Analysis of the Pharmacodynamic Material Basis and Mechanism of Dendrobium Nobile in the Treatment of Nervous System Diseases Using Integrative Network Pharmacology
-
摘要: 目的：基于网络药理学分析金钗石斛治疗神经系统疾病的药效物质基础及作用机制。方法：检索Si-noMed、中国知网、万方等数据库获取金钗石斛中的化学成分，将成分录入TargetNet数据库以获取潜在靶点，再将靶点导入CTD数据库检索相关疾病，导入DAVID数据库获取靶点的基因功能及作用通路。用Cytoscape软件构建“成分-靶点”及“靶点-疾病”网络等进一步可视化整合分析。并采用AutoDock Vina软件对关键成分与靶点进行分子对接验证。结果：本研究共收集到金钗石斛中47个成分，可作用于88个靶点，进一步分析可知Nobilin D、Nobliomethylene、decumbic acid B、（+）-dendrolactone、（−）-denobilone A和Nobilin等成分是金钗石斛治疗神经系统疾病的主要药效物质基础，可作用于MIF、ERS2、CYP19A1、ABCG2、TLR9和DRD5等关键靶点，通过调节Sphingolipid signaling pathway、Cocaine addiction及Serotonergic synapse等信号通路来发挥治疗神经系统疾病的作用。结论：本研究揭示了金钗石斛多成分、多靶点、多途径的作用规律，为深入开展金钗石斛治疗神经系统疾病的作用机制研究提供新的依据。Abstract: Objective: To analyze the pharmacodynamic material basis and mechanism of Dendrobium nobile in the treatment of nervous system diseases using integrative network pharmacology. Methods: The chemical constituents of Dendrobium nobile were collected from the databases of Si-noMed, China HowNet and Wanfang. The constituents were input into TargetNet database for potential target capture. The obtained target was then imported into CTD database to get related diseases. The gene function and pathway enrichment of the target were analyzed by DAVID database. Component-target network and target-disease network were constructed by Cytoscape software. The relation between the ingredients and targets were validated by AutoDock Vina software. Results: A total of 47 components were collected from Dendrobium nobile, which could act on 88 targets. Nobilin D, Nobliomethylene, decumbic acid B, (+)-dendrolactone, (−)-denobilone A, Nobilin were the main material basis for the treatment of nervous system diseases through multivariate network analysis. The components in Dendrobium nobile mainly acted on these key targets including MIF, ERS2, CYP19A1, ABCG2, TLR9 and DRD5, and further regulate the Sphingolipid signaling pathway, Cocaine addiction and Serotonergic synapse for treating nervous system diseases. Conclusion: This study reveals the multi-component, multi-target and multi-pathway action of Dendrobium nobile, and provides a new basis for further research on the mechanism of Dendrobium nobile in the treatment of nervous system diseases.
-
Keywords:
- Dendrobium nobile /
- nervous system diseases /
- network pharmacology /
- mechanism
-
神经系统疾病包括神经退行性疾病、神经自身免疫病、神经系统感染等在内的一组系统性疾病[1]。随着社会的老龄化严重，神经系统疾病已成为导致人类死亡和残疾的主要原因之一。据调查，截止到2017年5月，全球约4700万阿尔兹海默症患者，预计到2030年，将达到7470万[2]。目前临床治疗神经系统疾病药物虽然较多，但是药物会造成一定的不良反应，如心理状态异常、支气管痉挛和血管性水肿等[3]。特别是阿尔茨海默病等神经退行性疾病目前仍无较理想的药物可用，因此研发新的神经系统疾病药物具有重要意义。
金钗石斛（Dendrobium nobile Lindl）为兰科植物金钗石斛的茎，因形像古代头上的发钗而得名。主产广西、贵州等地，具滋阴清热，生津止渴等功效。目前从金钗石斛中已经分离到了生物碱、酚类、黄酮类、等生物活性成分[4]。现代药理学发现，金钗石斛具有抗肿瘤、抗衰老、增强免疫、改善记忆及抗白内障等多种药理活性[5]。如金钗石斛提取物能有效改善小鼠抑郁模型的行为学表现，提高小鼠脑内的多巴胺和5-羟色胺水平[6]；金钗石斛可以通过提高超氧化物歧化酶水平及降低过氧化脂质含量达到提高记忆的效果[7]；金钗石斛生物总碱对脂多糖诱导大鼠海马tau蛋白的高度磷酸化和炎症等具有明显的改善作用，同时可减轻海马周围神经细胞的凋亡[8]；金钗石斛多糖可保护神经元免受炎症因子的毒性作用，通过拮抗脂多糖对胶质细胞-神经元混合培养体系，降低炎症因子表达及抑制小胶质细胞激活等机制[9-11]。因此，金钗石斛在治疗神经系统疾病中具有很大的潜力，亟需深入挖掘金钗石斛治疗神经系统疾病的活性成分和作用靶点，厘清金钗石斛治疗神经系统疾病的潜在治疗靶点及分子机制。
由于中药多成分-多靶点-多通路的特点，难以厘清其具体治病机制。网络药理学是由系统生物学及多向药理学等多学科的交叉融合，运用基因组学、代谢组学、可视化和分子对接等多种技术，揭示“化合物-基因-通路-疾病”之间复杂的网络关系，多维度分析疾病的致病基础，探索药物干预后的药理学机制，并通过相应的实验来验证、评估药物的有效性、作用机制及不良反应，从而发现高效、低毒的药物[12]。如有研究基于网络药理学的方法，探讨了二至丸预防阿尔茨海默病（Alzheimer's disease, AD）的物质基础和机制，发现了二至丸治疗AD的有效成分可能是槲皮素、香叶醇、β-谷甾醇、橙花醇和厄立地黄，其作用机制可能与Wnt、MAPK和PI3K-AKT-M Tor三种信号途径有关[13]。有研究基于中药网络药理学的方法，分析得出四逆散可以通过调节G蛋白偶联受体蛋白信号通路、cAMP系统神经系统、神经递质分泌等途径发挥抗抑郁作用[14]。故本研究基于网络药理学探索金钗石斛治疗神经系统疾病的分子机制，以期为后续深入研究其药效物质基础及治疗机制提供参考。
1. 材料与方法
1.1 材料与仪器
中药系统药理学数据库和分析平台（TCMSP）；PubChem数据库；Chemical Book数据库；ADMETlab数据库；Swiss Target Prediction数据库；TargetNet数据库；UniProt数据库；比较毒理基因组学数据库（CTD）；功能关联蛋白网络数据库（STRING）；生物学信息注释数据库（DAVID）；AutoDock Vina软件；ChemBioDraw 13.0软件；Cytoscape 3.6.1软件。
1.2 实验方法
1.2.1 金钗石斛化学成分的收集
检索国内外文献数据库，包括中国知网、万方、数据库SinoMed (http://www.sinomed.ac.cn)、Pubmed (http://pubmed.com.cutestat.com)和TCMSP数据库(http://lsp.nwu.edu.cn/tcmsp.php)[15-16]，得到金钗石斛中的活性成分。再利用Pubchem (https://pubchem.ncbi.nlm.nih.gov)、Chemical Book（http://www.chemicalbook.com）和ADMETlab (http://admet.scbdd.com)数据库等平台验证其成分结构，并采用ChemBioDraw13.0软件绘制其分子结构，保存为“sdf”文件。
1.2.2 金钗石斛成分潜在靶点预测
采用TargetNet(http://targetnet.scbdd.com ) 在线数据库预测成分的潜在靶点，以准确性（Accuracy，AUC）≥0.7为遴选条件，其中AUC代表采用模型方法的预测准确率，筛选Uniprot_ID、Protein、Prob（>0.9）等靶点的作用的潜在靶点群，同时本研究是针对人体，故再利用Uniprot (http://www.uniprot.org)数据库筛选人源的潜在靶点。
1.2.3 金钗石斛成分-靶点互作网络
采用Cytoscape 3.6.1软件，构建金钗石斛“成分-靶点”网络，运用Network analysis插件分析网络特征指标度（degree）和介数（Betweenness），获取主要药效物质基础和关键靶点。
1.2.4 靶点-疾病互作网络
将靶点导入CTD数据库（https://ctdbase.org/tools/batchQuery.go）进行相关疾病的分析，剔除非神经系统疾病的靶点。采用Cytoscape 3.6.1软件，构建“靶点-疾病”互作网络，进一步以Network analysis插件对网络的Degree和Betweenness进行分析。同时根据人类孟德尔遗传数据库（http://www.omim.org）对不同类别疾病归纳和分类。
1.2.5 作用靶点的PPI网络
将获取的相关神经系统疾病靶点进行整合，采用STRING (https://string-db.org)数据库在线分析，获取靶点之间的相互作用数据，导入Cytoscape 3.6.1软件，重新构建金钗石斛潜在作用靶点的PPI网络，利用Analyze network工具对网络进行分析，采用gnoyiacGenerate style from statistics工具根据degree值的大小对靶点的大小和颜色进行变换。
1.2.6 靶点蛋白的基因功能和通路分析
本研究采用在线分析数据库DAVID（https://david.ncifcrf.gov）对金钗石斛作用的靶点进行富集分析，基于ClueGO插件进行基因功能及KEGG通路富集分析。设定阈值P-value<0.05，筛选主要靶点信号通路。并使用Omicshare（http://www.omicshare.com/tools/index.php/Home/Soft/trend）在线分析平台对富集分析结果进行可视化，进一步整合探析金钗石斛治疗神经系统疾病的主要信号通路，揭示金钗石斛治疗神经系统疾病的潜在分子机制。
1.2.7 分子对接
选择成分-靶点网络中degree排名前6的靶点，同时选择金钗石斛degree排名前10的成分，采用AutoDock Vina软件，将靶点与成分进行分子对接验证，以其结合能（Binding energy）评价化合物和靶点的结合活性。一般认为结合能越高，配体与受体的结合性越稳定。当结合能大于5.0，表明化合物靶点结合具有较好的结合活性。首先通过RCSB PDB（http://www.rcsb.org/）数据库获取靶点蛋白晶体结构，用OpenBabel软件将成分的化学结构SDF格式转化为PDB格式。使用AutoDock Vina得到对接活性位点、结合能和均方根偏差(RMSD)。最后运用Pymol软件对对接结果进行可视化分析。
2. 结果与分析
2.1 金钗石斛目标化合物的筛选
本研究通过检索中国知网、万方、数据库SinoMed (http://www.sinomed.ac.cn)、Pubmed (http://pubmed.com.cutestat.com)和TCMSP数据库(http://lsp.nwu.edu.cn/tcmsp.php)中报道的金钗石斛化学成分，共收集到47个（表1）。
表 1 金钗石斛中的化学成分信息Table 1. Chemical constituents of Dendrobium nobile编号 化合物名称 化合物中文名 度 编号 化合物名称 化合物中文名 度 C1 Moscatilin 杓唇石斛素 22 C25 Dendrobine 石斛碱 29 C2 Gigantol 石斛酚 24 C26 Noblilonine 野百合碱 18 C3 Nobilin A 果香菊素A 8 C27 10,12-dihydroxypicrotoxane 10,12-二羟基吡咯烷 21 C4 Nobilin E 果香菊素E 10 C28 Mubironines B 21 C5 Denbinobin 石斛醌 23 C29 Mubironines C 12 C6 2,2'-dihydroxy-3,3',4,4',7,7'-hexamethoxy-9,9',
10,10'-tetrahydroxy-1,1'-biphenanthrene27 C30 Dendronobiline A 0 C7 2,5-dihydroxy-4,9-dimethoxyphenanthrene 2,5-二羟基-4,9-二甲氧基菲 29 C31 Nobilin D 果香菊素 D 42 C8 Confusarin 毛兰菲 26 C32 Nobilin 果香菊素 30 C9 1R,2R,4S,5S,6S,8S,9R,-2，
8-dihydroxycopacamphan-15-one1R，2R，4S，5S，6S，8S，9R，-2,
8-二羟基乙酰氨基甲酸-15-酮15 C33 Nobilone 贵石斛碱 29 C10 2β,3β,4β,5β-2,4,
11-trihydroxypicrotoxano-3(15)-lactone4 C34 4,α-dihydroxy-3,5,
3'-trimethoxybibenzyl4，α-二羟基-3,5,
3'-三甲氧基联苄19 C11 2β,3β,5β,9α,11β-2,11-epoxy-9,11,
13-trihydroxypicrotoxano-3(15)-lactone9 C35 4,5-dihydroxy-3',
3-dimethoxybibenzyl4,5-二羟基-3'，
3-二甲氧基联苄27 C12 2β,3β,5β,12R*-2，11，
13-trihydroxypicrotoxano-3(15)-lactone10 C36 Decumbic acid A 癸二酸A 26 C13 2β,3β,5β,12S*-2，11，
13-trihydroxypicrotoxano-3(15)-lactone10 C37 Decumbic acid B 癸二酸B 33 C14 2β,3β,5β,9α-9，1O-cyclo-2,11，
13-trihydroxypicrotoxano-3(15)-lactone17 C38 (−)-decumbic acid (−)-癸二酸 26 C15 9β,10α-muurol-4-ene-9,10,11-triol 13 C39 (−)-dendrolactone （−）-树内酯 29 C16 10α-alloaromadendrane-10,12,14-triol 13 C40 (+)-dendrolactone （+）-树内酯 32 C17 5β-cyclocopacaphane-5,12,15-triol 7 C41 (+)-denobilone A （+）-二苯酮A 26 C18 δ-cadinen-12,14-diol δ-杜松萜烯-12,14-二醇 10 C42 (−)-denobilone A （−）-二苯酮A 30 C19 Nobliomethylene 38 C43 Dendroside 石斛苷 27 C20 Flakinin A 8 C44 Syringarresinol 24 C21 Dendronobiloside A 石斛苷A 8 C45 Pionresinol 松脂醇 28 C22 Dendronobilin A 金钗石斛素A 13 C46 Medioresinol 皮树脂醇 27 C23 Dendrodensiflorol 石斛醇 20 C47 Lirioresinol-A 鹅掌楸树脂醇A 0 C24 Dendronobilin K 金钗石斛素K 29 2.2 金钗石斛成分-靶点网络构建与分析
如图1所示，金钗石斛“成分-靶点”网络得到135个节点，其中47个为化合物成分，88个为预测靶点。它们由946条边相连构成一个完整的网络，边代表化合物和靶点的相互作用关系，度值平均值为7，其中度值排名前6的成分是Nobilin D（果香菊素D，degree=42）、Nobliomethylene（-，degree=38）、decumbic acid B（癸二酸B，degree=33）、(+)-dendrolactone（(+)-树内酯，degree=32）、(−)-denobilone A（(−)-二苯酮A，degree=30）和 Nobilin（果香菊素，degree=30），度值排名前6个靶点分别是巨噬细胞迁移抑制因子（MIF）、雌激素受体2（ERS2）、芳香化酶（CYP19A1）、人乳腺癌抵抗蛋白（ABCG1）、Toll样受体9（TLR9）、多巴胺受体-D5抗原（DRD5），degree分别为37、37、35、33、32、32。
2.3 靶点-疾病网络分析
将靶点蛋白导入CTD数据库中进行相关疾病的分析，查询靶点关联的疾病，删除重复项后，列取前20种疾病名称及疾病分类，如表2所示。再采用Cytoscape 3.6.1软件，构建“靶点-疾病”网络，如图2所示。
表 2 金钗石斛前20个潜在作用靶点疾病名称及疾病分类Table 2. Disease names and disease classification of the first 20 potential targets of Dendrobium nobile疾病名称 疾病分类 疾病ID 癫痫 神经系统疾病 MESH:D004827 低血压 心血管疾病|神经系统疾病 MESH:D007024 滥用大麻 精神障碍|物质相关障碍 MESH:D002189 精神障碍 精神障碍 MESH:D001523 神经系统疾病 神经系统疾病 MESH:D009422 神经中毒综合征 神经系统疾病 MESH:D020258 帕金森病 神经系统疾病 MESH:D010300 继发性帕金森病 神经系统疾病 MESH:D010302 周围神经系统疾病 神经系统疾病 MESH:D010523 神经系统疾病 神经系统疾病 MESH:D009422 阿尔茨海默病 精神障碍|物质相关障碍 MESH:D000544 苯丙胺相关疾病 精神障碍|神经系统疾病 MESH:D019969 学习障碍 精神障碍|神经系统疾病|体征和症状 MESH:D007859 记忆障碍 神经系统疾病|体征和症状 MESH:D008569 运动障碍疾病 神经系统疾病 MESH:D009069 神经系统疾病 神经系统疾病 MESH:D009422 癫痫发作 神经系统疾病|体征和症状 MESH:D012640 震颤 神经系统疾病|体征和症状 MESH:D014202 神经中毒综合征 神经系统疾病 MESH:D020258 癫痫发作 神经系统疾病|体征和症状 MESH:D012640 2.4 金钗石斛作用靶点蛋白相互作用网络构建与分析
对金钗石斛成分的潜在作用靶点进行合并整合，同时删除重复的作用靶点，总共得到88个靶点蛋白，进一步导入STRING数据库中在线分析，限定人源物种，获取88个靶点的相互蛋白作用关系，将结果整合后导入Cytoscape 3.6.1软件构建蛋白质相互作用（PPI）网络图，如图3所示。PPI网络共包括84个节点，1338条边，每一个节点表示一个靶点蛋白，节点越大、颜色越红，正方形越大，其degree值变大；边表示蛋白之间的关联。根据网络拓扑学性质，获得degree值排前10的关键蛋白分别为APP（degree=38）、SRC（degree=36）、CASP3（degree=34）、DRD2（degree=34）、TNF（degree=33）、PTGS2（degree=32）、OPRM1（degree=31）、CNR1（degree=31）、ADRA2A（degree=31）、HTR1A（degree=30），表明这些靶点蛋白在PPI网络图中的中心度较高，能与多个蛋白发生相互作用，提示其可能是金钗石斛作用的重要靶点。
2.5 GO(Gene ontology)生物进程分析
将金钗石斛作用的88个靶点进行GO生物进程分析，得到生物进程层级关系（如图4所示），共有759个生物进程，其中排名前10的生物进程（表3），主要涉及细胞对药物的反应、痛觉、对雌二醇的反应、肽酰苏氨酸磷酸化、阿片受体信号通路、慢性炎症反应等方面，提示金钗石斛可能调控以上生物进程来治疗神经系统疾病。
表 3 金钗石斛治疗神经系统疾病靶点的生物进程分析结果Table 3. Biological process analysis results of Dendrobium nobile in the treatment of nervous system diseasesGO生物过程 基因数 相关基因百分比(％) P 细胞对药物的反应 22 4.55 0 痛觉 9 6.67 0 对雌二醇的反应 8 4.68 0 肽基苏氨酸磷酸化 7 4.17 0 阿片受体信号通路 3 25 0 慢性炎症反应 3 12.5 0 食欲调节 3 10.34 0 类固醇分解代谢过程 3 9.38 0 细胞对镉离子的反应 3 8.11 0 负离子转运的正调控 3 4.41 0 2.6 KEGG（Kyoto encyclopedia of genes and genomes）通路富集分析
采用DAVID在线分析平台对金钗石斛作用的88个靶点进行KEGG通路富集分析，结果如图5所示。KEGG的富集程度主要通过影响因子（Rich factor，RF）、P值及参与调控通路上的基因个数进行综合分析，其中RF指差异表达的基因中位于该通路条目的基因数目与所有注释基因中位于该通路条目的目的基因总数的比值，富集的程度随RF大小变化。对结果整合分析发现靶点主要富集于Sphingolipid signaling pathway、Cocaine addiction以及Serotonergic synapse这三条信号通路。
![]()
图 5 前20个KEGG通路富集气泡图（P<0.05）Figure 5. Enrichment bubble diagram of the first 20 KEGG pathways (P<0.05)2.7 分子对接验证
为验证金钗石斛成分预测靶点的准确性，本研究采用AutoDock Vina软件对11个degree较大的成分和6个靶点根据默认参数进行分子对接，以结合能（Binding energy）作为筛选条件，结合能越小表明对接结果越好。对于多构象的对接结果，筛选出结合能最低的对接构象，如表4所示。大部分化合物与分子靶点对接结合能绝对值大于5.0，表明分子对接结果良好，验证了网络构建预测的准确性。运用Pymol软件，根据结合能的大小选出每个靶点蛋白对接最好的化合物进行可视化分析，结果如图6所示，其中ESR2与化合物C25、MIF与化合物C42、CYP19A1与化合物C32均可以形成氢键。实验结果为进一步整合探析金钗石斛的药效物质提供理论参考。
表 4 金钗石斛作用的4个靶点与11个成分的分子对接得分Table 4. Molecular docking scores of 4 targets and 11 components of Dendrobium nobile靶点蛋白 靶点蛋白ID 化合物 结合能（kCal/mol） 均方根偏差 ESR2 2qtu C7 −10.1 1.061 C19 −10.2 0.678 C24 −9.9 0.817 C25 −11.1 0.649 C31 −8.2 1.104 C32 −10.3 1.327 C33 −8.9 1.419 C37 −6.7 1.269 C39 −8.6 0.027 C40 −10.5 0.735 C42 −10.5 1.547 MIF 5xej C7 −8.9 1.082 C19 −9.3 1.590 C24 −9.4 1.422 C25 −9.2 1.427 C31 −8.3 1.784 C32 −9.7 1.083 C33 −8.3 0.799 C37 −6.2 1.842 C39 −7.5 0.051 C40 −10.0 1.017 C42 −10.0 1.010 ABCG2 6ffc C7 −10.6 1.836 C19 −11.3 1.108 C24 −9.8 1.096 C25 −11.5 0.861 C31 −8.3 1.078 C32 −11.2 1.217 C33 −9.6 1.031 C37 −6.6 1.135 C39 −8.0 0.035 C40 −10.5 1.272 C42 −10.5 1.416 CYP19A1 5jl6 C7 −8.4 1.182 C19 −8.5 1.351 C24 − − C25 −8.9 1.766 C31 −8.0 0.063 C32 −9.0 1.189 C33 −7.9 0.660 C37 −6.6 1.036 C39 −7.4 0.019 C40 −8.7 1.048 C42 −8.7 1.043 ![]()
图 6 ESR2、MIF、ABCG2、CYP19A1与化合物结合能最低的最佳对接构象注：A.ESR2与化合物C25的最佳对接构象；B. MIF与化合物C42最佳对接构象；C. ABCG2与化合物C25的最佳对接构象；D.CYP19A1与化合物C32的最佳对接构象。Figure 6. The best docking conformation of ESR2, MIF, ABCG2, CYP19A1 and the compounds with the lowest binding energy3. 讨论与结论
石斛作为药用始见于《神农本草经》，金钗石斛是药用石斛主流品种之一，具有益胃生津、滋阴清热的功效[17-18]。有研究发现金钗石斛叶总黄酮具有较好的抗氧化、抑制Aβ42蛋白聚集及螯合金属离子的能力，体外具有抗AD活性[19]；金钗石斛总碱对APP/PS1转基因小鼠空间学习记忆能力具有改善作用[20]。然而其具体作用机制尚不清楚，因此，本研究采用网络药理学接和分子对接整合分析。
本研究通过构建多元生物网络，筛选到金钗石斛活性成分47个，作用靶点88个，富集疾病多与帕金森、阿尔茨海默症及精神、记忆障碍等神经系统疾病有关，可能与鞘脂信号通路和5-羟色胺突触有关。根据degree的大小，成分-靶点网络分析发现金钗石斛发挥作用来源的主要活性成分有Nobilin D（degree=42）、Nobliomethylene（degree=38 ）、decumbic acid B（degree=33）、（+）-dendrolactone（degree=32）、（−）-denobilone A（degree=30）和 Nobilin（degree=30）。表明这些成分可能是金钗石斛发挥治疗神经系统疾病的主要药效物质基础。上述成分的实验药理学结果也进一步佐证了预测，其中有研究发现Nobliomethylene可显著增加猫免疫缺陷病毒模型诱导的中枢神经系统功能病理变化，如脑干听觉诱发电位延迟[21]。但其他Nobilin D、decumbic acid B、（+）-dendrolactone、（−）-denobilone A、Nobilin的相关活性尚不清楚，亟需对其潜在靶点进一步验证分析。进一步探寻这些化合物的靶点发现，根据网络分析可知，金钗石斛这些成分作用的核心靶点包括MIF（degree=37）、ERS2（degree=37）、CYP19A1（degree=35）、ABCG2（degree=33）、TLR9（degree=32）、DRD5（degree=32）等。目前，关于以上主要活性成分作用于核心靶点的研究的文献报道较少，但分子对接结果显示，MIF、ERS2、CYP19A1D等核心靶点能够与Nobliomethylene、decumbic acid B、（−）-denobilone A等主要活性成分较好对接，因此，对金钗石斛中的活性化合物及作用机制值得进一步深入研究。
多发性硬化（multiple sclerosis,MS）是一种进行性免疫介导的中枢神经系统脱髓鞘疾病。随着时间的推移，中枢神经系统内炎症和神经退行性通路的慢性激活会导致永久性神经功能障碍的累积。MIF是一种多功能细胞因子，在实验性自身免疫性脑脊髓炎（Experimental Allergic Encephalomyelitis,EAE）的MS小鼠模型中，发现MIF在调节炎症病理发展中枢神经系统效应器机制中起关键作用。在MS脑组织的检查中，发现MIF在活跃炎症区域高度表达，提示MIF可能对中枢神经系统炎症反应有深远的影响。这些研究说明了MIF在EAE期间促进中枢神经系统巨噬细胞活化和募集的能力：这两种中枢神经系统效应器机制对EAE进展至关重要。MIF对小胶质细胞具有有效的促炎作用，并使与中枢神经系统自身免疫介导的组织损伤相关的促炎基因表达谱极化[22-24]。有研究发现AD女性受试者中ESR2等位基因（s4986938, rs867443）对AD具有显著的保护作用，相反CYP19A1的G等位基因（rs11638442, rs11632698）可能提升AD的发病风险[22]。有研究发现ABCG2在人体脑内皮组织高表达，提示其可能与多种神经系统疾病相关[25]。有研究发现EAE小鼠的发育过程中，TLR9在中枢神经系统中高表达，且与EAE发展有关[26]。有研究发现，树突状细胞的DRD5受刺激后可增强炎症，加速EAE的进展，进一步研究发现EAE小鼠树突状细胞中的DRD5缺乏可导致中枢神经系统具有炎症潜能的CD4+T细胞亚群的频率降低[27]。综上可知，金钗石斛可通过多靶点治疗神经系统疾病。此外，通过“化合物-靶点”网络和“靶点-疾病”网络整合分析，为后期在各类型神经系统疾病的研究中，选取具有潜力的活性化合物及靶点进行研究，可进一步有效揭示其分子机制。
本研究基于在线分析系统DAVID进行通路富集分析发现，核心靶点主要与3个通路Sphingolipid signaling pathway、Cocaine addiction以及Serotonergic synapse有关。其中，可卡因通过阻断多巴胺转运蛋白并抑制多巴胺再摄取，从而导致突触间隙中多巴胺持续作用于DRD1、DRD5等相应受体，诱发Cocaine addiction[28]，而核心靶点TLR9激动剂可拮抗可卡因成瘾，并能阻止运动过度效应[29]。核心靶点ABCG2是重要的ABC转运蛋白，可通过靶向脑毛细血管内皮细胞内Sphingolipid signaling pathway向P-糖蛋白的信号转导，提高CNS药物治疗疗效[30]。核心靶点MIF和IL-6等细胞因子可透过受损的血脑屏障，影响多巴胺、五羟色胺和去甲肾上腺素等神经递质的代谢，引发中枢神经系统内的炎性反应[31-33]。
有研究报道AD患者存在Sphingolipid代谢异常，进一步分析发现淀粉样β沉积可能促使酸性鞘磷脂酶激活，提示Sphingolipid signaling pathway参与Sphingolipid代谢异常可能AD的发病机制[34]。有研究发现Cocaine addiction患者出现包括注意力、学习、记忆等多种中枢神经系统功能异常，提示Cocaine addiction通路可能参与了Cocaine引起的神经毒性[35]。进一步研究发现Cocaine反复使用会导致神经系统生理学和结构的永久性改变，引起精神疾病[36]。有研究发现Serotonergic synapse通路的一些多功能调节剂具有神经保护、抗炎等潜力，且一种对Serotonergic synapse和多巴胺受体具有高度亲和力的血清素转运体抑制剂-Lumateperone已经在痴呆、双相抑郁疾病上进行临床试验[37]。
综上所述，本研究基于整合网络药理学研究方法，通过“成分-靶点”网络、“靶点-疾病”网络及KEGG通路富集分析等一系列整合网络分析，从系统层面揭示金钗石斛治疗神经系统疾病的药效物质基础及分子机制。但由于网络预测的局限性，仍需进一步实验对其关键成分及靶点进行验证，为后续深入研究金钗石斛治疗神经系统疾病的药效物质基础及分子机制提供参考。
-
![]()
图 5 前20个KEGG通路富集气泡图（P<0.05）
Figure 5. Enrichment bubble diagram of the first 20 KEGG pathways (P<0.05)
![]()
图 6 ESR2、MIF、ABCG2、CYP19A1与化合物结合能最低的最佳对接构象
注：A.ESR2与化合物C25的最佳对接构象；B. MIF与化合物C42最佳对接构象；C. ABCG2与化合物C25的最佳对接构象；D.CYP19A1与化合物C32的最佳对接构象。
Figure 6. The best docking conformation of ESR2, MIF, ABCG2, CYP19A1 and the compounds with the lowest binding energy
表 1 金钗石斛中的化学成分信息
Table 1 Chemical constituents of Dendrobium nobile
编号 化合物名称 化合物中文名 度 编号 化合物名称 化合物中文名 度 C1 Moscatilin 杓唇石斛素 22 C25 Dendrobine 石斛碱 29 C2 Gigantol 石斛酚 24 C26 Noblilonine 野百合碱 18 C3 Nobilin A 果香菊素A 8 C27 10,12-dihydroxypicrotoxane 10,12-二羟基吡咯烷 21 C4 Nobilin E 果香菊素E 10 C28 Mubironines B 21 C5 Denbinobin 石斛醌 23 C29 Mubironines C 12 C6 2,2'-dihydroxy-3,3',4,4',7,7'-hexamethoxy-9,9',
10,10'-tetrahydroxy-1,1'-biphenanthrene27 C30 Dendronobiline A 0 C7 2,5-dihydroxy-4,9-dimethoxyphenanthrene 2,5-二羟基-4,9-二甲氧基菲 29 C31 Nobilin D 果香菊素 D 42 C8 Confusarin 毛兰菲 26 C32 Nobilin 果香菊素 30 C9 1R,2R,4S,5S,6S,8S,9R,-2，
8-dihydroxycopacamphan-15-one1R，2R，4S，5S，6S，8S，9R，-2,
8-二羟基乙酰氨基甲酸-15-酮15 C33 Nobilone 贵石斛碱 29 C10 2β,3β,4β,5β-2,4,
11-trihydroxypicrotoxano-3(15)-lactone4 C34 4,α-dihydroxy-3,5,
3'-trimethoxybibenzyl4，α-二羟基-3,5,
3'-三甲氧基联苄19 C11 2β,3β,5β,9α,11β-2,11-epoxy-9,11,
13-trihydroxypicrotoxano-3(15)-lactone9 C35 4,5-dihydroxy-3',
3-dimethoxybibenzyl4,5-二羟基-3'，
3-二甲氧基联苄27 C12 2β,3β,5β,12R*-2，11，
13-trihydroxypicrotoxano-3(15)-lactone10 C36 Decumbic acid A 癸二酸A 26 C13 2β,3β,5β,12S*-2，11，
13-trihydroxypicrotoxano-3(15)-lactone10 C37 Decumbic acid B 癸二酸B 33 C14 2β,3β,5β,9α-9，1O-cyclo-2,11，
13-trihydroxypicrotoxano-3(15)-lactone17 C38 (−)-decumbic acid (−)-癸二酸 26 C15 9β,10α-muurol-4-ene-9,10,11-triol 13 C39 (−)-dendrolactone （−）-树内酯 29 C16 10α-alloaromadendrane-10,12,14-triol 13 C40 (+)-dendrolactone （+）-树内酯 32 C17 5β-cyclocopacaphane-5,12,15-triol 7 C41 (+)-denobilone A （+）-二苯酮A 26 C18 δ-cadinen-12,14-diol δ-杜松萜烯-12,14-二醇 10 C42 (−)-denobilone A （−）-二苯酮A 30 C19 Nobliomethylene 38 C43 Dendroside 石斛苷 27 C20 Flakinin A 8 C44 Syringarresinol 24 C21 Dendronobiloside A 石斛苷A 8 C45 Pionresinol 松脂醇 28 C22 Dendronobilin A 金钗石斛素A 13 C46 Medioresinol 皮树脂醇 27 C23 Dendrodensiflorol 石斛醇 20 C47 Lirioresinol-A 鹅掌楸树脂醇A 0 C24 Dendronobilin K 金钗石斛素K 29 
下载: 导出CSV
表 2 金钗石斛前20个潜在作用靶点疾病名称及疾病分类
Table 2 Disease names and disease classification of the first 20 potential targets of Dendrobium nobile
疾病名称 疾病分类 疾病ID 癫痫 神经系统疾病 MESH:D004827 低血压 心血管疾病|神经系统疾病 MESH:D007024 滥用大麻 精神障碍|物质相关障碍 MESH:D002189 精神障碍 精神障碍 MESH:D001523 神经系统疾病 神经系统疾病 MESH:D009422 神经中毒综合征 神经系统疾病 MESH:D020258 帕金森病 神经系统疾病 MESH:D010300 继发性帕金森病 神经系统疾病 MESH:D010302 周围神经系统疾病 神经系统疾病 MESH:D010523 神经系统疾病 神经系统疾病 MESH:D009422 阿尔茨海默病 精神障碍|物质相关障碍 MESH:D000544 苯丙胺相关疾病 精神障碍|神经系统疾病 MESH:D019969 学习障碍 精神障碍|神经系统疾病|体征和症状 MESH:D007859 记忆障碍 神经系统疾病|体征和症状 MESH:D008569 运动障碍疾病 神经系统疾病 MESH:D009069 神经系统疾病 神经系统疾病 MESH:D009422 癫痫发作 神经系统疾病|体征和症状 MESH:D012640 震颤 神经系统疾病|体征和症状 MESH:D014202 神经中毒综合征 神经系统疾病 MESH:D020258 癫痫发作 神经系统疾病|体征和症状 MESH:D012640
下载: 导出CSV
表 3 金钗石斛治疗神经系统疾病靶点的生物进程分析结果
Table 3 Biological process analysis results of Dendrobium nobile in the treatment of nervous system diseases
GO生物过程 基因数 相关基因百分比(％) P 细胞对药物的反应 22 4.55 0 痛觉 9 6.67 0 对雌二醇的反应 8 4.68 0 肽基苏氨酸磷酸化 7 4.17 0 阿片受体信号通路 3 25 0 慢性炎症反应 3 12.5 0 食欲调节 3 10.34 0 类固醇分解代谢过程 3 9.38 0 细胞对镉离子的反应 3 8.11 0 负离子转运的正调控 3 4.41 0
下载: 导出CSV
表 4 金钗石斛作用的4个靶点与11个成分的分子对接得分
Table 4 Molecular docking scores of 4 targets and 11 components of Dendrobium nobile
靶点蛋白 靶点蛋白ID 化合物 结合能（kCal/mol） 均方根偏差 ESR2 2qtu C7 −10.1 1.061 C19 −10.2 0.678 C24 −9.9 0.817 C25 −11.1 0.649 C31 −8.2 1.104 C32 −10.3 1.327 C33 −8.9 1.419 C37 −6.7 1.269 C39 −8.6 0.027 C40 −10.5 0.735 C42 −10.5 1.547 MIF 5xej C7 −8.9 1.082 C19 −9.3 1.590 C24 −9.4 1.422 C25 −9.2 1.427 C31 −8.3 1.784 C32 −9.7 1.083 C33 −8.3 0.799 C37 −6.2 1.842 C39 −7.5 0.051 C40 −10.0 1.017 C42 −10.0 1.010 ABCG2 6ffc C7 −10.6 1.836 C19 −11.3 1.108 C24 −9.8 1.096 C25 −11.5 0.861 C31 −8.3 1.078 C32 −11.2 1.217 C33 −9.6 1.031 C37 −6.6 1.135 C39 −8.0 0.035 C40 −10.5 1.272 C42 −10.5 1.416 CYP19A1 5jl6 C7 −8.4 1.182 C19 −8.5 1.351 C24 − − C25 −8.9 1.766 C31 −8.0 0.063 C32 −9.0 1.189 C33 −7.9 0.660 C37 −6.6 1.036 C39 −7.4 0.019 C40 −8.7 1.048 C42 −8.7 1.043
下载: 导出CSV
-
[1] 刘宏帅, 石海莲, 高雅婵, 等. 神经炎症与神经退行性疾病的关系及中药调控作用研究进展[J]. 上海中医药大学学报,2016,30(5):82−89. [2] 王昊. 基于网络药理学的开心散防治阿尔茨海默病的分子机制研究[D]. 咸阳: 陕西中医药大学, 2018. [3] 孙树森, 韩容, 赵志刚. 2016年上半年美国FDA批准的新分子实体与评价: 神经系统疾病、呼吸系统疾病、皮肤病治疗用药和造影剂[J]. 药品评价,2017,14(4):12−17. doi: 10.3969/j.issn.1672-2809.2017.04.002 [4] 许莉, 王江瑞, 郭力, 等. 金钗石斛化学成分的研究[J]. 中成药,2018,40(5):108−110. [5] 周威, 夏杰, 孙文博, 等. 金钗石斛的化学成分和药理作用研究现状[J]. 中国新药杂志,2017,26(22):2693−2700. [6] 姜宁, 范琳犀, 杨玉洁, 等. 金钗石斛提取物对慢性不可预见应激模型小鼠的抗抑郁作用[J]. 生理学报,2017,69(2):159−166. [7] Yan Y, Wang C. Abeta42 is more rigid than Abeta40 at the C terminus: implications for Abeta aggregation and toxicity[J]. Journal of Molecular Biology,2006,364(5):853−862. doi: 10.1016/j.jmb.2006.09.046
[8] 石京山, 王茜, 李利生, 等. 金钗石斛生物碱抗老年痴呆基础研究[J]. 神经药理学报,2017,7(2):6. doi: 10.3969/j.issn.2095-1396.2017.02.006 [9] Sharma A A, Jen R, Kan B, et al. Impaired NLRP3 inflammasome activity during fetal development regulates IL-1β production in human monocytes[J]. European Journal of Immunology,2015,45(1):238−249. doi: 10.1002/eji.201444707
[10] Yang S, Gong Q, Wu Q, et al. Alkaloids enriched extract from Dendrobium nobile Lindl. attenuates tau protein hyperphosphorylation and apoptosis induced by lipopolysaccharide in rat brain[J]. Phytomedicine,2014,21(5):712−716. doi: 10.1016/j.phymed.2013.10.026
[11] 林牧, 龚其海, 吴芹, 等. 金钗石斛多糖对脂多糖作用大鼠皮层胶质细胞-神经元体系的保护作用[J]. 中国药理学通报,2016,32(8):1144−1148. doi: 10.3969/j.issn.1001-1978.2016.08.022 [12] 席乐迎, 任献青, 许爽, 等. 基于网络药理学的中药作用机制研究进展[J]. 现代中西医结合杂志,2020,29(29):3287−3290, 3296. doi: 10.3969/j.issn.1008-8849.2020.29.023 [13] Huang L P, Yan B, Hou M, et al. Study on material basis and mechanism of erzhi wan prevent Alzheimer's disease by network pharmacology[J]. China Journal of Chinese Materiamedica,2017,42(21):4211−4217.
[14] 杜梨, 袁斌, 张百霞, 等. 基于“中药作用机理辅助解析系统”的大黄抗高血脂作用机制研究[J]. 中国中药杂志,2015,40(19):3703−3708. [15] 童黄锦, 石芸, 吉敬, 等. 白鲜皮挥发油中潜在活性成分的网络药理学研究[J]. 中国中药杂志,2020,45(5):1135−1141. [16] 吴青华, 李冰涛, 朱水兰, 等. 蒙古族药芯芭治疗2型糖尿病的网络药理学研究[J]. 中国中药杂志,2020,45(8):1764−1771. [17] 顾观光. 神农本草经[M]. 北京: 学苑出版社, 2007. [18] 包雪声, 顺庆生, 张申洪, 等. 中国药用石斛图志[M]. 上海: 上海科学技术文献出版社, 2005: 34. [19] 李艳萍, 李海燕, 纪晓婉, 等. 金钗石斛叶中总黄酮的提取分离及体外抗阿尔茨海默病活性研究[J]. 中国药房,2018,29(3):330−333. doi: 10.6039/j.issn.1001-0408.2018.03.10 [20] 姜琳珊, 李菲, 聂晶, 等. 金钗石斛总生物碱对APP/PS1转基因小鼠学习记忆能力的影响[J]. 遵义医学院学报,2016,39(3):246−249. [21] Huitron-Resendiz S, Henriksen S J, Barr M C, et al. Methamphetamine and lentivirus interactions: Reciprocal enhancement of central nervous system disease[J]. Journal of Neurovirology,2010,16(4):268−278. doi: 10.3109/13550284.2010.497807
[22] Cox G M. Macrophage migration inhibitory factor: A study of the effects on the central nervous system microenvironment in experimental autoimmune encephalomyelitis[J]. Dissertations & Theses-Gradworks,2011:3496009.
[23] Zhijie H, Jiaojiao Q, Jiehong Z, et al. Genetic variant rs755622 regulates expression of the multiple sclerosis severity modifier d-dopachrometautomerase in a sex-specific way[J]. BioMed Research International,2018,20(18):1−7.
[24] Chen L H, Fan Y H, Kao P Y P, et al. Genetic polymorphisms in estrogen metabolic pathway associated with risks of Alzheimer's disease: Evidence from a southern chinese population[J]. Journal of the American Geriatrics Society,2017,65(2):332−339. doi: 10.1111/jgs.14537
[25] Mao Q, Rosenberg M F, Bikadi Z, et al. Structure and function of the human breast cancer resistance protein (BCRP/ABCG2)[J]. Current Drug Metabolism,2010,11(7):603−617. doi: 10.2174/138920010792927325
[26] Evangelista M G, Castro S B R D, Caio César De Souza Alves, et al. Early IFN-γ production together with decreased expression of TLR3 and TLR9 characterizes EAE development conditional on the presence of myelin[J]. Autoimmunity,2016,49(4):258−267. doi: 10.3109/08916934.2016.1141898
[27] Carolina P, Michela G, González Hugo, et al. Dopaminergic stimulation of myeloid antigen-presenting cells attenuates signal transducer and activator of transcription 3-activation favouring the development of experimental autoimmune encephalomyelitis[J]. Frontiers in Immunology,2018,21(9):571−587.
[28] Levran O, Randesi M, da Rosa JC, et al. Overlapping dopaminergic pathway genetic susceptibility to heroin and cocaine addictions in African Americanss[J]. Annals of Human Genetic,2015,79(3):188−198. doi: 10.1111/ahg.12104
[29] Kimishima A, Wenthur C J, Eubanks L M, et al. Cocaine vaccine development: Evaluation of carrier and adjuvant combinations that activate multiple toll-like receptors[J]. Molecular Pharmaceutics,2016,13(11):3884−3890. doi: 10.1021/acs.molpharmaceut.6b00682
[30] Miller D S, Cannon R E. Signaling pathways that regulate basal ABC transporter activity at the blood- brain barrier[J]. Current Pharmaceutical Design,2014,20(10):1463−1471. doi: 10.2174/13816128113199990457
[31] 崔莹. 老年期情感障碍患者血清细胞因子、皮质醇、认知功能及药物干预的影响[D]. 济南: 山东大学, 2011. [32] 黄强, 汪亚楠, 韩飞, 等. 基于网络药理学的桂枝甘草汤抗失眠作用的潜在机制研究[J]. 湖南中医药大学学报,2020,40(4):452−459. doi: 10.3969/j.issn.1674-070X.2020.04.013 [33] Mohammed S, Vineetha N S, James S, et al. Regulatory role of SphK1 in TLR7/9-dependent type I interferon response and autoimmunity[J]. FASEB Journal: Official Publication of the Federation of American Societies for Experimental Biology,2020,34(3):4329−4347. doi: 10.1096/fj.201902847R
[34] He X, Huang Y, Li B, et al. Deregulation of sphingolipid metabolism in Alzheimer’s disease[J]. Neurobiology of Aging,2008,31(3):398−408.
[35] Angelucci F, Ricci V, Pomponi M, et al. Chronic heroin and cocaine abuse is associated with decreased serum concentrations of the nerve growth factor and brain-derived neurotrophic factor[J]. Journal of Psychopharmacology,2007,21(8):820−825. doi: 10.1177/0269881107078491
[36] Wescott S A, Rauthan M, Xu X Z S. When a TRP goes bad: Transient receptor potential channels in addiction[J]. Life Sciences,2013,92(8-9):410−414. doi: 10.1016/j.lfs.2012.07.008
[37] Jankowska A, Wesołowska A, Pawłowski M, et al. Multi-target-directed ligands affecting serotonergic neurotransmission for Alzheimer’s disease therapy: Advances in chemical and biological research[J]. Current Medicinal Chemistry,2018,24(17):2045−2067.
下载:
计量
- 文章访问数:
- HTML全文浏览量:
- PDF下载量:
