中醫“異病同治”理論的網絡藥理學闡釋*

劉崢嶸，林思濠，繆思怡，鄭 嵐，林偉杰，馬詩瑜△，卞曉嵐△

（1. 上海健康醫學院藥學院，上海 201318； 2. 上海交通大學醫學院附屬瑞金醫院，上海 200023； 3. 廣東省珠海市人民醫院·暨南大學附屬珠海醫院，廣東 珠海 519099）

“異病同治”屬中醫基礎治療手段，首見于《黃帝內經》，《傷寒雜病論》中也記載了大量“異病同治”的辨證論治實踐和方法?！爱惒⊥巍笔侵敢虿煌募膊≡谄浒l展過程中出現了相同的病證，故選擇同種治療方法的原則，其核心思想在于“辨病”與“辨證”結合，即病異、同證、同治［1］。如久瀉脫肛、子宮下垂、胃下垂屬不同疾病，但中醫學認為三者均為中氣下陷證，故可采用具有升提中氣功效的補中益氣湯進行治療［2］。近年來，“異病同治”理論在中醫臨床治療中有著重要指導作用［3-5］，是中醫藥發展過程中不可或缺的一部分。在此，對中醫“異病同治”理論的網絡藥理學進行闡釋。

1 研究現狀

“異病同治”理論雖應用于中藥復方對證治療歷史悠久，但中藥復方/制劑具有多成分、多途徑、多靶點協同作用的特點［6-7］，故直觀、全面地闡釋其藥效物質基礎和作用機制很有必要。網絡藥理學包含了系統生物學、藥理學、生物信息學等交叉學科，基本思路是通過疾病- 基因- 靶點- 藥物互作網絡，經過拓撲參數分析及蛋白互作網絡（PPI）等可視化操作，詳細闡明藥物的作用靶點、作用機制及生理、病理過程等，探索藥物對疾病網絡的影響與干預［8-10］。這種多層次、多角度的研究策略與傳統中醫藥的系統性與整體觀不謀而合，中醫“異病同治”理論的網絡藥理學研究也越來越多，其研究現狀見表1。

表1 中醫“異病同治”理論的網絡藥理學研究Tab.1 Researches of TCM theory of "homotherapy for heteropathy" based on network pharmacology

2 研究思路

2.1 篩選中藥復方有效化學成分

在中藥成分數據庫中查找中藥復方的化學成分，以口服生物利用度［29］（OB）≥30%和類藥性［30］（DL）≥0.18為篩選指標。除OB 和DL 外，還有很多其他藥學和生物特性影響化合物的活性，如有研究將人結腸癌細胞系Caco-2細胞滲透率≥-0.04納入篩選條件［25，28］，主要考慮胃腸道的吸收作用。故在篩選和最終確定有效化學成分時需仔細考慮各因素對化合物的影響，同時也應考慮疾病因素。

2.2 明確疾病和中藥化學成分的相關靶點/靶標

在化合物靶點/靶標數據庫中查找有效化學成分對應的靶點/靶標，在疾病靶點/靶標數據庫中查找與疾病對應的靶點/靶標，取藥物靶點/靶標與疾病靶點/靶標的交集，作為潛在靶點/ 靶標。校正靶點/ 靶標的基因名稱，整合、去除重復靶點/靶標或無對應有效化學成分的靶點/靶標。

2.3 挖掘靶點/靶標的蛋白質相互作用和生物功能

構建不同疾病與中藥復方的成分-靶點-疾病網絡與PPI，并運用網絡可視化軟件分析疾病節點的網絡拓撲參數，從分子層面解析中藥復方治療相關不同疾病的作用機制。同時，對中藥復方中化學成分調控不同疾病的共同通路進行富集分析，篩選出一系列顯著富集的生物學過程與生物通路。

2.4 探索有效成分與靶點/靶標的結合度

將網絡拓撲結構中等級值較高的藥物活性成分與疾病靶點/靶標進行分子對接，找到底物分子和受體分子的最佳結合位置及結合強度，最終獲得配體和受體的結合優勢構象，以更立體和明確地闡明中藥復方“異病同治”的分子機制。

2.5 研究思路流程

詳見圖1。

圖1 中醫“異病同治”理論的網絡藥理學研究思路Fig.1 Research ideas of TCM theory of "homotherapy for heteropathy" based on network pharmacology

3 研究方法與工具

3.1 靶點/靶標查詢

中藥復方與相關疾病的數據庫是構建“異病同治”網絡的基礎［31］，常用數據庫主要分為藥物化學成分數據庫及中藥化學數據庫、生物分子網絡數據庫、疾病/靶點數據庫、通路信息數據庫，詳見表2。這些數據庫為研究人員提供了豐富的藥物分子結構、功能、信號通路及中藥復方與生物分子間相互作用等多類別的信息數據［32］。此外，采取組學技術或中藥化學成分分析等方法得到的數據也是生物網絡數據的來源。

表2 中藥網絡藥理學的公共數據庫Tab.2 Public databases of TCM network pharmacology

3.2 生物網絡的構建與分析

構建：生物網絡的構建和分析主要是為了說明藥物與疾病之間的關聯性，故闡述“異病同治”理論的網絡藥理學關鍵在于生物網絡的構建和分析。構建PPI獲取蛋白相互作用關系時，可從String 數據庫中獲取多個蛋白間的PPI。將前期收集的互作網絡進行整合，通過可視化軟件（Cytoscape，Pajek，GUESS，WIDAS 等）可直觀地呈現相互聯系的網絡節點。節點可被定義為活性成分、靶點分子、藥物、疾病等，是生物網絡結構的核心。當節點間存在相互作用時，則使用邊進行連接，如基因調控相互作用、基因共表達等。

網絡分析：通常包括網絡拓撲學信息計算、隨機網絡生成和比較、網絡分層和聚類［52-54］，目前的大部分研究是基于Cytoscape 的Network Analysis 功能進行網絡分析。其中，度值（degree）、中心度值（betweenness centrality）、邊介數（edge betweenness）、緊密度（closeness）、特征向量（eigenvector）、局部平均連通度（LAC）、網絡（network）、評分（score）為重要的分析參數［55-57］。Degree 表示在網絡中與該節點直接作用的節點數量。Score 反映該節點及周邊節點的密集程度，表示在網絡中某一節點擔任其他2個節點間最短路徑的通過次數。某一節點的degree 越大，則流經這一節點的數據就越多，故成為網絡的關鍵節點（hubs）。Hubs 和degree 是生物網絡分析的核心，擁有高degree值是核心靶標篩選的重點。如葛俊德等［24］在火把花根片的研究中根據上述分析參數對PPI 進行2次篩選，第1次以degree ≥2倍中位數為篩選條件進行篩選，第2次以degree，betweenness，closeness，eigenvector，LAC，network 均大于或等于其中位數，且score ＞2 和K - Core= 2 為條件進行核心靶點篩選，再利用Cytoscape軟件中MCODE 插件進行后續模塊的分析。褚福浩等［28］在探討蠶沙“異病同治”作用機制的研究中使用節點連接度、介度和closeness 作為篩選指標，再合并（merge）根據每個指標選出的靶點，從而選出了核心靶點。

3.3 分類模型的構建

分類模型的構建能使網絡藥理學在復雜生物相互作用網絡中獲取整體的機制性信息，并為發現中藥復方有效化學成分的靶標提供了前提。LI 等［58］采用支持向量機（SVM）、K - 近鄰算法（K - NN）、樸素貝葉斯（NB）、C4.5 決策樹算法（C4.5 DT）和隨機森林（RF）5 種分類模型構建算法對蜜蜂毒性化合物進行了生物信息學計算。SVM 是一種基于核函數的二分類模型，通過引入核函數來處理高維空間問題［59］。K-NN 是根據某一目標距離最近的K個點的類別來判斷其歸屬類別，屬于一種基于有監督學習的分類算法，擁有非參、惰性特點，且目標只在局部近似分類，所有計算都在分類后進行［60］?；谪惾~斯規則的NB 是一種簡單的分類算法，對于某一待分類項，求解在此項出現的情況下各個類別出現的概率，待分類項歸屬于概率最大的類別［61］。C4.5 DT 是Ross - Quinlan 開發的分類決策樹算法，能處理屬性為連續值的數據［62］。在決策樹的每個節點，C4.5 DT 不直接選擇增益率最高的屬性分類，而候選增益率高于平均水平的屬性，保證在含有大部分好的特征屬性的前提下選擇增益率最高的屬性，從而產生的分類易被研究者理解。RF 通過對數據集的采樣生成多個不同的數據集，并在每個數據集上構造出一顆決策樹［63］。當某一新的樣本數據進入RF 算法，其被某一類別選擇最多，便預測這個樣本歸屬為那一類。

盡管上述5 種分類構建模型被廣泛應用于毒理學研究［64-66］，但這些算法是高效、穩定的，故在“異病同治”的網絡藥理學領域也具有應用前景與可行性。

3.4 信號通路與生物功能富集分析

基于網絡藥理學研究中藥復方對“異病同治”的作用機制，主要采用信號通路與生物功能富集分析。常用的生物功能富集分析主要是基因本體論（GO）富集分析和京都基因與基因組百科全書［49］（KEGG）通路富集分析，再根據超幾何算法得出的調整P＜0.05 的設定，對KEGG 與GO 功能分析進行排序，從而揭示中藥成分作用靶點調節的生物過程及與疾病相關靶點的相互作用，闡述中藥復方“異病同治”的作用機制。GO 是對所有基因功能進行描述的本體數據庫，用以描述基因和基因產物的生物學屬性。KEGG 是一個整合基因組、化學和系統功能信息的數據庫，具有直觀的圖形功能，用以展示眾多的代謝途徑及各途徑間的關系，其中最核心的為KEGG Pathway 和KEGG Orthology 數據庫。

核心靶標參與的重要KEGG 信號通路與GO 生物過程可通過在線網站DAVID［67］（https：// david - d.ncifcrf.gov/）或KOBAS 3.0［68］（http：//kobas.cbi.pku.edu. cn/ kobas3）富集分析獲得，富集分析前需將蛋白質名稱轉換為官方基因名稱（office gene symbol）。有研究也使用R 語言對富集分析結果進行可視化處理，使其更加清晰、美觀［12，25］。

3.5 分子對接技術

基于網絡藥理學探究“異病同治”相關的研究，一般采用反向分子對接技術預測中藥復方中有效化學成分的靶點/靶標，同時采用正向分子對接技術探索化合物與潛在靶點相互作用機制與結合作用的強弱關系，尋找最優構型，預測其結合模式與親和力，通過打分函數挑選出與受體親和力最佳的配體。如李靜等［69］運用在線平臺PharmMapper［70］（http：/ / www. lilab - ecust.cn/pharmmapper/），采用反向分子對接技術預測款冬花止咳化痰主要活性成分的作用靶點，并探討了其多成分、多靶點、多通路的作用機制。

4 展望

現今關于中醫“異病同治”理論的解釋主要有兩種觀點。一部分學者認為，“異病同治”的核心在于病證結合，即不同疾病出現相同的證候時可采用同種治療方法治療［71-72］。通過辨病能掌握疾病發生、發展的基本規律，確定其病灶；通過“望聞問切”的傳統中醫問診方法可獲得疾病在某個階段發展的主要特征，從而給予精確的治療方案［73］?！爸瓮薄爸萎悺钡年P鍵不在于“病”的同異，而在“證”的同異［74］。另有學者提出，“異病同治”可從身體體質著手，體質與證候間有一定的內在聯系，故可采用相同療法［75］。兩種觀點都將證候（或體質）視為“異病同治”理論中不可或缺的部分，而“異病同治”的網絡藥理學研究基于此方面的研究尚有不足。通過數據庫查找中醫證候（或體質）相關基因、蛋白等，再與疾病聯系，構建體質- 成分- 疾病- 靶點綜合關系網絡，進行中藥復方“異病同治”的理論分析，可成為未來研究的方向與目標。

盡管網絡藥理學在“異病同治”的研究已備受關注，但仍有許多問題值得重視。首先，中藥成分數據庫現有數據的準確性、不可控性及研究方向的偏向性有

待解決。由于中藥成分數據庫的種類多種多樣，導致其更新頻次、數據準確性、數據來源層次不清。中藥成分數據庫提供的化學成分信息多為體外分離提取，未涉及體內藥代動力學等領域，而中藥真正發揮藥效作用的物質是其血中移行成分［76］。其次，復方中藥網絡藥理學研究是基于分類模型算法及拓撲網絡的研究方法，網絡中的作用關系仍需后續的藥理學實驗驗證。最后，網絡藥理學研究中通常忽略中藥成分的含量，缺乏藥代動力學基礎，含量和藥物濃度在實際運用中對藥效有影響。目前，中醫“異病同治”理論的網絡藥理學研究一般以OB 和DL 作為篩選條件確定有效化學成分，即使避免了將含量高、口服吸收差的化學成分作為有效成分，也還是忽視了含量和藥物濃度對藥效的影響［9］。綜上所述，雖然中醫“異病同治”理論的網絡藥理學研究仍處于初步階段，但隨著數據庫信息的不斷完善、分類模型的優化與改良、實驗結合多組學數據等措施的實施，未來的研究將加深人們對中醫治療復雜疾病的了解與認識，并結合中醫證候開拓“異病同治”的研究思路，推動中醫藥的傳承與創新，加快中醫藥現代化和國際化的進程。