基于UPLC/Q-TOF/MS和網絡藥理學研究甘草渣活性部位治療潰瘍性結腸炎的潛在機制

張 娟，徐曉琴，王鈞篪，孫 宇，斯建勇*，卿德剛*(.中國醫學科學院 北京協和醫學院 藥用植物研究所，北京 0093；.新疆維吾爾自治區中藥民族藥研究所，烏魯木齊 83000)

潰瘍性結腸炎(ulcerative colitis，UC)是一種以潰瘍形成和慢性炎癥為主要病理特點的消化道疾病，病變多累及直腸和乙狀結腸，也可遍及整個結腸。UC的發作期與緩解期反復交替，病程冗長，難治愈，復發率高，并且超過20%的患者會在30年內發展為致死率高達50%的炎癥性結腸癌(colitis-associated cancer，CAC)[1]。目前，尚無有效治療UC的手段，更無有效預防UC炎-癌轉化的手段，開發高效、低毒的治療UC和預防UC向癌癥發展的活性成分仍然是十分必要的。

前期的研究證實，來源于甘草渣的活性部位(GC)可以通過干預在UC發生、發展中起中心調控作用的NF-кB通路發揮抗炎作用，通過干預Nrf2通路發揮抗氧化作用，從而對UC起到治療作用[2-3]，并且其對CAC也有緩解作用[4]，具有較大開發價值。GC雖然是經過富集的活性部位，但是其化學成分仍然復雜，其藥效物質基礎和作用機制都不清楚。因此，本研究在應用UPLC/Q-TOF/MS系統分析GC化學成分的基礎上，進一步采用網絡藥理學方法，對GC治療UC的藥效物質基礎和可能的作用機制進行了分析，建立潛在活性成分-靶點-通路的關系，探究GC治療UC的多成分、多靶點和多途徑作用機制，為后續研究提供思路。

1 儀器與試藥

1.1儀器 Nexera UHPLC LC-30A超高效液相色譜儀(日本SHIMAZU公司)；Triple TOF 5600高分辨質譜儀(美國AB Sciex公司)；Heraeus Fresco 17離心機(美國Thermo Fisher公司)；BSA124S-CW電子天平(德國Sartorius公司)；YM-080S超聲儀(深圳市方奧微電子有限公司)；ACQUITY UPLC BEH C18(2.1 mm×100 mm，1.7 μm)色譜柱。

1.2試藥 GC樣品為自制；甲醇、乙腈、甲酸均為LC-MS級，均購自德國CNW公司。

2 方法

2.1數據來源

2.1.1GC化學成分鑒定 精密稱定0.1 g GC樣品，以體積分數為80%的甲醇3 mL超聲溶解。色譜柱為UPLC BEH C18，流動相為1 mL·L-1甲酸水溶液(A)-乙腈(B)，梯度洗脫，進樣量5 μL，洗脫條件見表1。質譜儀：轟擊能量40 eV，碰撞能差20 V。ESI離子源：霧化氣壓55 psi，輔助氣壓55 psi，氣簾氣壓35 psi，550 ℃，噴霧電壓5 500 V(正離子模式)或-4 000 V(負離子模式)。

表1 梯度洗脫條件Tab.1 Gradient elution conditions

2.1.2GC潛在靶點的收集與預測 通過DrugBank、CTD、STITCH和SwissTarget數據庫收集并預測GC各化學成分的靶點，進而依據靶點得分進行篩選，STITCH和SwissTar get靶點最低得分閾值分別設為0.40和0.60。

2.1.3UC相關靶點的收集 以“Ulcerative colitis”為檢索詞在PharmGKB、NCBI-gene、TTD、CTD和DisGeNET數據庫檢索，收集UC相關靶點。

2.2網絡構建與分析

2.2.1化學成分-靶點網絡的構建 將2.1.2項下化學成分和靶點數據輸入Cytoscape 3.6.1軟件實現GC化學成分-靶點網絡的可視化，再將UC相關靶點映射至該網絡，取交集，構建GC治療UC的化學成分-靶點網絡。以口服利用度(oral bioavailability，OB)≥30%且類藥性(drug likeness，DL)≥0.18進行二次篩選，獲得GC治療UC的潛在活性成分。

2.2.2GC治療UC的蛋白質-蛋白質相互作用核心網絡的構建 將二次篩選得到的UC相關靶點上傳至String數據庫構建蛋白質-蛋白質相互作用網絡，相互作用得分閾值設為0.4。利用Cytoscape 3.6.1軟件實現相互作用網絡的可視化，并利用MCODE聚類分析發現GC治療UC的蛋白質-蛋白質相互作用核心網絡。

2.2.3GC治療UC關鍵靶點的識別 采用MCC(maximal clique centrality)、Degree(degree method)和EPC(edge percolated component)3種方法分別識別GC治療UC蛋白質-蛋白質相互作用核心網絡中排名前10的關鍵靶點，取三者交集作為GC治療UC的關鍵靶點。

2.2.4KEGG通路和GO生物學過程富集分析 通過CTD數據庫進行GO(gene ontology)生物學過程富集分析和KEGG(KEGG pathway analysis)信號通路注釋分析，校正P值均設為0.05。

3 結果

3.1GC化學成分及其潛在作用靶點 采用UPLC/Q-TOF/MS從GC中鑒定出化學成分109種，主要包括黃酮類、萜類、香豆素和甾醇等，離子流圖見圖1。通過DrugBank、CTD、STITCH和SwissTarget 數據庫收集并預測109種化學成分的潛在作用靶點，共獲得靶點430個。

圖1 UPLC/Q-TOF/MS離子流圖注： A.正離子；B.負離子。Fig.1 Total ion current diagramNotes:A.positive ion；B.negtive ion.

3.2GC化學成分靶點與UC相關靶點的重合度 通過PharmGKB、NCBI-gene、TTD、CTD和DisGeNET 數據庫，收集到UC相關靶點612個。對GC化學成分靶點與UC相關靶點進行一致性分析，發現GC中與UC相關的靶點有79個，占全部UC相關靶點的12.91%(79/612)。

3.3化學成分-靶點網絡 基于上述79個UC相關靶點構建的GC治療UC化學成分-靶點網絡由110個節點和199條邊構成，涉及化學成分31種，見圖2。圖中菱形和圓形節點分別表示GC化學成分和UC相關靶點，連線表示2個節點之間存在調控關系，多數成分都與多個靶點連接。以OB值≥30%且DL值≥0.18進行二次篩選，顯示naringenin、isoliquiritigenin、betulinic acid、licochalcone A、β-sitosterol、formononetin、8-prenylnaringenin、licoflavone B、licoflavone C、calycosin、glabranin、licopyranocoumarin和liquiritigenin可能參與對UC的調控，構成GC治療UC的有效成分群。見表2。這13種潛在活性成分涉及AKT1、CASP9、BCL2、CASP3、ESR1、CYP1A1和CCND1等50個UC相關靶點，GC可能通過作用于這些靶點實現對UC的調控。

表2 GC治療UC的潛在活性成分Tab.2 Potential active compounds in GC with UC ameliorative activity

圖2 GC治療UC的化學成分-靶點網絡Fig.2 Compound-target network in the treatment of UC by GC

3.4GC治療UC蛋白質-蛋白質相互作用核心網絡 將GC調控UC的相關靶點映射至String數據庫，構建的GC治療UC蛋白質-蛋白質相互作用網絡涉及節點49個，邊591條。之后，利用MCODE cluster聚類分析，識別出GC治療UC的核心網絡1個，該網絡由30個靶點組成，涉及邊376條，見圖3。圖中圓形節點表示GC參與調控UC的相關靶點，節點大小與其在網絡中的連通度呈正相關，節點越大連通度越大，一定程度上表示其在網絡中的重要性。連線表示2個節點之間存在相互作用。

圖3 GC治療UC的蛋白質-蛋白質相互作用核心網絡Fig.3 Key protein-protein interaction network in the treatment of UC by GC

3.5GC治療UC的關鍵靶點 基于MCC、Degree和EPC 3種方法，識別出GC治療UC的關鍵靶點8個，包括絲氨酸/蘇氨酸蛋白激酶1(serine/threonine protein kinase B1，PKB1/AKT1)、白介素6(interleukin 6，IL6)、腫瘤壞死因子(tumor necrosis factor，TNF)、腫瘤蛋白p53(tumor protein 53，TP53)、半胱天冬酶3(caspase 3，CASP3)、信號轉導與轉錄激活因子3(signal transducer and activator of transcription 3，STAT3)、白介素8(interleukin 8，CXCL8)和前列腺素G/H合酶2(prostaglandin G/H synthase 2，PTGS2)，見圖4。這些靶點可能在GC治療UC的過程中發揮重要作用。

圖4 GC治療UC關鍵靶點的識別注：A.韋恩圖分析-MCC、Degree和 EPC；B.基于MCC的GC治療UC的關鍵靶點；C.基于Degree的GC治療UC的關鍵靶點；D.基于EPC的GC治療UC的關鍵靶點。Fig.4 Key targets in the treatment of UC by GCNotes:A.Venn diagram analysis-MCC，Degree，and EPC algorithms;B.key targets identified by MCC algorithm;C.key targets identified by Degree algorithm;D.key targets identified by EPC algorithm.

3.6GC治療UC的潛在信號通路 基于3.4項下識別的GC治療UC的核心網絡進行KEGG通路富集分析發現，GC參與調控UC的相關通路共有24條，包括cancer、TNF、malaria、IL17、IBD、cytokine-cytokine receptor interaction、apoptosis、Jak-STAT、colorectal cancer、MAPK、NF-κB和HIF-1信號通路等，GC可能通過調控這些信號通路達到治療UC的目的。見表3。

表3 GC治療UC的潛在通路Tab.3 Potential pathways involved in the treatment of UC by GC

以Degree≥2 的前 9 位潛在活性成分構建藥物-潛在活性成分-靶點-信號通路網絡，從整體角度分析GC治療UC的生物學過程。整體網絡由61個節點和251條邊構成，化學成分、靶點和信號通路的平均連通度分別為6.56、2.19和7.63，見圖5。圖中六角形、菱形、圓形和倒三角形節點分別表示中藥、中藥化學成分、化學成分靶點和KEGG信號通路。由圖5可見，GC可能通過naringenin、isoliquiritigenin、betulinic acid和licochalcone A等9種成分作用于AKT1、IL6、TNF等27個UC相關靶點，實現對cancer、TNF、malaria等24條信號通路的調控，從而發揮對UC的治療作用。

圖5 GC治療UC的藥物-潛在活性成分-靶點-信號通路網絡Fig.5 Drug-compound-target-pathway association network in the treatment of UC by GC

3.7GO生物過程富集分析 基于3.4項下識別的GC治療UC的核心網絡進行GO生物過程富集分析，共得到1 105個GO生物過程，依據P值升序排列，結果可見對含氧化合物的反應、細胞對化學刺激的反應、細胞因子介導的通路、炎癥反應、對外部刺激的反應、細胞死亡調節和高分子代謝過程的正向調節等生物過程共20個GO生物過程位居前列。

4 結論

GC不僅對UC有治療作用，而且有預防UC向癌癥轉化的潛在價值。但是，GC活性成分不清、作用機制不明限制了其后續開發。因此，本研究基于多成分、多靶點思路，在系統分析GC化學成分的基礎上，采用網絡藥理學方法構建了GC治療UC的藥物-潛在活性成分-UC靶點網絡，為后續研究提供線索。網絡分析篩選出的13種潛在活性成分中有9種屬于黃酮類，包括naringenin、isoliquiritigenin、licochalcone A、formononetin、8-prenylnaringenin、licoflavone B等，說明黃酮類在GC治療UC中發揮重要作用。基于String數據庫識別出的GC治療UC的蛋白質-蛋白質相互作用核心網絡由30個靶點組成，通過MCC、Degree和EPC 分析發現，AKT1、IL6、TNF、TP53、CASP3、STAT3、CXCL8和PTGS2共8個關鍵靶點可能在GC治療UC的過程中發揮重要作用。

UC的發生、發展存在2個持續而重疊的過程，即炎癥反應和腸道屏障損傷。IL6、TNF是UC 腸道炎癥中最典型的細胞因子[5-6]。IL6通過其受體傳遞信號，激活JAK，進而磷酸化STAT3，促進UC炎癥反應。TNF通過活化NF-κB和MAPK通路，促進炎癥反應，破壞細胞間緊密連接，增加組織通透性，從而推動UC的發生、發展。KEGG通路富集分析的結果顯示，IL6、TNF與TNF、malaria、IL17、IBD等信號通路有關。TNF信號通路：TNF→TNFR1→NF-κB、MAPK→IL6、IL1β；IL17信號通路：CD4+ T細胞等→IL17A、IL17C、IL17F→NF-κB、MAPK→IL6、IL1β、TNF；IBD信號通路：細菌、抗原等→NF-κB→JAK-STAT→IL10。可見GC對IL6、IL1β和TNF等細胞因子的調控可以通過NF-κB和MAPK網絡實現。NF-κB信號通路在免疫細胞、上皮細胞炎癥反應中起關鍵調控作用，能增加IL6、IL1β等細胞因子的釋放量，加速炎癥反應，從而促進UC發展。MAPK信號通路是調節正常細胞增殖、存活和分化的重要通路，ERK、JNK和p38激活，不僅可以促進炎性細胞因子的釋放，而且會引起腸黏膜屏障的損傷。

AKT1既是炎性蛋白又是與結腸癌相關的致癌基因[7]，是UC治療藥物間接作用的重要靶點[8]。網絡分析結果顯示，AKT1在GC治療UC的關鍵靶點中處于核心地位。KEGG通路富集分析結果顯示，AKT1參與的cancer信號通路是基因富集量最大的一條通路。AKT1還參與JAK-STAT、MAPK和PI3K-AKT信號通路，這些通路都與UC及相關腫瘤的發生密切相關。JAK-STAT在UC結腸黏膜病變中發揮重要作用，研究證實以 JAK 抑制劑阻斷 JAK-STAT3通路對 UC 有治療效果[9-11]。MAPK信號通路激活是導致UC中促炎細胞因子和炎癥介質釋放的主要因素之一，p38、ERK激活可調控下游NF-κB轉錄，影響IL6、TNF等的分泌[12-14]。PI3K/AKT信號通路同樣可以激活NF-κB，促進IL6、TNF等的釋放，加速炎癥反應，從而推動UC的發展[15-16]，是治療UC的重要靶點。

綜上所述，GC可能通過調控不同靶點作用于不同的信號通路，影響炎癥進程和保護腸道屏障，進而緩解 UC：①影響 IL6和TNF等細胞因子分泌，調節UC發生、發展中的免疫異常，穩定腸道內環境；②影響NF-κB、MAPK、JAK-STAT和PI3K-AKT網絡調節TNF、IL17和IBD等信號通路，抑制IL6、IL1β和TNF等細胞因子釋放，發揮抗炎作用；③調控MAPK和JAK/STAT 等網絡發揮維護腸黏膜穩態與損傷修復的作用，從而改善UC。

值得注意的是，TP53也是GC治療UC的關鍵靶點之一。TP53突變在UC患者結腸炎癥組織中很常見，研究發現，TP53第72位密碼子Arg/Arg基因型可能通過誘導細胞凋亡促進UC發展，且該基因型的突變還會增加CAC的發生率[17]。Fujita M等報道，由UC發展而來的CAC患者中TP53的突變率高達78%[18]。因此，對TP53的有效干預不僅有助于治療UC，而且有利于預防CAC的發生。前期的研究證實，GC對CAC有預防作用，但到底是哪些成分在發揮作用，活性成分是否通過TP53發揮作用還不清楚。篩選GC中的活性成分，進而探討活性成分治療UC及預防炎-癌轉化的作用機制仍需要進一步研究。