本期分享广东中医药大学今年发表在Aging杂志（影响因子4.8）上的一篇网络药理学文章《麻黄-甘草药物对抗冠状病毒的化学成分及药理机制》。

摘要：

中医药在新冠肺炎疫情防控中发挥了积极作用。统计显示，麻黄和甘草频繁地被应用于治疗COVID-19的方剂中。我们推测麻黄-甘草药物对是治疗COVID-19的潜在选择。通过网络药理学方法，从麻黄-甘草对中鉴定出个活性化合物。麻黄-甘草对的富集分析表明，这些化合物可能参与cAMP、PI3KAkt、JAK-STAT和趋化因子信号通路，与呼吸、神经、血液循环和消化系统相关疾病具有高度相关性。麻黄-甘草对与COVID-19通路分析显示，其关键靶标为TNF-α、IL-2、FOS、ALB和PTGS2。它们可能通过调控PI3K-Akt信号通路发挥免疫调节、器官保护和抗病毒作用。分子对接结果显示，麻黄-甘草对活性化合物与COVID-19相关靶标结合良好，包括主要蛋白酶(Mpro，也称为3CLpro)、刺状蛋白(S蛋白)和血管紧张素转换酶2(ACE2)。对复合物的稳定性和柔性进行了分子动力学仿真分析。综上所述，本研究通过多个靶点和途径阐明了麻黄-甘草对治疗COVID-19的潜在药理机制。

一、活性化合物分析

利用TCMSP数据库收集麻黄-甘草对(EG)的有效成分，筛选参数为OB30%,DL0.18。从TCMSP数据库获得麻黄的23个活性化合物和甘草的92个活性化合物。

二、药靶与COVID-19靶标分析

在ETCM数据库搜索EG化合物的药物靶点，得到甘草的个靶点和麻黄的个靶点，其中71个靶点同时属于麻黄和甘草。

使用GeneCards，将相关文献与关键词“novelcoronaviruspneumonia”结合，生成COVID-19靶标库，收集到新冠肺炎相关的个人类基因。

将收集到的EG目标输入Metascape平台上，构建MCODE算法聚类的PPI网络,通过Cytoscape显示网络（图1）。

三、EG靶标的GO和通路富集分析

对EG靶标进行GO富集分析和通路富集分析，取p0.05,图2A~C分别列出排名前15的GO-BP,-CC,-MF条目，图2D给出排名第一的KEGG信号通路，即CMAP信号通路。

三、EG靶标与相关疾病的网络分析

用DAVID分析EG靶标在GAD数据库疾病中的富集，取p0.05,用Cytoscape构建相关疾病-EG靶标关联网络（图3）。

相关疾病-靶点网络分析(图3)，表明这些靶点与5类疾病相关：

1)呼吸道疾病:慢性阻塞性肺疾病、哮喘、呼吸道合胞病毒感染、肺结核、呼吸道合胞病毒毛细支气管炎、支气管扩张反应、支气管超反应性、鼻炎、肺炎;

2)肿瘤:肺癌、白血病、布里尔-西蒙斯病、急性淋巴细胞白血病、鼻咽肿瘤、喉癌;

3)呼吸道感染以外的其他病毒性疾病:艾滋病毒感染、乙型肝炎、丙型肝炎;

4)神经系统疾病:偏头痛、疼痛反应、头痛;

5)免疫系统疾病:免疫抑制。

四、EG靶标与COVID-19靶标交集分析

求出EG靶标与COVID-19靶标交集有25个基因，并构建了这25个基因之间的相互作用网络（图4）。此网络中，TNF,FOS,IL2,ALB、CASP3的连接度排名靠前。此外，研究表明，SARS-CoV-2在感染过程中可通过诱导I型干扰素和信号转导来触发先天免疫应答，FOS、JAK1和IFNB1参与了这一信号转导过程，具体见图5。

五、EG靶标与COVID-19靶标交集的富集分析

对交集中25个基因进行GO和KEGG通路富集分析。图6A~C分别列出排名前15的GO-BP,-CC,-MF条目，图6D画出排名前5的KEGG通路的通路-靶标网络。

六、化合物-病毒网络构建

为了进一步探讨EG对病毒感染相关疾病的作用机制，利用Drugbank数据库，以“inflammation”和“virusinfection”为关键词，获取病毒感染相关疾病的靶点，并用Cytoscape进行可视化。选择与SARS-CoV-2密切相关的蛋白(ACE2、S蛋白、Mpro)，以显示它们与EG靶蛋白的相互作用。

化合物相关靶标网络由12个病毒蛋白靶标和个活性化合物组成，如图7所示。

与COVID-19密切相关的三个病毒蛋白(ACE2、Mpro、S蛋白)与个活性化合物之间的网络如图8所示。

七、分子对接

用AutoDockVina软件进行个化合物与三个病毒蛋白(ACE2、Mpro、S蛋白)之间的分子对接模拟。根据每个靶标的最高的最小结合能，选择xambioona、licorice，glycosideE，利用pymol2.3和ligplot2.2进一步分析它们的结合模式、结合亲和力和临界相互作用（图9）.

八、分子动力学模拟

分子对接后，通过分子动力学仿真模拟每个靶标结合能最高的化合物，以检测化合物在结合袋中的稳定性。使用Gromacs.1软件包进行分子动力学模拟。结果见图10.

参考文献

LiX,QiuQ,LiM,LinH,CaoS,WangQ,ChenZ,JiangW,ZhangW,HuangY,LuoH,LuoL.Chemical

转载请注明:http://www.voodm.com//mjccby/24603.html