基于网络药理学探讨新冠肺炎初期用药清肺排毒汤的作用机制文档格式.docx

基于网络药理学探讨新冠肺炎初期用药清肺排毒汤的作用机制文档格式.docx

《基于网络药理学探讨新冠肺炎初期用药清肺排毒汤的作用机制文档格式.docx》由会员分享，可在线阅读，更多相关《基于网络药理学探讨新冠肺炎初期用药清肺排毒汤的作用机制文档格式.docx（11页珍藏版）》请在冰豆网上搜索。

结果：

经筛选得到278个化合物，177个QFPDT调控的靶点蛋白。

根据度（Degree）值得到QFPDT主要有效成分为槲皮素、豆甾醇、-谷固醇和山柰酚。

相关疾病较多的靶点为PTGS2、PPARG、MAPK14和CDK2，与COVID-19相关的疾病包括炎症、哮喘、肺癌、发热、病毒感染等。

QFPDT作用的主要通路为IL-17信号通路，雌激素信号通路，血小板活化通路及小细胞肺癌等通路。

结论：

对QFPDT的物质基础和作用机制进行了初步预测，为QFPDT在COVID-19的临床治疗中提供了依据。

关键词清肺排毒汤;

网络药理学;

新型冠状病毒肺炎;

物质基础;

作用机制AbstractObjective：

ToexplorethematerialbasisandactionmechanismofQingfeiPaiduDecoction（QFPDT）andcoronavirusdisease（COVID-19）byusingnetworkpharmacology.Methods：

Theactiveingredients，targetproteinsandrelateddiseaseswereobtainedthroughTCMSPDatabase.Uniprotdatabasewasusedtoquerythegenenamescorrespondingtothetargetproteins.Cytoscape3.7.2softwarewasusedtobuildanetworkmodelofdrugactiveingredients-potentialtargetsandmaintargets-relateddiseases;

ClueGopluginofCytoscape3.7.2softwarewasusedtoperformGObiologicalprocessesonmainpotentialtargetsandKEGGmetabolicpathwayanalysis.Results：

Afterscreening，278compoundsand177targetproteinsregulatedbyQFPDTwereobtained.Accordingtothedegreevalue，themainactiveingredientsofQFPDTwerequercetin，stigmasterol，-sitosterolandkaempferol.ThetargetsofrelateddiseaseswerePTGS2，PPARG，MAPK14，andCDK2.ThediseasesrelatedtoCOVID-19pneumoniaincludedinflammation，asthma，lungcancer，fever，andviralinfectionetc.AccordingtotheanalysisofGObiologicalprocessesandKEGGmetabolicpathways，themainpathwaysofQFPDTactionwereIL-17signalingpathway，estrogensignalingpathway，plateletactivationpathway，andsmallcelllungcancer.Conclusion：

ThispapermakesapreliminarypredictionofthematerialbasisandmechanismofQFPDT，andprovidedabasisforQFPDTintheclinicaltreatmentofCOVID-19.KeywordsQingfeiPaiduDecoction;

Networkpharmacology;

COVID-19;

Materialbasis;

Actionmechanism中图分类号：

R289.5;

R285文献标识码：

Adoi：

10.3969/j.issn.1673-7202.2021.19.007新型冠状病毒（2019-nCoV）引起的肺炎自2019年12月出现后迅速蔓延全国，其具有潜伏期长、传染性强、各类人群普遍易感的特点。

随着疾病在全国的蔓延，人们的日常生活及工作受到了一定的影响，同时对人民健康带来的威胁，引起了国家的高度重视。

2020年2月12日，世界卫生组织宣布，将2019-nCoV引发的疾病正式命名为COVID-19，即CoronaVirusDisease2019，目前国家卫生健康委员会将其暂命名为新型冠状病毒肺炎，即新冠肺炎1。

初期感染新冠肺炎患者临床症状多见发热、干咳、乏力，后期重症患者可见呼吸困难甚至严重性呼吸衰竭2。

新冠肺炎尚无特效药，且发病机制不明确，目前以中西医结合对症治疗为主。

湖北省一半以上的确诊病例都使用中医药治疗并取得一定成效3，体现了中医药治疗在此次抗击新冠肺炎中的优势。

中医强调整体观念和辨证论治，国家大力发挥中医药的优势特色，国家中医药管理局推荐在中西医结合救治中使用清肺排毒汤（QFPDT）4。

QFPDT是由伤寒杂病论中多个经方融合创新而成，以麻杏石甘汤、射干麻黄汤、小柴胡汤、五苓散、橘枳姜汤加减化裁，共21味药物组成5。

该复方在山西、河北、黑龙江、陕西4省试点期间初步有效率达到90%以上，取得了较为理想的疗效，对当前中医药治疗新冠肺炎起到了积极的指导作用。

网络药理学作为研究中药单体及复方的作用及作用机制的新兴学科，通过对药物成分、作用靶点及对应疾病等信息进行数据整合及建模的方式进行分析6-7。

本研究旨在基于网络药理学的方法筛选出QFPDT中药物成分及作用的靶点，预测与QFPDT主要作用靶点相关的疾病，构建靶点网络，并进行富集分析。

初步探索QFPDT治疗COVID-19的物質基础及作用机制。

1材料与方法1.1获取QFPDT候选靶点利用中药系统药理学数据库与分析平台（TCMSP），搜索并获取QFPDT的药物（除石膏外）化学成分，根据口服生物利用度（OB）30%和类药性（DL）0.18进一步筛选QFPDT的有效化合物。

根据药物已知成分，在TCMSP数据库及GeneCards数据库获取成分作用靶点，将获取的靶点进行去重处理，排除重复靶点。

运用Uniprot数据库查询靶点蛋白对应的基因简称，得到QFPDT调控的潜在靶点。

1.2QFPDT药物成分-候选靶点网络的构建应用Cytoscape3.7.2软件构建QFPDT药物成分-候选靶点网络图。

通过对候选靶点度（Degree）值分析，获得大于平均Degree值的靶点。

1.3QFPDT主要作用靶点-相关疾病网络的构建应用TCMSP数据库，筛选获得上述大于平均Degree值的靶点的相关疾病。

运用Cytoscape3.7.2软件构建QFPDT主要作用靶点-相关疾病网络图。

1.4基因本体（GO）富集分析和京都基因和基因组百科全书（KEGG）富集分析将QFPDT中主要靶标基因，即上述获得的大于平均Degree值的靶点导入Cytoscape3.7.2软件的ClueGO插件中进行GO生物过程及KEGG通路富集分析。

2结果2.1QFPDT药物化学成分筛选筛选共得到310个有效活性成分，部分筛选结果见表1。

2.2QFPDT药物候选靶点筛选将上述获得的310个QFPDT活性成分引入TCMSP数据库及GeneCards数据库，获得278个活性成分对应182个疾病靶点（其中有32个活性成分的疾病靶点未被TCMSP数据库及GeneCards数据库收录）。

将上述获得的QFPDT作用靶点输入到Uniprot数据库中查询靶点蛋白对应的基因简称，剔除非人源靶点后最终得到QFPDT调控的疾病靶点177个。

构建QFPDT药物成分-候选靶点网络。

该网络共包含455个节点，6724条边。

其中278个粉色圆形节点代表QFPDT活性成分，177个蓝色方形节点代表活性成分作用的疾病靶点，6724条边代表成分与靶点之间的相互作用关系。

在网络中，一个节点的度（Degree）表示网络中和节点相连路线的条数。

在化合物方面，越靠近中心形状越大的节点表示该化合物的Degree值越高，与其对应的靶点越多，说明这些化合物可能是QFPDT中起主要作用的化合物。

见图1。

其中有4个化合物的Degree值300，分别是MOL000098槲皮素（Quercetin），MOL000449豆甾醇（Stigmasterol），MOL000358-谷固醇（beta-sitosterol），MOL000422山柰酚（Kaempferol）。

在化合物作用的疾病靶点方面，节点形状越大表示该靶点的Degree值越高。

177个靶点的平均Degree值为38，网络图中深蓝色的节点共40个，为Degree38的靶点。

见表2。

2.3QFPDT主要作用靶点-相关疾病网络模型的构建将上述获得的40个重要靶点分别引入TCMSP数据库，获取各靶点对应的相关疾病。

利用Cytoscape3.7.2软件构建QFPDT主要作用靶点-相关疾病网络图。

该网络包括187个节点（40个作用靶点和147个疾病）和228条边。

橘黄色节点表示QFPDT的主要作用靶点，蓝色节点表示相关疾病。

节点形状越大，表示该节点的Degree值越高，即相关疾病越多。

其中Degree值最大的靶点为PTGS2（Degree=32），与炎症、炎症性疾病、肺癌、发热等疾病密切相关，其次是PPARG（Degree=21），与哮喘、炎症、慢性炎症性疾病等密切相关，MAPK14（Degree=13）与成人呼吸窘迫综合征、炎症相关，CDK2（Degree=13）与病毒感染有关，以上Degree值较高的靶点相关疾病的症状，均与新冠肺炎相关症状如发热、咳嗽、呼吸困难相符，表明QFPDT作用的主要靶点可能在新冠肺炎治疗中发挥重要作用，为进一步机制探索提供依据。

见图2。

2.4GO生物过程及KEGG通路富集分析将已获得的40个QFPDT主要作用靶点导入Cytoscape3.7.2软件的ClueGO插件中进行GO生物过程及KEGG通路富集分析，设置P0.05，得到QFPDT相关的GO生物过程及KEGG通路结果。

2.4.1生物过程聚类分析结果通过GO生物过程分析，获得18个QFPDT相关生物过程，聚类至此生物功能的映射靶点越多，面积越大，得出QFPDT可能主要是参与影响氧化还原酶活性、类固醇激素受体活性、对感冒的反应调节、端粒酶活性的调节等体内生物过程。

见图3。

2.4.2KEGG聚类分析结果为进一步探究QFPDT的具体相关机制，开展KEGG通路探索，共获得19个信号通路，其中可能与COVID-19相关的通路包括IL-17信号通路、雌激素信号通路、血小板活化通路和小细胞肺癌通路等。

见图4。

初步探索QFPDT治疗COVID-19的物质基础及作用机制。

在网络中，一个节点的度（Degree）表示网絡中和节点相连路线的条数。

1材料与方法1.1获取QFPDT候选靶点利用中药系统药理学数据库与分析平台（TCMSP），搜索并获取QFPDT的药物（除石膏外）化学成分，根据口服生物利用度（OB）30%和类药性（DL）0.18进一步筛选QFPDT的有效化合物。

2.2QFPDT药物候选靶点筛选将上述获得的310个QFPDT活性成分引入TCMSP数据库及GeneCards数据库，获得278个活性成分对应182个疾病靶点（其中有32个活性成分的疾病靶点未被TCMSP数据库及GeneCards數据库收录）。

2.4GO生物过程及KEGG通路富集分析将已获得的40个QFPDT主要作用靶点导入Cytoscape3.7.2软件的ClueGO插件中进行GO生物过程及KEGG通路富集分析，设置P0.05，得到QFPDT相关的GO生物过程及