基于HPLC指纹图谱和网络药理学的消炎退热颗粒质量标志物（Q-Marker）预测

李成成，苑楠楠，白桦芳，王 媛，魏 岚，孙立新

基于HPLC指纹图谱和网络药理学的消炎退热颗粒质量标志物（Q-Marker）预测

李成成，苑楠楠，白桦芳，王 媛，魏 岚，孙立新*

沈阳药科大学药学院，辽宁 本溪 117004

基于指纹图谱和网络药理学方法，分析预测消炎退热颗粒质量标志物（quality markers，Q-Marker）。采用HPLC法，以秦皮乙素为参照，建立20批消炎退热颗粒的指纹图谱。采用《中药色谱指纹图谱相似度评价系统》（2012A版）对20批样品进行相似度评价，确定共有峰。通过与单味药材溶液和混合对照品溶液色谱峰进行对比，对共有峰进行药味归属，并指认化学成分。采用聚类分析进行分类评价，运用有监督模式偏最小二乘法-判别分析筛选出造成组间差异的主要标志性成分。采用网络药理学筛选和分析消炎退热颗粒相关的作用靶点和通路，构建“成分-靶点-通路”网络图，预测消炎退热颗粒的Q-Marker。成功建立21个共有峰的指纹图谱，筛选出4个差异成分可作为消炎退热颗粒差异标志物，分别为秦皮乙素、新绿原酸、菊苣酸和咖啡酸，作为网络药理学研究对象。网络药理学结果显示筛选出4种差异成分均可作为潜在Q-Marker。建立的HPLC指纹图谱分析方法准确度高、稳定性好，较全面、直观地反映了消炎退热颗粒整体化学成分信息，筛选出4个可作为消炎退热颗粒潜在Q-Marker的化学成分，为消炎退热颗粒质量的全面控制提供参考，同时也为消炎退热颗粒药效关联物质基础的研究及作用机制的探索奠定基础。

消炎退热颗粒；HPLC；指纹图谱；相似度分析；聚类分析；偏最小二乘法-判别分析；网络药理学；质量标志物；秦皮乙素；新绿原酸；菊苣酸；咖啡酸

消炎退热颗粒（Xiaoyan Tuire Granules，XTG）由大青叶、蒲公英、紫花地丁、甘草4味中药组成，具有清热解毒、凉血消肿的功效[1]。此方大青叶、蒲公英为君药，二药性味苦寒，合用有清热解毒、消肿散结、凉血消斑之效。紫花地丁为臣药，味苦辛，性寒，助君药清热解毒、凉血消肿。甘草为佐使，以其甘平之性补脾益气、扶正驱邪，助君臣清热解毒，且能调和诸药。四药合用，发挥清泻肝胃热毒、疏散心肺火热、凉血消肿功效。

中药及其复方制剂系统庞大，成分复杂，市面上的产品质量参差不齐。基于此背景，2016年刘昌孝院士[2]提出中药质量标志物（quality markers，Q-Marker）概念，Q-Marker与中药功能属性密切相关，是可以定性定量的特有化学成分，可作为反映中药安全性和有效性的标示性物质进行质量控制。中药指纹图谱是一种综合的可量化的鉴定手段，它是建立在中药化学成分系统研究的基础上，主要用于评价中药材以及中药制剂半成品质量的真实性、优良性和稳定性，为中药及中药制剂质量控制提供有效手段[3-11]。网络药理学预测可以快速发现中药主要作用通路及作用靶点，对于预测中药成分的潜在作用靶点具有重要意义[12-15]。基于中药和复方制剂具有多成分、多靶点及多通路的特点，两者结合既能评估制剂质量的优劣，又能说明药效的强弱，更具说服力[16-22]。

本研究通过建立XTG的HPLC指纹图谱，结合多元统计学方法，初步筛选出差异标志物。并以其为研究对象，结合网络药理学寻找潜在作用靶点和作用通路，进而预测Q-Marker。旨在为全面控制XTG的质量提供依据，为XTG作用机制的研究提供参考。

1 材料

1.1 仪器

岛津LC-20A型HPLC仪，包括SPD-M20A型二极管阵列检测器（DAD）、LC-20AT型二元泵、Lab Solution工作站，日本岛津公司；RPL-D2000型柱温箱，大连日普利科技仪器有限公司；TG332A型微量分析天平，湘仪天平仪器设备有限公司；KQ5200B型超声波清洗器，昆山市超声仪器有限公司；RE2000A型旋转蒸发仪，上海亚荣生化仪器厂；SHB-Ⅲ型循环水式多用真空泵，郑州长城科工贸有限公司；PB-10标准型pH计，德国Sartorius公司。

1.2 数据库和软件

Pubchem数据库（https://pubchem.ncbi.nlm.nih. gov/search/）、Swiss Target Prediction数据库（http:// www.swisstargetprediction.ch/）、Genecard数据库（https://www.genecards.org）、String网站（https:// string-db.org/）、Cytoscape软件（版本号：3.7.1）、David 6.7数据库（https://david.ncifcrf.gov/）、微生信网站（http://www.bioinformatics.com.cn/）。

1.3 药品与试剂

XTG购自2个厂家，各10批，批号190806、190807、190407、200224、200304、191012、191106、200310、200313、190904样品购自陕西步长制药有限公司（厂家A），规格10 g/袋，分别编号为SA1～SA10；批号ZFA1802、ZGA1801、ZGA1902、ZBA2001、ZEA2001、ZHA1901、ZBA2002、ZCA1901、ZEA2003、ZGA1901样品购自云南白药集团股份有限公司（厂家B），规格10 g/袋，分别编号为SB1～SB10；鸟苷对照品，批号1028B021，质量分数≥98.0%，购自北京索莱宝生物科技有限公司；新绿原酸对照品，批号X-014-180410，质量分数≥98.0%，购自成都瑞芬思生物科技有限公司；对照品秦皮甲素（批号KA0422CA14）、秦皮乙素（批号C25J7Y18390）、咖啡酸（批号W16O10B021）、菊苣酸（批号Y24J11Y119342）、靛玉红（批号J19A10T95563），质量分数均≥98.0%，均购自上海源叶生物科技有限公司；甲酸、乙腈、甲醇均为色谱纯，其他试剂均为分析纯；水为纯净水，购自杭州娃哈哈集团有限公司。

大青叶和紫花地丁药材，购自九洲恒源（安国）药业有限公司；甘草购自亳州市永刚饮片厂有限公司；蒲公英购自安国路路通中药饮片有限公司，经沈阳药科大学功能食品与葡萄酒学院贾英教授鉴定，大青叶为十字花科菘蓝属植物菘蓝Fort.的干燥叶，蒲公英为菊科蒲公英属植物蒲公英Hand. -Mazz.的干燥全草，紫花地丁为堇菜科堇菜属植物紫花地丁Makino的干燥全草，甘草为豆科甘草属植物甘草Fisch.的干燥根和根茎。

2 方法与结果

2.1 色谱条件

色谱柱为Diamonsil C18（2）柱（250 mm×4.6 mm，5 μm）；流动相为0.1%甲酸水溶液（A）-25%甲醇乙腈溶液（B），梯度洗脱：0～30 min，8%～10% B；30～44 min，10%～12% B；44～58 min，12%～13.5% B；58～95 min，13.5% B；95～125 min，13.5%～35% B；125～135 min，35%～65% B；135～150 min，65% B；柱温30 ℃；检测波长290 nm；体积流量1.0 mL/min；进样量20 μL。

2.2 溶液的配制

2.2.1 混合对照品溶液 取各对照品适量，精密称定，加75%甲醇配制成含鸟苷11.0 μg/mL、新绿原酸10.2 μg/mL、秦皮甲素10.1 μg/mL、秦皮乙素10.6 μg/mL、咖啡酸13.9 μg/mL、菊苣酸10.4 μg/mL、靛玉红20.0 μg/mL的混合对照品溶液。

2.2.2 供试品溶液 取本品约1.5 g，精密称定，置于50 mL具塞锥形瓶中，精密加入75%甲醇25 mL，超声（250 W，40 kHz）30 min，放冷至室温，用甲醇补足减失的质量，摇匀，用0.45 μm微孔滤膜滤过，得供试品溶液。

2.2.3 单味药材溶液 按照XTG的制备工艺，将大青叶、蒲公英、紫花地丁和甘草分别加水煎煮2次，每次2 h，煎液滤过，滤液合并，浓缩至相对密度为1.25～1.30（80 ℃），加3倍量乙醇，搅拌，静置24 h，滤过，滤液浓缩至相对密度为1.20（80 ℃），加蔗糖粉及淀粉适量，干燥得单味药材粉末。根据处方比例称取，按“2.2.2”项下方法处理，即得单味药材溶液。

2.3 方法学考察

2.3.1 参照峰的选择 《中国药典》2020年版将秦皮乙素作为评价XTG质量的指标性成分，其含量较高，色谱峰较稳定，故选择秦皮乙素作为参照峰，计算各共有峰的相对保留时间和相对峰面积。

2.3.2 精密度试验 取“2.2.2”项下供试品溶液（编号为S5），按“2.1”项下色谱条件重复进样6次，进行测定。结果表明，21个共有峰的相对保留时间的RSD均不大于1.3%，相对峰面积的RSD均不大于3.0%，结果表明仪器精密度良好。

2.3.3 重复性试验 精密称取样品（编号为S5）1.5 g，按“2.2.2”项下方法制备供试品溶液，共6份，按“2.1”项下色谱条件分别进样测定。结果表明，21个共有峰的相对保留时间的RSD均不大于1.7%，相对峰面积的RSD均不大于3.0%，结果表明方法重复性良好。

2.3.4 稳定性试验 取“2.2.2”项下供试品溶液（编号为S5），室温下放置，分别于0、4、8、12、24 h按“2.1”项下色谱条件进样分析。结果表明，21个共有峰的相对保留时间的RSD均不大于2.0%，相对峰面积的RSD均不大于2.8%，表明供试品溶液在24 h内稳定性良好。

2.4 指纹图谱的建立与相关性评价

2.4.1 共有峰的指认 取按“2.2”项下方法制备的供试品溶液和混合对照品溶液，按“2.1”项下色谱条件进样，记录色谱图，通过对比样品色谱峰和对照品色谱峰的保留时间，鉴定7个化合物，分别为鸟苷、新绿原酸、秦皮甲素、秦皮乙素、咖啡酸、菊苣酸、靛玉红，见图1。

2.4.2 聚类分析 以秦皮乙素为内参照峰，计算20批XTG的HPLC指纹图谱各色谱峰相对内参照峰的面积之比，应用SPSS 21.0软件对样品进行聚类分析，采用离差平方和法（Ward’s method），将欧式距离的平方（squared Euclidean distance）作为样品的测量尺度，结果见图2。由图2可知，20批样品可聚为2大类：SA1～SA10、SB1～SB3、SB6、SB10为第I类；SB4、SB5、SB7～SB9为第II类。第II类全部为厂家B产品；第I类为厂家A和部分厂家B产品，说明不能以生产厂家为分类方式。

2.4.3 指纹图谱的建立与对照指纹图谱的生成 将质量较均一的15批XTG导入“中药色谱指纹图谱相似度评价系统（2012年A版）”，得到15批XTG指纹图谱，见图3-A。以秦皮乙素为参照，标定21个共有峰，生成对照指纹图谱，见图3-B。

2.4.4 相似度的计算 将20批样品指纹图谱与采用“中药色谱指纹图谱相似度评价系统（2012年A版）”生成的对照指纹图谱进行比较，计算相似度。结果显示，第一类15批样品SA1～SA10、SB1～SB3、SB6、SB10的相似度分别为0.998、0.996、0.998、0.986、0.995、0.979、0.996、0.989、0.984、0.995、0.967、0.985、0.986、0.993、0.998，得到各个指纹图谱与对照指纹图谱的相似度均大于0.96；第2类5批样品SB4、SB5、SB7～SB9的相似度分别为0.970、0.963、0.974、0.944、0.949，得到各个指纹图谱与对照指纹图谱的相似度均大于0.94。由上面的数据可知，根据聚类分成的2类在相似度上存在差异。但总的来说20批的相似度均大于0.94，表明XTG质量均一稳定。

2-鸟苷 7-新绿原酸 8-秦皮甲素 9-秦皮乙素 10-咖啡酸 17-菊苣酸 21-靛玉红

图2 XTG聚类分析树状图

2.4.5 偏最小二乘法-判别分析（partial least squares discrimination analysis，PLS-DA） 为了更好地观察不同厂家样品间的组内差异，本研究进行有监督的PLS-DA，获得相应模型，PLS-DA得分图见图4。从模型验证的参数图可知，模型的稳定性和交叉验证的预测力都较高（2＝0.843、2＝0.903），说明所建立的PLS-DA模型可以很好地用于不同厂家制剂的分析。由图4可知，2个生产厂家的20批样品均分布在95%置信区间内，且依据生产厂家不同分别分布在不同的区域，区分较为明显，表明在有监督的PLS-DA判别模型中，2组复方制剂中的化学成分存在差异。

为进一步为确定引起XTG分组的差异标志物，采用变量重要性投影（variable importance in the projection，VIP）对数据矩阵分析，VIP图见图5。PLS-DA模型中VIP值可直观体现2个生产厂家的差异性成分，VIP值大于1的化合物对分类概括解释率大于50%，对分类结果具有统计学意义，即为差异标志物。由图5可知，9（秦皮乙素）、7（新绿原酸）、3、18、17（菊苣酸）、14、10（咖啡酸）号峰的VIP值均大于1，为XTG的差异标志物，可控制该制剂的质量。

图3 15批XTG样品的HPLC指纹图谱(A)及其对照指纹图谱(B)

图4 PLS-DA得分图

2.4.6 共有峰归属 分别取“2.2.3”项下药材溶液各20 μL，进样分析，结果见图6。通过比对单味药材溶液和样品溶液色谱峰的保留时间和最大吸收波长，将21个共有峰进行药味归属。由图6可得，1、2（鸟苷）、3号峰为4味药材的共有成分；5、11、12、13、14、15、21（靛玉红）号峰是君药大青叶的特有成分；6、7（新绿原酸）号峰为君药蒲公英的特有成分；8（秦皮甲素）、9（秦皮乙素）号峰是臣药紫花地丁的特有成分；10（咖啡酸）、17（菊苣酸）号峰是蒲公英和紫花地丁的共有成分。

图5 PLS-DAVIP值图

2.5 网络药理学研究

现代药理学研究显示，大青叶、蒲公英、紫花地丁和甘草具有显著的解热、抗炎、体内外抗内毒素活性。其中，君药大青叶特征成分为靛苷类（靛蓝、靛玉红）；君药蒲公英特征成分为菊苣酸、咖啡酸，菊苣酸是咖啡酸衍生物；臣药紫花地丁特征成分为秦皮乙素、秦皮甲素，均属于香豆素类化合物；甘草为方中佐使，具有调和诸药的功效。有研究发现，靛苷类化合物[23-24]、咖啡酸及菊苣酸[25-26]、香豆素类化合物[27]及中药甘草[28]均具抗氧化、抗菌、抗炎、抗病毒、抗肿瘤等生物活性。因此，指纹图谱指认的7个化合物除鸟苷外，均具有显著的抗炎活性。

为增强中药质量控制手段、质量评价指标及质量标准与中药有效性的关联性，本实验基于中药指纹图谱研究和多元统计学方法进行初筛，寻找引起组间差异的差异标志物，并以此为基础利用网络药理学进一步的寻找Q-Maker，做到量效合一。

图6 药材归属HPLC图

2.5.1 活性成分靶点信息的收集 通过TCMSP、PubChem、Swiss Target Predict等中药系统药理学数据库及分析平台，共得到秦皮乙素、咖啡酸、新绿原酸和菊苣酸4个候选化合物的121个作用靶点。

2.5.2 疾病靶点数据集的建立 以“Inflammation”和“Fever”为关键词搜索Genecard数据库（https:// www.genecards.org）获得3404个疾病相关基因。

2.5.3 蛋白相互作用网络的构建与核心基因筛选结果分析 将活性成分靶点和疾病靶点取交集并去重，得到81个交集靶点。将交集靶点导入String 11.0数据库获取蛋白互作数据信息（图7），构建蛋白质相互作用（protein-protein interaction，PPI）网络。将String结果导入Cytoscape软件，并通过CytoHubba插件中的Degree算法筛选得到交互作用评分在前10的基因，提示这些基因在PPI中发挥了关键作用。如图8，前10的基因分别为、、、、、、、、、。

2.5.4 基因本体生物学过程（gene-ontology biology process，GO）功能富集分析 利用David 6.8数据库（https://david.ncifcrf.gov/）对10个核心靶点蛋白进行GO功能富集分析，以＜0.01表示具有统计学意义。GO富集分析根据＜0.01的条件筛选出51条条目，生物过程、细胞组成、分子功能分别为38、5、8条，导入微生信网站作图，如图9所示。其中，生物过程条目38个，主要涉及机体对UV-A（Ultraviolet Rays-A）的反应、ERBB2信号通路、凋亡过程的负调控、磷脂酰肌醇3-激酶信号转导的调控、对雌二醇的反应等生物过程。分子功能条目8个，主要涉及一氧化氮合酶调节剂的活性、酶结合、相同的蛋白质结合、激酶活性、转录因子结合、蛋白激酶活性、蛋白质结合、ATP结合等分子功能。细胞成分条目5个，主要涉及细胞溶质、细胞质、细胞核、质膜、核质等细胞成分。

图7 PPI网络

图8 10个核心基因交互网络图

2.5.5 京都基因与基因组百科全书（Kyoto encyclopediaof genes and genomes，KEGG）通路富集分析 利用David 6.8数据库（https://david.ncifcrf. gov/）对10个核心靶点蛋白进行KEGG通路富集分析，以＜0.01表示具有统计学意义。KEGG通路富集分析根据＜0.01的条件筛选出57个KEGG富集条目，对57条通路进行整合发现，主要涉及癌症相关的信号通路、消炎清热相关的信号通路及内分泌相关的信号通路。如癌症中的蛋白聚糖合成分解途径、癌症相关途径、胰腺癌、前列腺癌等癌症相关通路；磷脂酰肌醇-3-激酶/丝苏氨酸蛋白激酶（phosphateidylinositol 3 kinase/serine-threonine kinase，PI3K-Akt）信号通路、肿瘤坏死因子（tumor necrosis factor，TNF）信号通路、丝裂原活化蛋白激酶（mitogen-activated protein kinase，MAPK）信号通路、Janus激酶-信号转导与转录激活子（the Janus kinase-signal transducer and activator of tran-ions，JAK-STAT）信号通路、乙型肝炎、幽门螺杆菌感染中的上皮细胞信号传导、丙型肝炎、Toll样受体信号通路等消炎清热相关通路。本实验仅对与消炎清热相关的信号通路及相对靶点进行作表展示，结果见表1。

图9 GO分析富集图

表1 KEGG富集分析信息

2.5.6 构建成分-靶点-通路网络 将10个靶点蛋白、4个化合物及57条信号通路导入Cytoscape 3.7.1软件绘制成分-靶点-通路网络（图10）。以化合物、靶点蛋白、信号通路的连接度为参考，发现4个化合物连接度差异不大，均可能是XTG的活性成分；MAPK1、PIK3CA、AKT1、EGFR、CCND1、SRC的连接度高于其他靶点，可能是XTG发挥药效的关键靶点；57条信号通路差异性不大，均可能是XTG的关键信号通路。

3 讨论

3.1 供试品溶液制备方式和色谱条件的优化

本研究分别考察了不同的提取方式、提取时间、提取溶剂、色谱柱品牌、流动相体系及水相的添加剂、检测波长、柱温对色谱峰数量及分离情况的影响，最终确定以75%甲醇超声提取30 min作为供试品制备方法。色谱柱选用Diamonsil C18（2）柱，以0.1%甲酸水溶液-25%甲醇乙腈梯度洗脱，检测波长为290 nm且柱温为30 ℃时，色谱图峰较多分离度良好。

菱形代表活性成分，方形代表通路，三角形代表基因靶点

3.2 HPLC指纹图谱结果分析

本研究建立20批XTG HPLC指纹图谱，共确认21个共有峰，指认了7个化合物，并将21个共有峰进行药味归属。采用相似性分析、聚类分析、PLS-DA 3种分析方法，对图谱结果进行分析。聚类分析将20批样品可粗分为2大类；根据聚类分成的2类在相似度上存在差异，但总的来说20批的相似度均大于0.94，表明XTG质量均一稳定；通过PLS-DA分析指出7个差异化合物，采用对照品指认出其中4个化合物，分别为新绿原酸、秦皮乙素、咖啡酸和菊苣酸。结果提示，这7个化合物影响样品组间差异，可用来控制产品的质量。

3.3 网络药理学结果分析

3.3.1 活性成分的筛选 网络药理学结果显示，咖啡酸、秦皮乙素、菊苣酸及新绿原酸联接度差异不大，均可能是XTG的活性成分，建议作为XTG Q-Marker。现代药理学研究表明，咖啡酸、秦皮乙素、菊苣酸及新绿原酸均有不同程度抗菌、抗炎、抗肿瘤、抗氧化、抗病毒的生物活性[25-27]。

3.3.2 关键靶点蛋白的筛选 MAPK1、PIK3CA、AKT1、EGFR、CCND1、SRC这6个靶点可能是发挥药效的关键作用靶点。基因编码MAP激酶家族相关蛋白，MAPK1、MAPK3、MAPK8属于丝裂原活化蛋白激酶通路家族，主要涉及细胞的存活、增殖、分化和凋亡等多种功能，可以促进炎症因子表达，导致内毒性急性肺损伤等相关炎性疾病的发生[29]。

AKT1在细胞内信号通路中起重要作用，作为PI3K-Akt信号转导途径的重要中间分子，参与调控细胞增殖、存活和凋亡等[30]。基因编码的蛋白质是一种跨膜糖蛋白，该蛋白在肝细胞中作为丙型肝炎病毒的受体，并促进相关细胞进入，与丙型肝炎的发生有关。

3.3.3 作用通路的筛选 57条信号通路（dgree: 3～10）中前27条信号通路联接度相对较高（dgree＞5）主要涉及癌症相关的信号通路和消炎清热相关的通路，包括乙型肝炎、丙型肝炎、TNF信号通路、PI3K-Akt信号通路、MAPK信号通路、JAK-STAT信号通路、幽门螺杆菌感染中的上皮细胞信号传导等。其中，TNF是致炎因子，不但参与急性呼吸窘迫综合征的发病过程，而且损害肺泡表面活性物质系统[31]。

MAPK信号通路可调控炎症基因表达，活化的MAPK能够使细胞核、细胞质中的转录因子发生磷酸化而激活，从而调控目标基因的表达，产生不同的生理反应[32]；研究表明，JAK-STAT在多种炎症因子刺激下激活，进而发挥信号转导和转录调控功能，影响巨噬细胞的分化和炎症[33]。可通过调控JAK-STAT信号通路活性，调控癌细胞的迁移、侵袭和炎症因子的分泌，并促进细胞凋亡。另外，Foxo信号通路、PI3K-Akt信号通路、MAPK信号通路、JAK-STAT信号通路和细胞凋亡可调节能量代谢，从而达到清热的作用。其中，Foxo信号通路参与许多细胞生理事件，例如细胞凋亡、细胞周期控制、葡萄糖代谢、抗氧化应激等，能够调节细胞能量代谢状态。由此可推测，XTG可能通过作用于这些信号通路达到消炎清热的作用。

3.4 整合分析

本研究依据刘昌孝院士提出的“质量标志物”的理念，采用指纹图谱和网络药理学相结合的方法分析预测XTG Q-Marker。通过建立XTG的指纹图谱，从溯源性和可测性的角度对XTG进行分析，指认出鸟苷、新绿原酸、秦皮甲素、秦皮乙素、咖啡酸、菊苣酸和靛玉红7个成分。运用网络药理学从有效性的角度对其进行分析，发现咖啡酸、秦皮乙素、菊苣酸和新绿原酸4个活性成分通过调控MAPK1、PIK3CA、AKT1、EGFR、CCND1、SRC等关键靶点，作用于乙型肝炎、丙型肝炎、TNF信号通路、PI3K-Akt信号通路、MAPK信号通路、JAK-STAT信号通路、幽门螺杆菌感染中的上皮细胞信号传导等关键信号通路发挥药效作用。

XTG由大青叶、蒲公英、紫花地丁、甘草4味中药组成，具有清热解毒，凉血消肿的功效。本论文基于指纹图谱和网络药理学方法预测和筛选出4个差异成分秦皮乙素、新绿原酸、菊苣酸和咖啡酸，建议作为XTG Q-Marker。

利益冲突 所有作者均声明不存在利益冲突

[1] 中国药典 [S]. 一部. 2020: 1531-1532.

[2] 刘昌孝, 陈士林, 肖小河, 等. 中药质量标志物(Q-Marker): 中药产品质量控制的新概念 [J]. 中草药, 2016, 47(9): 1443-1457.

[3] 吴建雄, 秦建平, 刘峰, 等. 坤宁颗粒的HPLC指纹图谱研究 [J]. 现代药物与临床, 2020, 35(3): 447-449.

[4] 林源, 陈敏. 小儿柴桂退热颗粒的UPLC指纹图谱及聚类、主成分分析 [J]. 中国药房, 2018, 29(4): 474-477.

[5] 李正坤, 王铭爽, 刘传鑫, 等. 基于UPLC指纹图谱考察云贵产地白及药材大小与化学成分含量的关系 [J]. 药物评价研究, 2021, 44(3): 504-511.

[6] 林秀莲, 宋粉云, 李华, 等. 补肾强身片UPLC指纹图谱 [J]. 中成药, 2017, 39(3): 551-555.

[7] 严慕贤, 廖娴, 柯汉女, 等. 参芪降糖片多糖成分的HPLC指纹图谱研究 [J]. 广东药学院学报, 2014, 30(5): 574-577.

[8] 袁慕荣, 王汝上. 小儿热速清颗粒UPLC指纹图谱及5种成分含量测定研究 [J]. 中国新药杂志, 2019, 28(12): 1517-1522.

[9] 吴娟萍, 薛涛, 郭璐, 等. 华蟾素胶囊HPLC指纹图谱研究与化学模式识别 [J]. 药物分析杂志, 2020, 40(11): 1977-1985.

[10] Gao S M, Liu J S, Wang M,. Quantitative and HPLC fingerprint analysis combined with chemometrics for quality evaluation ofprocessed with different methods [J]., 2019, 11(2): 160-168.

[11] 李明月. 心脉通胶囊的HPLC指纹图谱研究与化学模式识别 [J]. 药物分析杂志, 2020, 40(6): 1104-1112.

[12] 吴静洁, 梅应兵, 姚雪婷, 等. 基于网络药理学及分子对接研究柚皮素抗胃癌机制 [J]. 中国中西医结合消化杂志, 2021, 29(2): 124-131.

[13] 郑慧丽, 曹程, 王颖异, 等. 基于“成分-靶点-通路”的枸杞子调控年龄相关性黄斑变性作用机制研究 [J]. 中草药, 2021, 52(4): 1039-1048.

[14] 吴朗杰, 赵春燕, 战丽彬. 基于网络药理学和分子对接研究白花蛇舌草和半枝莲药对治疗宫颈癌的作用机制 [J]. 中草药, 2021, 52(4): 1049-1058.

[15] 崔琳琳, 苗明三. 基于数据挖掘和网络药理学的中药抗血栓用药规律分析 [J]. 中草药, 2021, 52(4): 1063-1072.

[16] 倪术仁, 连云岚, 赵思俊, 等. 强力脑清素片HPLC指纹图谱的建立及质量标志物预测 [J]. 中草药, 2021, 52(4): 1011-1019.

[17] 李春霞, 何巧玉, 刘静, 等. 基于网络药理学和多元统计分析的黄连质量标志物预测分析 [J]. 中国中药杂志, 2021, 46(11): 2718-2727.

[18] 牛江涛, 曹瑞, 司昕蕾, 等. 基于网络药理学的化学标志物与生物标志物对接研究模式概述 [J]. 甘肃中医药大学学报, 2020, 37(5): 80-84.

[19] 刘博文, 戴静, 刘晓凤, 等. 基于网络药理学和设计空间的乳腺康提取工艺研究 [J]. 中草药, 2021, 52(6): 1634-1644.

[20] 杨子博, 李冬冬. 逍遥散治疗糖尿病的网络药理学分析 [J]. 现代药物与临床, 2020, 35(9): 1733-1744.

[21] Yao Y X, Liu T, Liu B W,. Identification and verification of effective components of Huanghuai for dysfunctional uterine bleeding based on network pharmacology and molecular docking [J]., 2021, 13(2): 177-188.

[22] 段姗姗, 王永恒, 彭书旺, 等. 基于网络药理学探讨加味逍遥散治疗气滞痰阻型桥本氏甲状腺炎的作用机制 [J]. 药物评价研究, 2020, 43(9): 1771-1779.

[23] 林琳, 刁勇, 周心怡, 等. 靛蓝的生物活性研究进展 [J]. 染料与染色, 2019, 56(4): 16-18.

[24] 刘丽娟, 王允亮, 许树青, 等. 靛玉红、色胺酮对LPS诱导RAW264.7炎症细胞模型的抗炎作用研究 [J]. 世界中西医结合杂志, 2015, 10(8): 1069-1072.

[25] 岑丽航, 肖瑞琳, 李苗, 等. 蒲公英的抗癌抗炎机制研究进展 [J]. 国际药学研究杂志, 2020, 47(11): 954-961.

[26] 王玉真, 高爽, 李凌军, 等. 菊苣酸生物活性及其药理作用研究进展 [J]. 中国新药杂志, 2020, 29(15): 1729-1733.

[27] 聂安政, 林志健, 张冰. 秦皮化学成分和药理作用研究进展 [J]. 中草药, 2016, 47(18): 3332-3341.

[28] 邓桃妹, 彭灿, 彭代银, 等. 甘草化学成分和药理作用研究进展及质量标志物的探讨 [J/OL]. 中国中药杂志, 2021, 46(11): 2660-2676.

[29] 崔琳, 张燕丽, 文泽馨, 等. 丝裂原活化蛋白激酶在治疗肿瘤中的研究进展 [J]. 西藏医药, 2019, 40(6): 19-21.

[30] 黄宁宁, 吴恩辉, 童春南. 桑枝提取物抑制miR-369对SK-N-SH细胞损伤的影响 [J]. 新中医, 2020, 52(23): 1-6.

[31] 周盈, 曹磊, 平芬. 慢性阻塞性肺疾病相关炎性细胞因子的研究进展 [J]. 临床荟萃, 2020, 35(3): 273-276.

[32] 王利敏, 朱滢涧, 唐映红. 基于ERK/p38 MAPK信号通路探讨复方玄参利咽合剂对慢性咽炎模型兔抗炎机制研究 [J]. 中国现代应用药学, 2021, 38(2): 179-183.

[33] 赵九洲, 姜晓旭, 李宏伟, 等. JAK-STAT信号通路与巨噬细胞炎症调控的研究进展 [J]. 癌变·畸变·突变, 2020, 32(5): 402-404.

Prediction of quality markers for Xiaoyan Tuire Granules based on HPLC fingerprint and network pharmacology

LI Cheng-cheng, YUAN Nan-nan, BAI Hua-fang, WANG Yuan, WEI Lan, SUN Li-xin

College of Pharmacy, Shenyang Pharmaceutical University, Benxi 117004, China

To analyze and predict the potential Q-markers of Xiaoyan Tuire Granules (消炎退热颗粒, XTG) based on fingerprints and network pharmacology methods.The fingerprints of 20 batches of XTG were established by using HPLC method with esculetin as a reference. Using “” (2012A version), 20 batches of samples were evaluated for similarity and common peaks were determined. By comparing with the chromatographic peaks of the single medicinal solution and the mixed reference solution, the common peaks were assigned, and the medicinal taste and the chemical components were assigned. Cluster analysis was used for classification, and the supervised model partial least squares method-discriminant analysis (PLS-DA) was used to screen out the main marker components that cause differences between groups. Using network pharmacology to screen and analyze the relevant targets and pathways of XTG, construct a “compound-target- pathway” network to predict the potential quality markers (Q-Marker) in XTG.The fingerprints of 21 common peaks were successfully established, and four different components were screened out as differential markers of XTG, namely esculetin, neochlorogenic acid, cichoric acid and caffeic acid, which were used as the research object of network pharmacology. The results of network pharmacology showed that the four different components were selected as potential quality markers.The established HPLC fingerprint analysis method has high accuracy and good stability, and reflects the overall chemical composition information of XTG more comprehensively and intuitively. Four chemical components that can be used as potential quality markers of XTG were screened out. It provides a reference for the comprehensive control of the quality of XTG, and also lays a foundation for the study of the substance basis of the drug efficacy of XTG and the exploration of the mechanism of action.

Xiaoyan Tuire Granules; HPLC; fingerprints; similarity analysis; cluster analysis; partial least square-discriminant analysis; network pharmacology; quality marker; esculetin; neochlorogenic acid; cichoric acid; caffeic acid

R283.6

A

0253 - 2670(2021)13 - 3885 - 11

10.7501/j.issn.0253-2670.2021.13.012

2021-02-26

辽宁省教育厅“辽宁特聘教授滚动支持项目”（辽教函[2018]35号）

李成成（1994—），女，硕士，研究方向为药物分析。Tel: (024)43520599 E-mail: lcc151886@163.com

孙立新（1967—），女，博士，教授，研究方向为药物分析。Tel: (024)43520599 E-mail: slx04@163.com

[责任编辑 郑礼胜]