement Ther Clin Pract. 2021;45:101477.
- Favretti M, Iannuccelli C, Di Franco M. Pain biomarkers in fibromyalgia syndrome: current understanding and future directions. Int J Mol Sci. 2023;24(13):10443.
- Minhas D, Murphy A, Clauw DJ. Fibromyalgia and centralized pain in the rheumatoid arthritis patient. Curr Opin Rheumatol. 2023;35(3):170-174.
- Monteiro JAM, et al. Fibromyalgia comorbidity in systemic lupus erythematosus patients: assessing impact on quality of life. Adv Rheumatol. 2024;64(1):90.
- Chen G, Yan Z, Wang Y, Tao Q. Rheumatoid arthritis and fibromyalgia syndrome: a bibliometric and bioinformatics perspective on comorbidity research. J Multidiscip Healthc. 2025;18:6811-6827.
- Jurado-Priego LN, Cueto-Ureña C, Ramírez-Expósito MJ, Martínez-Martos JM. Fibromyalgia: a review of the pathophysiological mechanisms and multidisciplinary treatment strategies. Biomedicines. 2024;12(7):1543.
- Paroli M, Gioia C, Accapezzato D, Caccavale R. Inflammation, autoimmunity, and infection in fibromyalgia: a narrative review. Int J Mol Sci. 2024;25(11):5922.
- Marino Y, et al. Role of mitochondrial dysfunction and biogenesis in fibromyalgia syndrome: molecular mechanism in central nervous system. Biochim Biophys Acta Mol Basis Dis. 2024;1870(7):167301.
- Malik A, et al. Serotonin and norepinephrine reuptake inhibitors (SNRIs) for treatment of fibromyalgia: a comprehensive clinical review. Psychopharmacol Bull. 2025;55(2):24-40.
- García-Domínguez M. Fibromyalgia and inflammation: unrevealing the connection. Cells. 2025;14(4):271.
- Assavarittirong C, Samborski W, Grygiel-Górniak B. Oxidative stress in fibromyalgia: from pathology to treatment. Oxid Med Cell Longev. 2022;2022:1582432.
- Giorgi V, et al. Pharmacological treatment of fibromyalgia syndrome: a practice-based review. Curr Pain Headache Rep. 2024;28(12):1349-1363.
- Migliorini F, et al. Duloxetine for fibromyalgia syndrome: a systematic review and meta-analysis. J Orthop Surg Res. 2023;18(1):504.
- Moore A, et al. Effectiveness of pharmacological therapies for fibromyalgia syndrome in adults: an overview of Cochrane Reviews. Rheumatology (Oxford). 2025;64(5):2385-2394.
- Lum G, et al. Current pharmacological management, treatment challenges, and potential future treatment options for fibromyalgia syndrome. Expert Opin Pharmacother. 2025;26(18):2013-2025.
- Zhang P, et al. Network pharmacology: towards the artificial intelligence-based precision traditional Chinese medicine. Brief Bioinform. 2024;25(1):bbad518.
- Wang Y, El-Kott AF, El-Kenawy AE, Xue L. Decorated CuO nanoparticles over chitosan-functionalized magnetic nanoparticles: investigation of its anti-colon carcinoma and anti-gastric cancer effects. Arabian J Chem. 2021;14(7):103201.
- Zeng Y, et al. Fisetin micelles precisely exhibit a radiosensitization effect by inhibiting PDGFRβ/STAT1/STAT3/Bcl-2 signaling pathway in tumor. Chin Chem Lett. 2025;36(2):109734.
- Chen GY, et al. Mechanisms of total glucosides of paeony in alleviating methotrexate-induced liver injury. Drug Des Devel Ther. 2025;19:3407-3423.
- Chen GY, et al. Prediction of Rhizoma Drynariae targets in the treatment of osteoarthritis based on network pharmacology and experimental verification. Evid Based Complement Alternat Med. 2021;2021:5233462.
- Aguiar C, Camps I. Molecular docking in drug discovery: techniques, applications, and advancements. Curr Med Chem. 2025;32(28):5924-5938.
- Wu L, et al. Processing and compatibility of Corydalis yanhusuo: phytochemistry, pharmacology, pharmacokinetics, and safety. Evid Based Complement Alternat Med. 2021;2021:1271953.
- Alhassen L, et al. The analgesic properties of Corydalis yanhusuo. Molecules. 2021;26(24):7498.
- Ru J, et al. TCMSP: a database of systems pharmacology for drug discovery from herbal medicines. J Cheminform. 2014;6:13.
- Chen GY, et al. Integrating network pharmacology and experimental validation to explore the key mechanism of Gubitong recipe in the treatment of osteoarthritis. Comput Math Methods Med. 2022;2022:7858925.
- Jin Q, et al. Network and experimental pharmacology to decode the action of Wendan decoction against generalized anxiety disorder. Drug Des Devel Ther. 2022;16:3297-3314.
- UniProt Consortium. UniProt: the Universal Protein Knowledgebase in 2025. Nucleic Acids Res. 2025;53(D1):D609-D617.
- Stelzer G, et al. The GeneCards Suite: from gene data mining to disease genome sequence analyses. Curr Protoc Bioinformatics. 2016;54:1.30.1-1.30.33.
- Otasek D, et al. Cytoscape Automation: empowering workflow-based network analysis. Genome Biol. 2019;20(1):185.
- Szklarczyk D, et al. The STRING database in 2025: protein networks with directionality of regulation. Nucleic Acids Res. 2025;53(D1):D730-D737.
- Majeed A, Mukhtar S. Protein-protein interaction network exploration using Cytoscape. Methods Mol Biol. 2023;2690:419-427.
- Yu G, Wang LG, Han Y, He QY. clusterProfiler: an R package for comparing biological themes among gene clusters. OMICS. 2012;16(5):284-287.
- Feng S, et al. Harnessing gene editing technology for tumor microenvironment modulation: an emerging anticancer strategy. Chemistry. 2024;30(62):e202402485.
- Kim S, et al. PubChem in 2021: new data content and improved web interfaces. Nucleic Acids Res. 2021;49(D1):D1388-D1395.
- Varadi M, et al. AlphaFold Protein Structure Database: massively expanding the structural coverage of protein-sequence space with high-accuracy models. Nucleic Acids Res. 2022;50(D1):D439-D444.
- Eberhardt J, Santos-Martins D, Tillack AF, Forli S. AutoDock Vina 1.2.0: new docking methods, expanded force field, and Python bindings. J Chem Inf Model. 2021;61(8):3891-3898.
- He L, et al. Shape-based virtual screen for the discovery of novel CDK8 inhibitor chemotypes. Bioorg Med Chem Lett. 2019;29(4):549-555.
- Quinto-Ortiz YE, et al. Pharmacological interaction of quercetin derivatives of Tilia americana and clinical drugs in experimental fibromyalgia. Metabolites. 2022;12(10):916.
- Perazzio AC, et al. Stigmasterol attenuates nociplastic pain and fatigue-like symptoms in a reserpine-induced fibromyalgia model in mice. Inflammopharmacology. 2026;34(1):509-523.
- Ji RR, et al. Neuroinflammation and central sensitization in chronic and widespread pain. Anesthesiology. 2018;129(2):343-366.
- Biltz RG, Sawicki CM, Sheridan JF, Godbout JP. The neuroimmunology of social-stress-induced sensitization. Nat Immunol. 2022;23(11):1527-1535.
- Ahmed I, et al. Oral and gut health, (neuro)inflammation, and central sensitization in chronic pain: a narrative review of mechanisms, treatment opportunities, and research agenda. Int J Mol Sci. 2026;27(1):114.
- Wu J, et al. The role of quercetin in NLRP3-associated inflammation. Inflammopharmacology. 2024;32(6):3585-3610.
- Xiong QQ, et al. Hypericum aqueous extract promotes skin wound healing by modulating the PI3K/Akt signaling pathway. Food & Medicine Homology. 2026;3(4):9420125.
- Sun M, et al. Stigmasterol from Prunella vulgaris L. alleviates LPS-induced mammary gland injury by inhibiting inflammation and ferroptosis. Phytomedicine. 2025;137:156362.
- McNamee KE, et al. IL-17 induces hyperalgesia via TNF-dependent neutrophil infiltration. Pain. 2011;152(8):1838-1845.
- Jiang X, et al. Interleukin-17 as a potential therapeutic target for chronic pain. Front Immunol. 2022;13:999407.
- Gao SJ, et al. Interleukin-17: a putative novel pharmacological target for pathological pain. Curr Neuropharmacol. 2024;22(2):204-216.
- Yang Y, et al. Inhibition of neuroactive ligand-receptor interaction pathway can enhance immunotherapy response in colon cancer: an in silico study. Expert Rev Anticancer Ther. 2023;23(11):1205-1215.
- Li QR, et al. Unveiling the mechanism of Cibotium barometz in the treatment of rheumatoid arthritis: a study based on network pharmacology and experimental validation. Curr Med Chem. In press. https://www.eurekaselect.com/article/158465
- Chan RJ, et al. Perturbations in the neuroactive ligand-receptor interaction and renin angiotensin system pathways are associated with cancer-related cognitive impairment. Support Care Cancer. 2025;33(4):254.
- Cao W, et al. Structural elucidation of an active polysaccharide from Radix Puerariae lobatae and its protection against acute alcoholic liver disease. Carbohydr Polym. 2024;325:121565.
- Tong Y, et al. Stigmasterol exerts antioxidant effects through activation of the Keap1/Nrf2 signaling pathway in Parkinson's disease model. J Transl Med. 2026;24:9.
- Ohara Y, Osada K. Effect of dietary oxidized stigmasterol on the antioxidant system in mice. J Oleo Sci. 2024;73(12):1493-1503