網絡毒理學在中藥領域的研究進展與應用

摘要：中藥作為我國傳統醫學的重要組成部分，具有悠久的歷史和廣泛的應用。隨著人們對中藥療效和安全性的關注不斷增加，為實現中藥的毒理風險可評估性，提高中藥的安全性，劉昌孝院士等于2007年提出網絡毒理學（network toxicology）的概念，是通過網絡數據分析提高中藥毒性預測效率的重要方法，網絡毒理學作為一種有效的研究手段開始在中藥領域得到廣泛應用。本文介紹了網絡毒理學的概念及研究方法，綜述了近年間網絡毒理學在預測中藥潛在毒性成分上的應用，探討了網絡毒理學的現存問題及挑戰，旨在為網絡毒理學的進一步深入研究提供參考。

關鍵詞：網絡毒理學；中藥；毒性成分研究；安全性評價

中圖分類號：R99 文獻標志碼：A

Research progress and application of network toxicology in traditional Chinese medicine

Yang Min1， Wang Yukai1， Wang Junyi 1，" Xu Yuling1，" and Chen Yan2

（1 School of Pharmacy， Chengdu University， Chengdu 610106; 2 Taiji Group Sichuan Taiji Pharmaceutical Co.， LTD.， Chengdu 610106）

Abstract As an important part of Chinese traditional medicine， traditional Chinese medicine has a long history and wide application. As people paid more attention to the curative effect and safety of Chinese medicine， to realize the toxicology of risk assessment and improve the safety of traditional Chinese medicine， Liu Changxiao academician et al.’s in 2007 proposed network toxicology （network toxicology） method， which was an important method for utilizing network data analysis and improving the efficiency of traditional Chinese medicine toxicity prediction. Network toxicology as an effective research method began to be widely used in the field of traditional Chinese medicine. This paper introduced the concept and research methods of network toxicology， listed the application of network toxicology in predicting the potential toxic components of Chinese medicine in recent years， discussed the existing problems and challenges of network toxicology， and aimed to provide a reference for the application of network toxicology in the prediction of TCM-related components.

Key words Network toxicology; Chinese medicine; Toxic components; Safety evaluation

隨著近年來中藥現代化發展步伐的加快，中藥相關行業在計算機應用方面從最初只是初級地應用數據庫和計算機技術進行藥材管理和中藥方劑數據管理到現在利用計算機虛擬技術進行中藥的相關研究，在一定層面上縮短了相關研究時間和節約了相關研究成本。中藥毒性的研究關乎著我國中醫藥事業的發展，也是我國中醫藥走向現代化發展所需要的重要條件。傳統毒理學側重于研究外源性化學物的對生物機體的損害作用，無法關注化學、物理和生物因素對機體的損害作用，以及它們之間的生物學機制和危險度評估、風險度管理及安全性評價的過程。網絡毒理學沒有傳統毒性測試機制成本高、時間長等問題，以數據庫為預測基礎，通過計算機技術進行成分-靶點-通路數據分析，建立肝、腎等毒性預測模型，提高了藥物毒副作用的研究效率[1-2]。自網絡毒理學提出以來，眾多學者廣泛應用網絡毒理學技術進行中藥相關研究，據統計以網絡毒理學為關鍵詞，在知網數據庫查得2023年相關研究文獻超過100篇。本文綜述近年來網絡毒理學的相關研究，研究探討了網絡毒理學現存問題及當下面對的挑戰，旨在為中藥相關毒性成分預測中應用網絡毒理學提供參考。

1 網絡毒理學

1.1 網絡毒理學概述

網絡毒理學是一種在網絡藥理學的方法上進行改進，讓其僅保留預測中藥毒性成分的方法，具有整體性、系統性[3]，傳統毒理學是運用大量動物的體內體外實驗結果，解釋藥物毒理結果，其實驗周期長、費用昂貴，對探究中藥的毒理機制十分不便利。網絡毒理學具有提高藥物的治療效果、提高臨床試驗成功率、減少藥物發現的成本的特點，與中醫藥體系的基本特點相符合[1]，能夠從多角度闡明毒性成分發揮作用的潛在機制，并通過構建基因-通路-反應機制-毒性成分的網絡，準確尋找出中藥中的毒性物質，預測出所篩選出的毒性化合物的毒性作用，為解釋毒性成分的毒理機制提供相關理論依據[4-5]。

1.2 采用數據庫及軟件

1.3 網絡毒理學研究方法

運用網絡毒理學進行中藥毒性成分的研究流程為：先應用HERB、Swiss Target、Prediction等數據庫對中藥進行相關活性成分的篩選[7]；再運用數據庫，得到中藥的相關靶標，之后運用GeneCards、CTD等數據庫得到毒理的相關靶點，并采用相關數據庫規范收集的靶點；隨后采用STRING數據庫構建PPI網絡，并分析數據；最后利用Cytoscape軟件構建成分-靶標-通路網絡并利用網絡拓撲分析數據分析毒理作用機制[8]。后續可將建立的模型數據進行分子對接，對模型進行驗證，也可設計相關動物實驗或細胞實驗，在細胞層面探討中藥中的潛在毒性成分的誘導機制和作用機制[9]。

網絡毒理學是基于網絡藥理學技術提出的可預測中藥毒性成分的一項技術，其預測中藥毒性成分的過程與系統生物學、生物化學和基因組學等息息相關，運用網絡毒理學進行毒性成分的篩選，可縮短研究時間，減少眾多人力物力的損耗，可促進中成藥新藥的研發、增強中藥的安全性[10]。

運用網絡毒理學進行中藥毒性成分預測的研究目的一般為：①用于預測單味中藥或多味中藥配伍組成的中成藥制劑的潛在毒性成分和作用機制；②利用科學理論解釋中藥配伍禁忌理論的，中藥配伍講求十八反及十九畏的機制[11]，在同時使用兩種或者兩種以上的中藥時，中藥與中藥之間會產生相互作用；③利用可視化數據解釋中藥與西藥之間的相互作用；④探索發現新的相關中藥的活性化合物與并進一步探索其對應治療的適應癥；⑤通過系統的網絡分析并結合網絡分析數據解釋和分析聯合用藥產生毒副作用的原因。

2 網絡毒理學的應用

2.1 預測中藥潛在毒性成分

中藥一向被人們冠以使用安全、擁有多層次的調節作用、適用范圍廣等特點，在學術界和產業界獲得了越來越多的重視，但是由于近年來國內外中藥安全事件頻發，例如“中藥注射劑導致過敏事件”“魚腥草注射劑事件”“小柴胡湯事件”等[12]，引起了社會的大量關注。《中國藥典》中記載的有毒中藥分為6個大類，分別為含金屬元素類中藥、含烏頭堿類中藥[12]、含莨菪堿類中藥、含氫氰酸類中藥、含嗎啡可待因類中藥、含強心苷類中藥[13]。綜上，預測中藥的潛在毒性成分是中藥研究中的一個不可忽略的任務，下文列舉學者應用網絡毒理學技術進行中藥潛在毒性成分的預測的例子，探討應用網絡毒理學技術結合分子對接技術、代謝組學等技術，進行中藥潛在毒性成分的預測的方法（表1）。

蒼耳子在臨床應用中主要出現的不良反應有惡心、嘔吐、呼吸困難、咳嗽、少尿、血尿和蛋白尿等。陳珂等[14]通過網絡毒理學探討了蒼耳子的毒性機制，經理論結果表明蒼耳子臨床應用中的多種不良反應發生、發展可能與氮素代謝有關，并總結得出中藥蒼耳子對機體產生的毒性作用是通過多組分結合多條途徑和多種靶點而導致的。楊柳等[15]利用網絡毒理學和質譜進行附子對神經毒性關鍵危害物的篩選和驗證，結果得出附子提取液的FZ10（去甲烏藥堿）、FZ15（3-去氧烏頭堿）、FZ16（次烏頭堿）、FZ13（宋果靈）等化合物是導致機體神經損傷的關鍵化合物。陳璐璐[16]運用網絡毒理學和代謝組學進行青蒿琥酯毒性作用機制的研究，先采用Pubchem、PharmMapper、UniProt數據庫和SwissTargetPrediction等平臺整理得出青蒿琥酯的藥物成分和靶點數據，再利用在DiGSeE和GeneCards等數據庫整理得到心臟毒性靶標，最后利用相關數據庫進行GO分析和KEGG分析，并構建蛋白相互作用網絡，通過分析結果數據得出取青蒿琥酯心臟毒性作用靶點包括AKT1、EGFR等64個，以及Apoptosis、PI3K-Akt等165條信號通路，然后設計青蒿琥酯心臟毒性評價動物實驗，并采集血清標本進行代謝組學研究，分析得到青蒿琥酯引發心臟毒性的代謝物包括溶血磷脂酰膽堿、溶血磷脂酰乙醇胺等，最后結合網絡毒理學預測數據和動物實驗代謝組學數據結果，研究得出青蒿琥酯誘發的毒性機制與甘油磷脂代謝失調及色氨酸代謝紊亂有關，為青蒿琥酯引發藥源性心臟毒性的相關研究提供了參考依據。郝俊霞等[17]利用網絡毒理學技術和分子對接技術探討中藥草烏對心臟的毒性作用機制，篩選得出篩選得到中藥草烏的6種潛在有毒成分，網絡分析結果表明草烏的潛在心臟毒性成分主要是通過參與心臟磷代謝等磷相關的代謝和調節，對機體的心臟的發育及形態產生重要的影響，進而產生心臟毒性。郭小紅等[18]運用網絡毒理學技術和血清代謝組學進行中藥鬧羊花毒性作用機制的研究，篩選得到中藥鬧羊花中木藜蘆毒素Ⅲ、木藜蘆毒素Ⅰ；鬧羊花毒素Ⅱ、鬧羊花毒素Ⅴ、鬧羊花毒素Ⅵ、鬧羊花毒素Ⅶ等關鍵毒性成分。

2.2 預測中藥肝毒性成分

藥物性肝損傷（drug-induced liver injury，DILI）是指由于藥物或其代謝產物在機體肝臟內發生毒副作用，造成肝臟損傷或引起肝組織發炎。孔嬌等[19]運用網絡毒理學研究中藥八角蓮的醇提液中誘發肝毒性的潛在成分并探討其對肝臟的毒性作用機制，結果顯示中藥八角蓮中存在鬼臼毒素、鬼臼毒酮、去氧鬼臼毒素、6-甲氧基鬼臼毒素、鬼臼毒素-4-O-葡萄糖苷等11個可誘發機體肝毒性的潛在毒性物質。孫雅馨等[20]通過網絡毒理學技術探討黃藥子致肝臟損傷的潛在毒性成分，研究得出中藥黃藥子中含有致肝臟損傷的8個潛在毒性成分，篩選出黃藥子誘導肝損傷的關鍵靶點為 Akt1、INS等；并探索得到黃藥子的誘導肝毒性機制涉及PI3K/Akt、HIF-1、Ras以及 Rap1等信號通路。韋潔等[21]利用網絡毒理學技術進行鬼畫符致大鼠肝臟損傷作用機制的研究，并結合動物實驗進行驗證，研究得出中藥鬼畫符在一定劑量范圍內具有肝毒性，并結合實驗結果和網絡毒理學結果得出鬼畫符的肝毒性作用機制可能與促進肝臟氧化應激損傷和炎癥反應，升高氧化應激和炎性相關蛋白的表達有關。何倩倩等[22]利用網絡毒理學技術進行山豆根致大鼠腎毒性機制的探討，并結合相關動物實驗進行驗證，結果得到有關山豆根潛在腎毒性成分有山豆根苦參堿、高麗槐素等20種毒性成分，得到HSP90AA1、SRC等135個腎毒性靶點，并表明山豆根的毒性機制可能與癌癥途徑、PI3K-Akt 信號通路、HIF-1信號通路等密切相關。

2.3 預測中藥心臟毒性、腎毒性成分

心臟負責維持全身血液循環并將氧氣、營養物質等運送到機體的各器官組織，同時將組織器官產生的代謝產物及二氧化碳運送到相應位置進行處理或者排出體外。機體服用中藥，有效成分多先經吸收進入機體血管，再經機體的心血管系統運送到作用器官或組織進而發揮作用，心臟是可與有效成分直接接觸的器官之一，研究中藥的潛在心臟毒性成分及作用機制對臨床上應用中藥有重要意義。陳璐璐等[23]運用網絡毒理學和血清非靶向代謝組學對青蒿琥酯進行潛在心臟毒性成分和作用機制的研究，分析得到青蒿琥酯心臟毒性作用靶點包括AKT1等64個，以及Apoptosis、PI3K-Akt等165條信號通路，代謝組學數據顯示青蒿琥酯引發心臟毒性的血清代謝物包括溶血磷脂酰膽堿、吲哚乙醛等，總結得到青蒿琥酯誘發的毒性機制與甘油磷脂代謝失調及色氨酸代謝紊亂有關。郝俊霞等[17]通過網絡毒理學和分子對接技術建立草烏靶點-通路-基因網絡探討草烏心臟毒性的作用機制，分析得到草烏靶點主要是通過參與心臟磷代謝等磷相關的代謝和調節的通路，以及通過FKBP1A、TGFB2等靶點對心臟的代謝、發育等功能產生重要的影響，進而產生心臟毒性。藥物性腎損傷是指口服藥物過程中，因為用藥不合理，藥物或其代謝物進入腎臟發生毒性作用對腎造成損害，其機制一般包括氧化應激、細胞凋亡、線粒體功能障礙等[24]。何倩倩等[22]運用網絡毒理學技術篩選出山豆根苦參堿、槐定堿等20種毒性成分，涉及MAPK1、AKT1等135個腎毒性靶點，探究得出山豆根的毒性機制可能與PI3K-Akt信號通路、HIF-1信號通路等有關。楊雪等[25]運用網絡毒理學技術、構建商陸皂苷甲誘導腎毒性的大鼠模型并采用分子生物學方法研究商陸致大鼠腎損傷作用機制，探究得出商陸的38個成分，34個靶標和93條通路與腎毒性的產生極為密切；病理數據和Western blotting法得出商陸導致腎毒性的分子機制與激動NF-κB信號通路，過表達炎性因子有關。

3 存在的問題及建議

隨著中藥得到了社會各界的重視，網絡毒理學技術也得到了各中藥研究學者的廣泛應用，但網絡毒理學作為中藥毒性預測的工具仍然存在著諸多問題。例如，采用網絡毒理學預測中藥毒性成分過程中，所用到的數據庫進行的數據獲取和數據分析存在一定問題，大量的化學成分、靶點和通路等信息數據需要被收集，且數據庫的數據信息的時效性不強也是一個重要的問題，部分數據的不及時更新使得學者們的研究難以得到準確的數據進行分析。但由于數據庫的數量多，學者們可進行多個數據庫的數據比對，也可與數據庫服務團隊進行合作，共享數據并建立完善實時的數據庫，盡全力完善研究數據，以達到最優的研究結果。

另外，由于中藥成分復雜，中藥的有效化合物具有多樣性，當下運用的網絡毒理學技術適用性存在較大限制，所以，研究者們應盡量將網絡毒理學技術得到的預測模型與中藥多成分、多靶點的結構特點相結合，界定網絡毒理學技術的應用范圍，在相關限制下，最大程度的應用網絡毒理學技術。

4 結語

通過總結網絡毒理學在中藥潛在毒性成分預測研究中的應用，可以看出網絡毒理學在中藥領域具有良好的應用前景。網絡毒理學利用計算機和數據庫，不僅可以加速中藥的發現和開發過程，還可以評估和預測中藥的毒理風險，提高中藥的安全性。然而，網絡毒理學在中藥領域的應用仍面臨一定的挑戰，所以網絡毒理學技術的適用度也存在一定的限制，需要進一步的研究和發展。相信隨著相關技術的不斷進步，網絡毒理學將為中藥毒性的研究和突破帶來更廣闊的前景。

參 考 文 獻

劉睿， 李新宇， 李亞卓， 等. 網絡毒理學及其在中藥毒性成分預測中的應用研究[J]. 藥物評價研究， 2018， 41（5）： 709-715.

朱永亮， 葉祖光. 計算毒理學與中藥毒性預測的研究進展[J]. 中國新藥雜志， 2011， 20（24）： 2424-2429.

Xiao F， Qiu J， Zhao Y. Exploring the potential toxicological mechanisms of vine tea on the liver based on network toxicology and transcriptomics[J]. Front Pharmacol， 2022， 13： 855926．

Niu M， Zhang S Q， Zhang B， et al. Interpretation of net-work pharmacology evaluation method guidance[J]. Chin Tradit Herb Drug， 2021， 52（14）： 4119-4129.

Fan X H， Zhao X P， Jin Y C， et al. Network toxicology and its application to traditional Chinese medicine[J]. China J Chin Mater Med， 2011， 36（21）： 2920-2922.

Yap C W. PaDEL-descriptor： An open source software to calculate molecular descriptors and fingerprints[J]. J Comput Chem， 2011， 32（7）： 1466-1474.

Dewhurst M R， Ow J R， Zafer G， et al. Loss of hepatocyte cell division leads to liver inflammation and fibrosis[J]. PLoS Genet， 2020， 16（11）： e1009084.

黃洪， 熊萬娜， 湯小軍， 等. 基于網絡毒理學和分子對接篩選何首烏致肝毒性成分和CYP450抑制劑[J]. 基因組學與應用生物學， 2021， 40（7-8）： 2863-2873.

張林， 王停， 徐子瑛， 等. 基于網絡毒理學預測和細胞生物學驗證的淫羊藿潛在肝毒性成分與機制研究[J]. 中國中藥雜志， 2021， 46（10）： 2413-2423.

Dong H， Yan G L， Han Y， et al. UPLC-Q-TOF/MS-based metabolomic studies on the toxicity mechanisms of traditional Chinese medicine Chuanwu and the detoxification mechanisms of Gancao， Baishao， and Ganjiang[J]. Chin J Nat Med， 2015， 13（9）： 687-698.

趙軍寧， 楊明， 陳易斯， 等. 中藥毒性理論在我國的形成與創新發展[J]. 中國中藥雜志， 2010， 35（7）： 922-927.

李慶虹， 山麗梅， 任永申， 等. 中藥毒性研究進展[J]. 中華中醫藥雜志， 2007， 22（5）： 300-302.

王承德. 正確認識中藥毒性合理應用毒性中藥[J]. 中國中醫藥現代遠程教育， 2003， 2： 31-33.

陳珂， 樊黎麗， 侯超峰， 等. 基于網絡毒理學探討蒼耳子的毒性機制[J]. 中醫藥通報， 2022， 21（3）： 33-38.

楊柳， 陳詩奇， 江海洋， 等. 基于高分辨質譜及網絡毒理學的附子神經毒性關鍵危害物的篩查[J]. 中國毒理學會第十次全國毒理學大會.

陳璐璐， 袁禎爽， 劉婕， 等．基于網絡毒理學和代謝組學的青蒿琥酯心臟毒性作用機制研究[J/OL]．世界科學技術-中醫藥現代化. https：//kns.cnki.net/kcms2/detail/11.5699.R.20230707.1254.011.html.

郝俊霞， 高梓森， 高皓， 等. 基于網絡毒理學探討草烏心臟毒性[J]. 中國實驗方劑學雜志， 2019， 25（19）：161-169.

郭小紅， 黃孟軍， 王立娟， 等. 基于血清代謝組學和網絡毒理學研究鬧羊花毒性作用機制[J]. 中國中藥雜志， 2022， 47（7）： 1932-1941.

孔嬌， 田悅， 劉傳鑫， 等.“量-權-證”網絡毒理學的提出與應用： 以八角蓮醇提液致肝毒性為例[J]. 中國中藥雜志， 2022， 47（2）： 511-527.

孫雅馨， 秦紅巖， 臧凱宏， 等. 黃藥子致肝臟損傷的網絡毒理學分析及驗證[J]. 中國現代應用藥學， 2021， 38（24）： 3057-3063.

韋潔， 曾憲彪， 李冬梅， 等. 基于網絡毒理學的鬼畫符致大鼠肝臟損傷作用機制研究[J]. 廣西科學， 2022， 29（2）： 349-358.

何倩倩， 劉暢， 權偉， 等. 基于網絡毒理學和實驗驗證探討山豆根致大鼠腎毒性機制[J]. 中國藥理學通報， 2023， 39（4）： 766-773.

陳璐璐， 袁禎爽， 劉婕， 等．基于網絡毒理學和代謝組學的青蒿琥酯心臟毒性作用機制研究[J/OL]．世界科學技術-中醫藥現代化.https：//kns.cnki.net/kcms2/detail/11.5699.R.20230707.1254.011.htm.

Mehta R L， Awdishu L， Davenport A， et al．Phenotype standardization for drug-induced kidney disease[J]. Kidney Int， 2015， 88（2） ： 226-234.

楊雪， 劉傳鑫， 袁付麗， 等. 基于網絡毒理學商陸致大鼠腎損傷作用機制研究[J]. 中草藥， 2019， 20（50）： 4074-4984.