中医“异病同治”理论的网络药理学阐释*

刘峥嵘，林思濠，缪思怡，郑 岚，林伟杰，马诗瑜△，卞晓岚△

（1. 上海健康医学院药学院，上海 201318； 2. 上海交通大学医学院附属瑞金医院，上海 200023； 3. 广东省珠海市人民医院·暨南大学附属珠海医院，广东 珠海 519099）

“异病同治”属中医基础治疗手段，首见于《黄帝内经》，《伤寒杂病论》中也记载了大量“异病同治”的辨证论治实践和方法。“异病同治”是指因不同的疾病在其发展过程中出现了相同的病证，故选择同种治疗方法的原则，其核心思想在于“辨病”与“辨证”结合，即病异、同证、同治［1］。如久泻脱肛、子宫下垂、胃下垂属不同疾病，但中医学认为三者均为中气下陷证，故可采用具有升提中气功效的补中益气汤进行治疗［2］。近年来，“异病同治”理论在中医临床治疗中有着重要指导作用［3-5］，是中医药发展过程中不可或缺的一部分。在此，对中医“异病同治”理论的网络药理学进行阐释。

1 研究现状

“异病同治”理论虽应用于中药复方对证治疗历史悠久，但中药复方/制剂具有多成分、多途径、多靶点协同作用的特点［6-7］，故直观、全面地阐释其药效物质基础和作用机制很有必要。网络药理学包含了系统生物学、药理学、生物信息学等交叉学科，基本思路是通过疾病- 基因- 靶点- 药物互作网络，经过拓扑参数分析及蛋白互作网络（PPI）等可视化操作，详细阐明药物的作用靶点、作用机制及生理、病理过程等，探索药物对疾病网络的影响与干预［8-10］。这种多层次、多角度的研究策略与传统中医药的系统性与整体观不谋而合，中医“异病同治”理论的网络药理学研究也越来越多，其研究现状见表1。

表1 中医“异病同治”理论的网络药理学研究Tab.1 Researches of TCM theory of "homotherapy for heteropathy" based on network pharmacology

2 研究思路

2.1 筛选中药复方有效化学成分

在中药成分数据库中查找中药复方的化学成分，以口服生物利用度［29］（OB）≥30%和类药性［30］（DL）≥0.18为筛选指标。除OB 和DL 外，还有很多其他药学和生物特性影响化合物的活性，如有研究将人结肠癌细胞系Caco-2细胞渗透率≥-0.04纳入筛选条件［25，28］，主要考虑胃肠道的吸收作用。故在筛选和最终确定有效化学成分时需仔细考虑各因素对化合物的影响，同时也应考虑疾病因素。

2.2 明确疾病和中药化学成分的相关靶点/靶标

在化合物靶点/靶标数据库中查找有效化学成分对应的靶点/靶标，在疾病靶点/靶标数据库中查找与疾病对应的靶点/靶标，取药物靶点/靶标与疾病靶点/靶标的交集，作为潜在靶点/ 靶标。校正靶点/ 靶标的基因名称，整合、去除重复靶点/靶标或无对应有效化学成分的靶点/靶标。

2.3 挖掘靶点/靶标的蛋白质相互作用和生物功能

构建不同疾病与中药复方的成分-靶点-疾病网络与PPI，并运用网络可视化软件分析疾病节点的网络拓扑参数，从分子层面解析中药复方治疗相关不同疾病的作用机制。同时，对中药复方中化学成分调控不同疾病的共同通路进行富集分析，筛选出一系列显著富集的生物学过程与生物通路。

2.4 探索有效成分与靶点/靶标的结合度

将网络拓扑结构中等级值较高的药物活性成分与疾病靶点/靶标进行分子对接，找到底物分子和受体分子的最佳结合位置及结合强度，最终获得配体和受体的结合优势构象，以更立体和明确地阐明中药复方“异病同治”的分子机制。

2.5 研究思路流程

详见图1。

图1 中医“异病同治”理论的网络药理学研究思路Fig.1 Research ideas of TCM theory of "homotherapy for heteropathy" based on network pharmacology

3 研究方法与工具

3.1 靶点/靶标查询

中药复方与相关疾病的数据库是构建“异病同治”网络的基础［31］，常用数据库主要分为药物化学成分数据库及中药化学数据库、生物分子网络数据库、疾病/靶点数据库、通路信息数据库，详见表2。这些数据库为研究人员提供了丰富的药物分子结构、功能、信号通路及中药复方与生物分子间相互作用等多类别的信息数据［32］。此外，采取组学技术或中药化学成分分析等方法得到的数据也是生物网络数据的来源。

表2 中药网络药理学的公共数据库Tab.2 Public databases of TCM network pharmacology

3.2 生物网络的构建与分析

构建：生物网络的构建和分析主要是为了说明药物与疾病之间的关联性，故阐述“异病同治”理论的网络药理学关键在于生物网络的构建和分析。构建PPI获取蛋白相互作用关系时，可从String 数据库中获取多个蛋白间的PPI。将前期收集的互作网络进行整合，通过可视化软件（Cytoscape，Pajek，GUESS，WIDAS 等）可直观地呈现相互联系的网络节点。节点可被定义为活性成分、靶点分子、药物、疾病等，是生物网络结构的核心。当节点间存在相互作用时，则使用边进行连接，如基因调控相互作用、基因共表达等。

网络分析：通常包括网络拓扑学信息计算、随机网络生成和比较、网络分层和聚类［52-54］，目前的大部分研究是基于Cytoscape 的Network Analysis 功能进行网络分析。其中，度值（degree）、中心度值（betweenness centrality）、边介数（edge betweenness）、紧密度（closeness）、特征向量（eigenvector）、局部平均连通度（LAC）、网络（network）、评分（score）为重要的分析参数［55-57］。Degree 表示在网络中与该节点直接作用的节点数量。Score 反映该节点及周边节点的密集程度，表示在网络中某一节点担任其他2个节点间最短路径的通过次数。某一节点的degree 越大，则流经这一节点的数据就越多，故成为网络的关键节点（hubs）。Hubs 和degree 是生物网络分析的核心，拥有高degree值是核心靶标筛选的重点。如葛俊德等［24］在火把花根片的研究中根据上述分析参数对PPI 进行2次筛选，第1次以degree ≥2倍中位数为筛选条件进行筛选，第2次以degree，betweenness，closeness，eigenvector，LAC，network 均大于或等于其中位数，且score ＞2 和K - Core= 2 为条件进行核心靶点筛选，再利用Cytoscape软件中MCODE 插件进行后续模块的分析。褚福浩等［28］在探讨蚕沙“异病同治”作用机制的研究中使用节点连接度、介度和closeness 作为筛选指标，再合并（merge）根据每个指标选出的靶点，从而选出了核心靶点。

3.3 分类模型的构建

分类模型的构建能使网络药理学在复杂生物相互作用网络中获取整体的机制性信息，并为发现中药复方有效化学成分的靶标提供了前提。LI 等［58］采用支持向量机（SVM）、K - 近邻算法（K - NN）、朴素贝叶斯（NB）、C4.5 决策树算法（C4.5 DT）和随机森林（RF）5 种分类模型构建算法对蜜蜂毒性化合物进行了生物信息学计算。SVM 是一种基于核函数的二分类模型，通过引入核函数来处理高维空间问题［59］。K-NN 是根据某一目标距离最近的K个点的类别来判断其归属类别，属于一种基于有监督学习的分类算法，拥有非参、惰性特点，且目标只在局部近似分类，所有计算都在分类后进行［60］。基于贝叶斯规则的NB 是一种简单的分类算法，对于某一待分类项，求解在此项出现的情况下各个类别出现的概率，待分类项归属于概率最大的类别［61］。C4.5 DT 是Ross - Quinlan 开发的分类决策树算法，能处理属性为连续值的数据［62］。在决策树的每个节点，C4.5 DT 不直接选择增益率最高的属性分类，而候选增益率高于平均水平的属性，保证在含有大部分好的特征属性的前提下选择增益率最高的属性，从而产生的分类易被研究者理解。RF 通过对数据集的采样生成多个不同的数据集，并在每个数据集上构造出一颗决策树［63］。当某一新的样本数据进入RF 算法，其被某一类别选择最多，便预测这个样本归属为那一类。

尽管上述5 种分类构建模型被广泛应用于毒理学研究［64-66］，但这些算法是高效、稳定的，故在“异病同治”的网络药理学领域也具有应用前景与可行性。

3.4 信号通路与生物功能富集分析

基于网络药理学研究中药复方对“异病同治”的作用机制，主要采用信号通路与生物功能富集分析。常用的生物功能富集分析主要是基因本体论（GO）富集分析和京都基因与基因组百科全书［49］（KEGG）通路富集分析，再根据超几何算法得出的调整P＜0.05 的设定，对KEGG 与GO 功能分析进行排序，从而揭示中药成分作用靶点调节的生物过程及与疾病相关靶点的相互作用，阐述中药复方“异病同治”的作用机制。GO 是对所有基因功能进行描述的本体数据库，用以描述基因和基因产物的生物学属性。KEGG 是一个整合基因组、化学和系统功能信息的数据库，具有直观的图形功能，用以展示众多的代谢途径及各途径间的关系，其中最核心的为KEGG Pathway 和KEGG Orthology 数据库。

核心靶标参与的重要KEGG 信号通路与GO 生物过程可通过在线网站DAVID［67］（https：// david - d.ncifcrf.gov/）或KOBAS 3.0［68］（http：//kobas.cbi.pku.edu. cn/ kobas3）富集分析获得，富集分析前需将蛋白质名称转换为官方基因名称（office gene symbol）。有研究也使用R 语言对富集分析结果进行可视化处理，使其更加清晰、美观［12，25］。

3.5 分子对接技术

基于网络药理学探究“异病同治”相关的研究，一般采用反向分子对接技术预测中药复方中有效化学成分的靶点/靶标，同时采用正向分子对接技术探索化合物与潜在靶点相互作用机制与结合作用的强弱关系，寻找最优构型，预测其结合模式与亲和力，通过打分函数挑选出与受体亲和力最佳的配体。如李静等［69］运用在线平台PharmMapper［70］（http：/ / www. lilab - ecust.cn/pharmmapper/），采用反向分子对接技术预测款冬花止咳化痰主要活性成分的作用靶点，并探讨了其多成分、多靶点、多通路的作用机制。

4 展望

现今关于中医“异病同治”理论的解释主要有两种观点。一部分学者认为，“异病同治”的核心在于病证结合，即不同疾病出现相同的证候时可采用同种治疗方法治疗［71-72］。通过辨病能掌握疾病发生、发展的基本规律，确定其病灶；通过“望闻问切”的传统中医问诊方法可获得疾病在某个阶段发展的主要特征，从而给予精确的治疗方案［73］。“治同”“治异”的关键不在于“病”的同异，而在“证”的同异［74］。另有学者提出，“异病同治”可从身体体质着手，体质与证候间有一定的内在联系，故可采用相同疗法［75］。两种观点都将证候（或体质）视为“异病同治”理论中不可或缺的部分，而“异病同治”的网络药理学研究基于此方面的研究尚有不足。通过数据库查找中医证候（或体质）相关基因、蛋白等，再与疾病联系，构建体质- 成分- 疾病- 靶点综合关系网络，进行中药复方“异病同治”的理论分析，可成为未来研究的方向与目标。

尽管网络药理学在“异病同治”的研究已备受关注，但仍有许多问题值得重视。首先，中药成分数据库现有数据的准确性、不可控性及研究方向的偏向性有

待解决。由于中药成分数据库的种类多种多样，导致其更新频次、数据准确性、数据来源层次不清。中药成分数据库提供的化学成分信息多为体外分离提取，未涉及体内药代动力学等领域，而中药真正发挥药效作用的物质是其血中移行成分［76］。其次，复方中药网络药理学研究是基于分类模型算法及拓扑网络的研究方法，网络中的作用关系仍需后续的药理学实验验证。最后，网络药理学研究中通常忽略中药成分的含量，缺乏药代动力学基础，含量和药物浓度在实际运用中对药效有影响。目前，中医“异病同治”理论的网络药理学研究一般以OB 和DL 作为筛选条件确定有效化学成分，即使避免了将含量高、口服吸收差的化学成分作为有效成分，也还是忽视了含量和药物浓度对药效的影响［9］。综上所述，虽然中医“异病同治”理论的网络药理学研究仍处于初步阶段，但随着数据库信息的不断完善、分类模型的优化与改良、实验结合多组学数据等措施的实施，未来的研究将加深人们对中医治疗复杂疾病的了解与认识，并结合中医证候开拓“异病同治”的研究思路，推动中医药的传承与创新，加快中医药现代化和国际化的进程。