胃復春片治療胃癌前病變作用機制的網絡藥理學研究*

朱秀芳，邱碩程，楊 蘭，何竹涵，王建欣，，李 超△，楊繼章

（1.河北醫科大學第一醫院，河北 石家莊 050031； 2.河北醫科大學藥學院，河北 石家莊 050017； 3.清華大學附屬北京清華長庚醫院，北京 102218）

胃癌的發病率在所有癌癥中位列第5，2020年全球死亡人數約76 萬，居癌癥總死亡人數的第4 位［1］，遠高于全球癌癥死亡平均水平。胃癌的病理發展可經慢性非萎縮性胃炎、慢性萎縮性胃炎、腸上皮化生和異型增生的胃癌前病變多個階段［2］。目前認為，針對其病因的一級預防難度較大。而胃癌前病變具有一定的可逆性［3］，以其治療作為胃癌二級預防的一部分，在胃癌的治療中具有重要的現實意義。胃癌前病變屬中醫“胃脘痛”“胃痞”范疇，其病位在胃，其本在脾。脾虛基礎上邪氣乘襲，致氣滯中焦、痰阻胃絡是引起胃癌前病變的重要因素。健脾扶正兼顧理氣、驅邪護正是其治療原則。胃復春片由紅參、香茶菜、麩炒枳殼組方，有健脾益氣、活血解毒、祛邪功效，能有效抑制或逆轉脾虛邪滯所致胃癌前病變的病理進展和“胃脘痛”“胃痞”的表證。但受限于中藥成分復雜，其藥理機制尚未完全闡明。為此，本研究中采用網絡藥理學和分子對接技術預測胃復春片治療胃癌前病變的活性靶點、信號通路及分子基礎，探討其治療胃癌前病變的作用機制，為其臨床使用和深入開發提供理論支持［2］。現報道如下。

1 資料與方法

1.1 活性成分收集和靶點預測

活性成分收集：利用中藥系統藥理學數據庫與分析平臺（TCMSP，2.3 版）收集胃復春片的活性成分［ADME/T篩選參數設定為口服利用度（OB）≥30%，類藥性（DL）≥0.18］，并參考2015 年至2021 年香茶菜相關文獻［4?9］進行活性成分補充。

靶點預測：利用TCMSP 預測胃復春片活性成分靶點，并采用Swiss Target Prediction 數據庫（http：// www.swisstargetprediction.ch/）預測文獻報道的活性成分潛在靶點，納入Possibility ＞0.1 的靶點進行補充。通過Uniprot 數據庫（https：//www.uniprot.org/；更新于2020年12月15日）將蛋白靶點轉換為基因靶點。

1.2 胃癌前病變疾病靶點收集

以“precancerous lesions of gastric cancer”“dysplasia of gastric mucosa”“intestinal metaplasia”為關鍵詞，利用Genecards（https：// www.genecards.org，5.8 版，更新于2022 年1 月28 日），OMIM（https：// omim.org/ ，更新于2021 年12 月），DisGeNET（https：//www.disgenet.org/，更新于2021 年5 月4 日），Drugbank（https：// go.drugbank.com/ ，5.1.8 版，更新于2021 年1 月3 日）數據庫進行檢索，收集胃癌前病變相關靶點，并整合去除重復基因。

1.3 活性成分-靶點-疾病網絡建立

利用Cytoscape 3.7.1 軟件構建中藥?成分?靶點網絡。將活性成分靶點與疾病靶點導入Venny（https：//bioinfogp.cnb.csic.es/tools/venny/index.html，2.1 版）平臺制作交集靶點韋恩圖，并將交集靶點導入Cytoscape 構建成分?靶點?疾病網絡。上述網絡節點大小均以節點度（Degree）加權。

1.4 蛋白-蛋白相互作用（PPI）網絡構建

將交集靶點導入Cytoscape，利用插件Bisogenet 3.0.0 進行分析和可視化，借助network analyzer 工具計算網絡的拓撲參數，以節點度≥2倍中位數為條件篩選主要靶點一級PPI網絡。以節點度≥54篩選主要靶點互作（二級PPI）網絡，利用cytpNCA 工具對主要PPI 網絡再次進行拓撲學分析，計算網絡的介度（Betweenness）、緊密度（Closeness）、LAC、鄰域連通性參數（Neighborhood Connectivity），以主要參數介度、緊密度、節點度同時位于前10%（即介度≥3 643.482、緊密度≥0.517 169、節點度≥223.6）篩選，得三級PPI 網絡，最后以次要參數LAC、鄰域連通性同時不低于其中位數（即LAC ≥32.63、鄰域連通性≥50）篩選，得到核心靶點PPI網絡。最后以節點度對節點的大小和顏色進行加權處理，對核心PPI網絡進行優化，節點越大，顏色越偏向暖色，則說明其參與蛋白相互作用的環節越多。

1.5 富集分析

將得到的核心靶點導入Metascape（http：//metascape.org/ gp/ index.html#/ main/ step1，更新于2021 年12 月18 日）進行基因本體論（GO）和京都基因與基因組百科全書（KEGG）通路富集分析。其中GO 分析包括細胞組分（CC）、生物過程（BP）、分子功能（MF），參數設置，P＜0.01、最小計數（Min Overlap）為5、最小富集（Min Enrichment）＞1.5。以Kappa 評分作為層次聚類的相似性指標，將相似性＞0.3的子樹條目視為一個簇，以簇內統計學意義最大的項來代表該簇。

1.6 分子對接

將核心靶點與中藥小分子配體相匹配，從PubChem數據庫中下載核心靶點所對應的分子配體2D 結構，導入Chem 3D（20.0.0.41版）軟件，利用其構建配體的3D結構并進行最小結合能優化，保存為mol2 文件。利用PDB 數據庫（http：// www.rcsb.org/）下載核心靶點蛋白受體的3D 結構，通過PyMOL 2.5.2 軟件對靶點蛋白3D 結構進行去水、去配體處理。將處理后的受體導入AutoDock Tools 1.5.7軟件，進行加氫處理，保存為pdbqt文件。于AutoDock Tools中設置配體受體結合的Grid Box參數，以AutoDock Vina 1.1.2 軟件進行分子對接，通過PyMOL軟件將結果可視化并標注配體受體的結合關系。

2 結果

2.1 成分分析及成分-靶點網絡

共收集活性成分50 個，其中紅參18 個，香茶菜26 個，枳殼6個。匯總得活性成分潛在靶點512個，見表1。中藥?成分?靶點網絡見圖1，共包含550 個節點、1 859條線。

圖1 中藥-成分-靶點網絡Fig.1 Traditional Chinese medicine-components-target networks

表1 胃復春片活性成分及其靶點Tab.1 Active components and targets of Weifuchun Tablets

2.2 靶點收集及活性成分-靶點-疾病互作網絡

共獲得胃癌前病變活性靶點2 093 個。韋恩圖發現208 個共有靶點（見圖2）。成分?靶點?疾病網絡圖有246個節點和347條線（見圖3）。節點度較大的5個活性成分分別為XCC1，XCC13，ZK2，ZK3，A，面積越大的成分參與的生物功能越多，在胃癌前病變的治療中發揮的作用越大。

圖2 活性成分-疾病靶點韋恩圖Fig.2 Wayne diagram of active components-disease targets

圖3 成分-靶點-疾病網絡圖Fig.3 Network of components-targets-disease

2.3 胃復春片治療胃癌前病變PPI 網絡

依次可得含7 180 個節點、172 088 條線的一級PPI網絡，含1 858 個節點、79 667 條線的二級PPI 網絡，含133 個節點、3 162 條線的三級PPI 網絡，含66 個節點、1 109 條線的核心靶點PPI 網絡。篩選流程見圖4，節點度加權優化后核心靶點PPI 網絡見圖5。其中NPM1，

圖4 核心PPI網絡篩選流程Fig.4 Flow chart of screening PPI network of key targets

圖5 核心靶點PPI網絡Fig.5 PPI network of key targets

HSPA5，HNRNPK，YWHAZ，MCM2，HNRNPA1，PABPC1，ILF3，EEF1A1在PPI中發揮的作用較大。

2.4 GO 功能富集分析和KEGG 通路富集分析

GO 功能富集分析中，BP 涉及499 個條目、36 個簇，參與包括基因沉默的調控、mRNA 代謝過程的調節、細胞對DNA 損傷刺激的反應、生物節律過程、病毒過程、mRNA 代謝過程的負調控、內在凋亡信號通路等過程（圖6 A）；CC 涉及57個條目、16個簇，涵蓋核染色體、核糖核蛋白復合體、轉移酶復合物、富ficolin ?1顆粒腔等（圖6 B）；MF 涉及87 個條目、21 個簇，包括與細胞黏附分子、與泛素蛋白連接酶、與蛋白質結構域（特異性）、與轉錄因子、與組蛋白脫乙?；?、與蛋白激酶等的結合（圖6 C）。KEGG 通路富集分析中，94 條通路、11 個簇富集有潛在靶點，涉及乙醇成癮（Alcoholism）、細胞周期（Cell cycle）、前列腺癌（Prostate cancer）、剪接體（Spliceosome）、PI3K ?Akt 信號通路（PI3K ?Akt signaling pathway）、泛素介導的蛋白水解（Ubiquitin mediated proteolysis）等通路（圖6 D）。這些通路與多種癌癥和細胞異常增殖與表達有關。

2.5 分子對接

最終選取ESR1，HSP90AA1，PARP1，VCP，EGFR，TP53，PABPC1，CDK2 這8 個核心靶點作為蛋白受體和其對應的14個小分子作為配體，并對其進行分子對接。配體與受體間氫鍵以黃色虛線表示，并標注連接處的蛋白殘基名稱。配體受體間結合活性最好的前11 對相互作用結果見表2，對接結果見圖7。

圖7 分子對接結果Fig.7 Results of molecular docking

表2 分子對接配體受體相互作用Tab.2 Interaction of molecular docking ligand receptor

3 討論

胃癌的發生是一個連續惡化的病理過程，目前最經濟有效的方式是在胃癌前病變階段進行治療并逆轉疾病發展［10］。而西醫對此多以對癥治療和抗幽門螺桿菌治療為主，并無特異性化學藥物治療方案。中醫治療理念多注重整體觀念及辨證論治，以中醫理論為依據采用中醫藥對胃癌前病變進行干預獲得臨床廣泛認可［11?12］。胃復春片為治療胃癌前病變常見中成藥，雖其療效已獲證實［13］，但受限于復雜的化學成分體系，傳統的藥理學方法很難找到其作用的靶點和通路［14］，臨床應用缺乏理論支持。網絡藥理學以系統生物學為基礎，能建立起活性成分、靶點分子、生物功能間的復雜網絡，從而預測可能的藥理作用機制［14］。分子對接技術借助大數據分析，通過高性能計算準確地模擬小分子配體與蛋白受體間的互作關系，在藥物設計領域應用廣泛［15］。本研究中借助網絡藥理學聯合分子對接的方法，建立成分?靶點?疾病網絡，探究胃復春片治療胃癌前病變的靶點通路關系，并通過分子對接技術，進一步在分子?蛋白互作層面模擬其結合活性。

本研究中經數據庫篩選和靶點預測，最終得到活性成分50 個，與胃癌前病變相關靶點208 個，交集靶點主要為胃復春片中的3，4 ?secoisopimara ?4（18），7，15 ?triene ?3 ?oic acid、chrysosplenol D、hesperetin、naringenin 和β?sitosterol。經PPI網絡分析，其藥理作用與NPM1，HSPA5，HNRNPK，YWHAZ，MCM2，HNRNPA1，PABPC1，ILF3，EEF1A1等核心靶點有關。經GO 功能和KEGG通路富集分析，胃復春片治療胃癌前病變時與核染色體、核糖核蛋白復合體、轉移酶復合物等作用，經基因沉默的調控、mRNA 代謝過程的調節、DNA損傷刺激的調節等過程與細胞黏附分子、泛素蛋白連接酶、蛋白質結構域等結合，通過乙醇成癮、細胞周期、前列腺癌、PI3K ?Akt 信號通路等通路發揮療效。此外分子對接結果顯示，其小分子活性成分能與HIS及GLY等多個核心靶點蛋白殘基單位結合，有較好的結合活性，進一步證實胃復春片在分子?蛋白相互作用層面的藥理作用機制。

PI3K 在包括胃癌、前列腺癌在內的多種惡性腫瘤中起重要的信號轉導作用。PI3K/ AKT 信號通路的激活，可促進癌癥細胞增殖、生長和遷移等環節，與胃黏膜上皮細胞異型增生有密不可分的關系［16］。WANG等［2］曾通過網絡藥理學聯合體外實驗驗證的方法，證明抑制HRAS ?PI3K ?AKT 通路能抑制下游MDM2 及p21等蛋白的表達，從而抑制異常表達的細胞停留在G2/M期。此外，通過抑制剪接體通路、破壞剪接體活性，可抑制Wnt 相關通路的蛋白表達。而現有研究表明，包括Wnt/β ?catenin 在內的Wnt 相關通路在胃癌中呈高表達［17?18］。雖目前尚未有以抑制乙醇作用通路來探究其對胃癌前病變或胃癌的抑制作用，但近年來，乙醇在胃食管癌中的研究結果表明，乙醇成癮通路的激活或成為胃癌前病變發展中的一個重要環節［19］。

目前，胃復春片治療胃癌前病變的藥理學研究多以改善胃黏膜微生態入手［20］。本研究中利用網絡藥理學方法預測了胃復春片在胃癌前病變治療中的潛在靶點和作用通路，并首次結合分子對接技術，模擬了活性成分與靶點蛋白的結合活性，為探究中藥胃復春片在胃癌前病變治療中的藥理機制提供了可靠參考。由于網絡藥理學方法是基于系統生物學大數據分析來預測其可能的藥理機制，不同的算法和模型均有可能對其準確性產生影響，故本研究存在一定的局限性，后續仍需進一步進行動物實驗加以驗證。

綜上所述，經本研究結果可預測，胃復春片在胃癌前病變治療中，以chrysosplenol D，hesperetin 等多種活性成分，作用 于NPM1，HSPA5，HNRNPK，YWHAZ，MCM2，HNRNPA1，PABPC1，ILF3，EEF1A1 等核心靶點，通過PI3K ?Akt 信號通路、乙醇成癮、細胞周期、前列腺癌、剪接體等通路，實現其調控細胞異常增殖、生長、凋亡的功能，從而發揮治療胃癌前病變的作用。

A.GO ?BP B.GO ?CC C.GO ?MF D.KEGG信號通路圖6 富集分析結果A.GO ?BP B.GO ?CC C.GO ?MF D.KEGG signaling pathwayFig.6 Results of enrichment analysis