基于网络药理学和分子对接探究白芍-麦冬药对治疗干燥综合征的作用机制

目的运用网络药理学和分子对接探究白芍-麦冬药对治疗干燥综合征(sjogren syndrome,SS)的作用机制。方法通过BATMAN、Gene Cards、OMIM、Drug Bank、TTD、DISGENET数据库和Cytoscape软件发现并探究相关治疗靶点作用关系。通过String数据库构建蛋白质-蛋白质相互作用网络图。通过DAVID平台进行GO与KEGG富集分析。使用AutoDock Tools1.5.7软件进行分子对接。结果白芍-麦冬有57个有效活性成分,362个作用靶点,SS有1219个疾病相关靶点。主要有效成分为豆甾醇、没食子酸、β-谷甾醇,核心靶点AKT1、IL1B、CAT、IGF1。GO分析中,GO生物过程(biological process,BP)主要包括基因表达的负调控、脂多糖的反应、RNA聚合酶II启动子转录的正向调节等;GO细胞组分(cellular components,CC)主要包括细胞表面、细胞外区域、细胞外体等;GO分子功能(molecular function,MF)主要包括血红素结合、类固醇结合、RNA聚合酶II转录因子活性等。KEGG富集分析中主要包括MAPK信号通路、TNF信号通路、cAMP信号传导途径等;分子对接实验表明其主要活性成分与核心靶点之间存在良好的结合活性。结论白芍-麦冬药对通过多靶点、多通路发挥治疗SS的作用。

基于AHP-SOM聚类-TOPSIS和中医传承辅助平台研究中医药治疗围绝经期抑郁症组方规律

目的利用层次分析法(analytic hierarchy process,AHP)-自组织映射(self-organizing map,SOM)聚类-逼近理想解排序(technique for order preference by similarity to solution,TOPSIS)算法和中医传承辅助平台(V2.5),对中医药治疗围绝经期抑郁症组方进行数据挖掘研究,并结合中医理论,挖掘治疗围绝经期抑郁症的新组方。同时证明AHP-SOM聚类-TOPSIS算法可以用于临床疾病处方规律挖掘。方法收集中国期刊全文数据库(2000—2021年)中中医治疗围绝经期抑郁症的方剂信息,先后使用关联规则算法(Apriori)、AHP、SOM、TOPSIS等关联、决策和聚类机器学习算法,挖掘其中高频原料药味的配方规律,结合传统中医理论得到可能的新组方,并且使用TOPSIS对新方进行综合评价排名。同时,运用中医传承辅助平台(V2.5)进行组方规律分析,得出新方。结果用药频次分析得到前3位高频药味为柴胡、白芍和甘草,关联规则结果显示高频药味之间产生较强的关联性,排名前3位的药物组合分别为柴胡-白芍、柴胡-甘草、柴胡-茯苓。继而对39个高频药味进行AHP分析和加权后,得到加权值排在前5位的药味为柴胡、白芍、甘草、郁金、半夏,这些药味可以考虑在组方时优先选择。SOM聚类显示所有高频药味可分为7类,其中最优选配方药味与AHP分析结果权重排名前列的药味有极高的重叠。依据传统中医理论中疏肝理气、化痰开窍、活血化瘀等治则进行配伍组合,最终设计了10个可能的配方,并进行TOPSIS分析评价,排名第1的配方为柴胡、酸枣仁、白芍、半夏、郁金、甘草。最后使用中医药传承辅助平台,基于无监督熵层次聚类算法得出2个潜在的核心药组:白芍-麦冬-远志、石菖蒲-柴胡-远志,核心药组再次组合成1个新处方:白芍-麦冬-远志-石菖蒲-柴胡。结论在中医药基本理论的指导下结合各类机器学习算法,分析治疗围绝经期抑郁症的组方规律,设计获得可能的新组方,为临床治疗围绝经期抑郁症提供新思路。