天津中医药  2020, Vol. 37 Issue (8): 955-960

文章信息

王冠然, 安芯仪, 宋立群
WANG Guanran, AN Xinyi, SONG Liqun
网络药理学在中医药治疗慢性肾脏病中的研究现状
Research progress of network pharmacology in the treatment of chronic kidney disease with traditional Chinese medicine
天津中医药, 2020, 37(8): 955-960
Tianjin Journal of Traditional Chinese Medicine, 2020, 37(8): 955-960
http://dx.doi.org/10.11656/j.issn.1672-1519.2020.08.24

文章历史

收稿日期: 2020-04-17
网络药理学在中医药治疗慢性肾脏病中的研究现状
王冠然1 , 安芯仪1 , 宋立群2     
1. 黑龙江中医药大学, 哈尔滨 150040;
2. 黑龙江中医药大学附属第一医院肾病科, 哈尔滨 150040
摘要:慢性肾脏病(CKD)是病程长、发病机制复杂的一类疾病,中医药在其治疗中发挥了重要作用。目前,网络药理学已成为中药治疗CKD的有效研究方法。网络药理学在系统生物学的基础上,运用高通筛选及网络分析等技术,建立“药物-基因-靶点-疾病”网络,系统阐述机体与药物间作用的原理与规律,与中药多途径、多靶点特点相契合。通过网络药理学在中医药治疗CKD研究发现,中医药在改善CKD的氧化应激状态、调节炎症反应、减缓肾脏纤维化和细胞凋亡方面起到不可或缺的作用。文章对网络药理学在CKD领域相关研究进行归纳和总结,以期为网络药理学对中医药治疗CKD的进一步研究提供参考。
关键词网络药理学    中医药    慢性肾脏病    

慢性肾脏病(CKD)是世界常见的慢性疾病之一。2012年横断面研究显示中国CKD发病率为10.8%,近年在发达地区呈上升趋势[1]。近10年,作为CKD进展至终末期肾病的高危因素的糖尿病、高血压病在中国发病率的提升[2],使未来CKD的患病人数也将大大增加。CKD的发生及进展是由于原发或发作性急性肾损伤,引起一系列病理过程,直接或间接损害肾细胞,导致残余肾单位代偿、系膜基质扩张、肾小球肥大硬化、足细胞粘连、肾血流动力学紊乱和间质纤维化最终导致肾脏功能衰竭。

随近年来更深入的研究发现,CKD的发病及进展是由众多信号通路参与的复杂病理过程。中药可通过多种活性成分、多靶点,对CKD起到较好的临床治疗效果[3-4]。由Hopkins[5]在2007年提出的网络药理学为研究传统中药与现代药理学之间的相互关系搭建了桥梁[6],它突破传统的“一个基因一个药物一个疾病”理念,为中药处方治疗CKD的基础研究与应用提供了新方法[7-10]。网络药理学可在公共数据库或早期研究数据的基础上形成新的药物-成分-靶点网络,进而解释药物的作用机制,反映了药物与疾病之间的相互关系。近年来通过网络药理学方法证明中医药可以改善CKD氧化应激状态,调节炎症反应,减缓肾脏纤维化和细胞凋亡,进而对CKD起到治疗和延缓进展的作用。

1 中药治疗CKD的网络药理学研究应用策略 1.1 中药网络药理学的研究背景

中医药在治疗CKD,特别是在改善肾功能、防治并发症和增效减毒方面体现其特殊的优势[4]。中医药是有别于西医的独特而完整的理论体系,由于中药成分复杂,特别是中药复方的药理基础和作用机制尚不明确,具体有效成分尚不能明确,阻碍了中药处方的进一步推广与应用[11]。网络药理学在系统生物学、生物信息学和高通量组织学的基础上,从系统生物学和生物网络平衡的角度阐释疾病的发生发展过程,将网络生物学与药理学相结合,从大量的数据中直接识别药物和疾病靶标,了解他们之间的机制和通路[12-14],改善目前高选择性单靶点药物研究局限性[15],恢复生物网络平衡的整体性并指导新药的研发[11, 16]。随着网络药理学研究的不断进展,研究范围正在逐步扩大,在探索多药处方的药理机制[17-18]、分析中医药理论[19-20]、研究中药应用[21]及探究中药的毒性机制[22]等方面都有所突破。

近年来,通过应用不同网络药理学研究策略,已对CKD的“药物-靶点-疾病”网络研究取得了初步进展。归纳发现中医药主要通过干预氧化应激状态、炎症反应、纤维化等途径起到了对CKD的治疗作用,但仍需更多相关研究才能得出明确的结论。

1.2 中药治疗CKD的网络药理学研究策略 1.2.1 网络药理学基本研究模式

网络药理学主要包括药物-疾病网络的构建、网络分析及网络药理学验证3个主要步骤[6]。首先,通过实验数据或在中药成分数据库中检索筛选出中药主要化学成分,并通过生物信息学或已知药物有效化合物生物大分子,筛选出与疾病及中药药效成分密切相关的潜在作用靶点。最后通过可视化技术得到如化合物-靶点、疾病-基因、蛋白质-蛋白质相互作用等生物网络。在构建生物网络后,对丰富的药效成分、作用靶点进行网络结构分析、网络功能分析及网络类比分析得到药物作用于疾病关键通路及作用机制。通过对生物网络的基本拓扑属性进行分析得到有意义的基因、靶点、化合物及相关通路,使原有杂乱无章的网络层次化、模块化,并快速突出重要的组群节点,继而总结归纳出通过多种药效物质及靶点调控的作用途径。最后,对分析结果进行网络药理学验证。网络药理学验证主要有虚拟验证和实验验证两种。虚拟验证是在有限的条件下,通过对效用网络的重新构建,以确定不同靶点间的相互关系。实验验证则通过体内或体外实验对预测结果的合理性进行评价。

网络药理学的常用数据库包括中药系统药理学数据库和分析平台(TCMID)、DrugBank与STITCH;中药化学信息数据库,包含药物分子数据、活性成分数据库等,如PubChem、ChEMBL、KEGG;靶点数据库、基因相关数据库,如OMIM;蛋白相关数据库,如HPRD、BioGRID、DIP、HAPPI、MINT、STRING和PDZBase。除了这些数据库之外,常见的数据分析工具包括Cytoscape、Pajek、VisANT、GUESS、WIDAS、PATIKA、PATIKAweb和CADLIVE。目前,在中医研究领域中,Cytoscape、GUESS、Pajek、VisANT是应用较为广泛的网络分析软件。

1.2.2 中药治疗CKD的网络药理学研究策略现状

近年来,研究者们采用不同网络药理学研究策略,为中药与CKD之间的关系提供了更全面、更系统的认识。杨栋等[23]将数据挖掘与网络药理学相结合,建立Access数据库用SQL进行数据处理,挖掘出李顺民治疗CKD 3~5期的常用组方,通过数据库检索得到组方中药物的化学成分及靶点,并于OMIM、PharmGKB及NCBI数据库中找到CKD的人类疾病靶标整合,利用Cytoscape软件进行蛋白质-蛋白质相互作用预测、筛选及可视化处理,得出了李顺民常用组方治疗CKD的抗炎抗纤维化作用并阐述了其作用机制。梁栋等[24]从中药系统药理学分析平台(TCMSP)中筛选化学成分,并利用Pharm Mapper服务器进行分子靶点预测,与CKD的相关靶点整合后建立了当归补血汤治疗CKD的成分-靶点网络图,借助DAVID数据库进行GO生物过程及KEGG信号通路富集分析,阐释了当归补血汤治疗CKD的物质基础,展现了其延缓肾脏纤维化进程的作用机制。Qin等[25]通过构建肾康的分子数据库并筛选活性分子,利用加权集成相似药物靶向模型准确识别生物活性成分的直接药物靶点后构建化合物-靶点、靶点途径和靶点-疾病网络,根据BioGPS数据库确定靶点在组织器官中的分布,最后将所得到的药物靶向机制与先前研究提出的机制进行了比较,并在CKD小鼠模型中进行了验证,证明了肾康对CKD及CKD相关疾病的治疗作用及机制。网络药理学的应用为中药复杂体系提供了新的思路和方法。

2 网络药理学验证的中药-CKD药理机制 2.1 改善CKD氧化应激状态

氧化应激反应存在于CKD发病的各个阶段,在CKD发病机制中占有重要地位[26]。氧化应激反应通过产生过量活性氧(ROS)促进肾脏特异性损伤,最终导致肾单位退化,严重损伤组织与器官,经过网络药理学研究发现不同中药及中药处方的有效成分通过作用于丝裂原活化蛋白激酶(MAPK)、核转录因子-κB(NF-κB)、肿瘤坏死因子(TNF)信号通路等,广泛参与到改善氧化应激状态过程。

Guo等[27]通过网络药理学方法研究全杜仲胶囊治疗高血压肾病的临床疗效。全杜仲胶囊为中草药杜仲的提取液,研究发现全杜仲胶囊有84个有效成分,主要作用靶点包括SNAI2、CYP27B1等,通过抑制肾素-血管紧张素-醛固酮(RAAS)系统保留肾小球功能,CYP3A4、APOA2等与脂质稳态相关的蛋白,以及PTGER2、ALOX5、GATA3等与肾小球的炎症和免疫反应相关,其中GATA3和PPARG对肾小球均有保护作用。研究发现全杜仲胶囊可通过改善CKD氧化应激状态,调节代谢稳态来保护肾脏,降低高血压危险因素。浦强等[28]运用网络药理学方法研究芪葵颗粒(黄芪、黄蜀葵花、制何首乌)治疗糖尿病肾病的有效成分及相关机制。研究发现芪葵颗粒治疗糖尿病肾病的关键靶点主要集中在白细胞介素(IL)-17、低氧诱导因子-1(HIF-1)、TNF信号通路等49个显著相关通路,其作用机制涉及氧化还原酶活性调节、小分子代谢过程和神经递质代谢过程等132个显著相关生物过程。Sha等[29]通过网络药理学方法研究参芪地黄汤治疗糖尿病肾病的有效成分及分子机制。研究筛选出AKT1、AR、CTNNB1、EGFR和ESR1 5个关键靶点。通过富集分析发现,参芪地黄汤治疗糖尿病肾病主要影响氧化应激、血压血糖调节、细胞增殖、细胞因子介导的信号通路和凋亡信号通路。袁薪蕙等[30]通过网络药理学方法研究雷公藤多苷片(雷公藤提取物)主要活性成分及其治疗肾病综合征的作用机制。研究发现雷公藤甲素、雷公藤乙素、雷公藤内酯等14种主要活性成分,主要作用于HIF-1、TNF、磷脂酰肌醇-3激酶(PI3K)/丝氨酸/苏氨酸激酶(Akt)、MAPK、雌激素、NF-κB等23个信号通路,参与氧化还原过程、炎症反应、细胞增殖的负调节等多种生理病理过程,雷公藤多苷片中14种主要活性成分通过作用于人体内非结构蛋白(NS)相关靶点从而影响体内信号通路传导,起到干预肾病综合征进程的作用。

2.2 改善CKD炎症反应

炎症状态广泛出现于各阶段的CKD患者,也是疾病进展的重要因素。由于炎症反应后补体、免疫化合物及内毒素的蓄积,脂质代谢功能紊乱,巨噬细胞及淋巴细胞炎症介质如IL-1β、IL-12、TNF-α、基质金属蛋白酶(MMP)-12大量产生并持续隐匿性存在,从而形成肾脏的长期慢性炎症状态,进一步造成肾实质损伤,如不能有效控制可进展为肾纤维化,加剧CKD的进展。网络药理学分析发现中药多种有效成分可通过调节炎症因子表达、抑制炎症反应以延缓CKD进展。

Shi等[31]运用网络生物学、生物信息学和化学信息学方法,探究补肾活血方对CKD的有效物质和作用机制,通过构建复方-活性成分-靶点网络发现,补肾活血方的潜在有效成分为丹参酮ⅡA、大黄酸、姜黄素、花萼素、槲皮素,这些有效成分的主要作用机制为调节凝血和纤溶平衡、调节炎症因子表达、抑制异常细胞外基质(ECM)积累,进而起到延缓CKD进展的治疗效果。Zhang等[32]通过网络药理学方法研究甘地胶囊对糖尿病肾病的临床疗效,研究发现甘地胶囊中黄芪甲苷和莫罗忍冬甙可显著改变乙酰辅酶A羧化酶1(ACC1),而汉黄芩素与环氧合酶-2(COX-2)和超氧化物歧化酶2(SOD2)相关,其主要通路为转化生长因子(TGF)-β1、TNF-α、AMPK、脂质代谢和胰岛素相关信号通路。研究发现甘地胶囊通过代谢调节、抑制炎症反应、改善细胞凋亡的机制及调控这些通路的中间蛋白发挥治疗糖尿病肾病的作用。

2.3 改善CKD纤维化

肾脏纤维化[33]是CKD随疾病进展至终末期极其重要的病理表现之一,也是导致肾功能衰竭的决定性因素。浸润性的免疫细胞、白蛋白尿、糖尿病中的糖尿等,激活近端小管上皮细胞,导致前炎症因子和纤维化介质,促进间质炎症和纤维化,同时瘢痕形成,伴随血管减少和缺血,残留肾单位需要通过增大体积来适应高滤过的需求,加速CKD的进展,形成恶性循环。Qin等[34]运用药理网络分析研究肾康方在CKD治疗中的潜在作用和机制。肾康方的主要成分为大黄、丹参、红花和黄芪。该研究发现肾康方有效成分通过作用于NF- κB、增殖蛋白激酶、瞬时受体电位、血管内皮生长因子在内的多种途径,可以降低单侧输尿管梗阻小鼠模型血管细胞黏附蛋白1、维生素D受体、COX-2、MMP-9蛋白水平,影响到炎症反应和细胞增殖分化等多种机制,进而起到抗纤维化、抗炎作用。

2.4 中医药在改善CKD细胞凋亡的网络药理学研究

细胞凋亡与肾脏疾病关系密切[35],其中足细胞损伤参与到CKD进展各个阶段。足细胞位于肾小球滤过屏障的最外层,具有高度分化的特点,其结构极容易遭到破坏,而一旦被破坏将难以再生[36],而造成大量蛋白尿的形成,并促进了炎性因子的释放及肾脏纤维化的进展继而导致CKD的发展。

Li等[37]运用网络药理学与转录组学成功鉴定黄芪治疗阿霉素肾病的活性成分。该研究发现黄芪甲苷、刺芒柄花素、槲皮素、花萼素为黄芪治疗阿霉素肾病的主要活性成分。研究通过建立阿霉素诱导的细胞损伤模型(MPC5细胞),利用四甲基噻唑蓝(MTT)比色法、台盼蓝染色法和免疫组化法验证了这4种活性成分可显著增加MPC5细胞中足蛋白的表达,进而起到对阿霉素肾病的治疗作用。吴芳等[38]采用网络药理学预测丹参治疗糖尿病肾病的作用机制,研究发现,丹参中丹参酮类、丹参螺旋缩酮内酯、新隐丹参酮、丹参二醇、木犀草素等有效成分能用于网络中的多个靶点,同时IL-2、细胞周期蛋白依赖激酶2(CDK2)、雌激素受体1(ESR1)等靶点也与多个成分相互作用,这些有效成分与靶点相互作用主要涉及细胞增殖、分化及凋亡,调节糖脂代谢、炎症反应及氧化应激等以保护肾小球滤过屏障,减轻肾损伤。该研究也发现丹参作用机制中协同与拮抗作用共存,体现了中医药双向调节、标本兼治的特点。郭丛丛等[39]运用网络药理学探究赤芍治疗糖尿病肾病的作用机制,研究发现赤芍中β-谷甾醇、豆甾醇、芍药苷等27个活性成分作用于TNF等多个靶点,主要涉及PI3K/Akt、NF-κB、TGF-β、MAPK等通路,广泛参与细胞的增殖凋亡,为中医药可调控CKD进展中细胞的凋亡提供了有效证据。

3 讨论

CKD是一种由多信号通路、多种病理因素共同参与的复杂进展性疾病,是全世界共同面临的挑战。CKD属中医学“水肿”“虚劳”范畴,其临床表现为神疲乏力、腰膝酸软、水肿等症状,证属本虚标实。长期临床实践发现中医药治疗对CKD的效果较好,但由于药味复杂、有效成分及靶点机制不明确、循证医学证据不充分等问题导致无法系统推广CKD的中医药治疗。网络药理学具有全面性、系统性和整体性的特点,它的出现为中药治疗CKD研究提供了一种新的方法和策略。近年来采用不同策略的网络药理学已运用于针对中医药治疗CKD的各类研究,并证明了中医药可以有效改善CKD氧化应激状态,调节炎症反应,减缓肾脏纤维化和细胞凋亡,进而对CKD起到治疗和延缓进展的作用,通过这些研究一定程度上弥补既往中药研究中单靶点、单一成分的缺点,使传统中医方药在CKD治疗方面的运用更加精准,靶点更加明确,为中医药治疗CKD的机制和理论研究提供新的思路和方法。

网络药理学仍处于发展的早期阶段,仍有数据库收录信息质量存在偏倚、已明确的疾病种类及潜在靶标有限、对预测结果的验证并不充分等[40]问题尚未解决。此外,目前网络药理学在中药方剂研究中的应用,无论是新靶点的发现,还是药物作用机制的研究,都主要处于定性阶段,药物与疾病之间存在剂量-效应关系,目前的网络药理学技术很难达到量化的目的[41]。随着对药物、疾病研究的不断深入完善将大大弥补目前网络药理学研究的缺陷。在CKD领域的网络药理学研究策略仍以组方对疾病的作用机制研究为主,利用网络药理学针对药物新靶点的确定[42]、药物毒性[43]、方剂的质量控制[44]及药物对疾病作用的网络机制[45]的研究优势仍有待进一步利用。此外,通过网络药理学与转录组学、代谢组学、基因组学及基因芯片等新兴研究手段的整合也将提高研究结果的可靠性,更全面地揭示中医药在CKD治疗中的作用,为CKD治疗提供了新的思路和方法。

参考文献
[1]
ZHANG L, WANG F, WANG L, et al. Prevalence of chronic kidney disease in China:a cross-sectional survey[J]. Lancet, 2012, 379(9818): 815-822.
[2]
JI A, PAN C, WANG H, et al. Prevalence and associated risk factors of chronic kidney disease in an elderly population from eastern China[J]. International Journal of Environmental Research and Public Health, 2019, 16(22): 4383.
[3]
ZHOU Z, CHEN B, CHEN S, et al. Applications of network pharmacology in traditional Chinese medicine research[J]. Evidence-based Complementary and Alternative Medicine, 2020(6): 1-7.
[4]
谢帆, 刘叶, 凌鑫隆, 等. 中医药治疗慢性肾病临床研究进展[J]. 新中医, 2019, 51(11): 23-26.
XIE F, LIU Y, LING X L, et al. Clinical research progress of Chinese medicine in treating chronic kidney disease[J]. Journal of New Chinese Medicine, 2019, 51(11): 23-26.
[5]
HOPKINS A L. Network pharmacology[J]. Nature Biotechnology, 2007, 25(10): 1110-1111. DOI:10.1002/pi.1160
[6]
解静, 高杉, 李琳, 等. 网络药理学在中药领域中的研究进展与应用策略[J]. 中草药, 2019, 50(10): 6-14.
XIE J, GAO S, LI L, et al. Research progress and application strategy on network pharmacology in Chinese material medica[J]. Chinese Traditional and Herbal Drugs, 2019, 50(10): 6-14.
[7]
庞晓丛, 王喆, 方坚松, 等. 治疗阿尔茨海默病的中药有效成分的网络药理学研究[J]. 中国药理学与毒理学杂志, 2016, 30(10): 1081.
PANG X C, WANG Z, FANG J S, et al. Network pharmacological study on the active components of traditional Chinese medicine for the treatment of Alzheimer's disease[J]. Chinese Journal of Pharmacology and Toxicology, 2016, 30(10): 1081.
[8]
MING H, SHA L, YUE T H, et al. A network-based pharmacology study of the herb-induced liver injury potential of Traditional Hepatoprotective Chinese Herbal Medicines[J]. Molecules (Basel, Switzerland), 2017, 22(4): 632.
[9]
JARRELL J T, LI G, COHEN D S, et al. Network medicine for Alzheimer's disease and traditional Chinese medicine[J]. Molecules (Basel, Switzerland), 2018, 23(5): 1143.
[10]
ZHOU C, LIU L, ZHUANG J, et al. A systems biology-based approach to uncovering molecular mechanisms underlying effects of traditional Chinese medicine Qingdai in chronic myelogenous leukemia, involving integration of network pharmacology and molecular docking technology[J]. Medical Science Monitor, 2018(24): 4305-4316.
[11]
刘志华, 孙晓波. 网络药理学:中医药现代化的新机遇[J]. 药学学报, 2012, 47(6): 696-703.
LIU Z H, SUN X B. Network pharmacology:new opportunity for the modernization of Traditional Chinese Medicine[J]. Acta Pharmaceutica Sinica, 2012, 47(6): 696-703.
[12]
LIU Y, AI N, KEYS A, et al. Network pharmacology for traditional Chinese medicine research:methodologies and applications[J]. Chinese Herbal Medicines, 2015, 7(1): 18-26.
[13]
吴纯伟, 路丽, 梁生旺, 等. 药物靶标预测技术在中药网络药理学中的应用[J]. 中国中药杂志, 2016, 41(3): 377-382.
WU C W, LU L, LIANG S W, et al. Application of drug-target prediction technology in network pharmacology of traditional Chinese medicine[J]. China Journal of Chinese Materia Medica, 2016, 41(3): 377-382.
[14]
ZHANG R, ZHU X, BAI H, et al. Network pharmacology databases for traditional Chinese medicine:review and assessment[J]. Frontiers in Pharmacology, 2019(10): 123.
[15]
HOPKINS A L. Network pharmacology:the next paradigm in drug discovery[J]. Nature Chemical Biology, 2008, 4(11): 682-690.
[16]
张彦琼, 李梢. 网络药理学与中医药现代研究的若干进展[J]. 中国药理学与毒理学杂志, 2015, 29(6): 883-892.
ZHANG Y Q, LI S. Progress in network pharmacology for modern research of traditional Chinese medicine[J]. Chinese Journal of Pharmacology and Toxicology, 2015, 29(6): 883-892.
[17]
刘鑫馗, 吴嘉瑞, 蔺梦娟, 等. 基于网络药理学的四君子汤作用机制分析[J]. 中国实验方剂学杂志, 2017, 23(16): 194-202.
LIU X K, WU J R, LIN M J, et al. Mechanism of Si Junzitang based on network pharmacology[J]. Chinese Journal of Experimental Traditional Medical Formulae, 2017, 23(16): 194-202.
[18]
郭思宇, 吴嘉瑞, 周唯, 等. 基于网络药理学的红花如意丸治疗妇科疾病作用机制研究[J]. 中国医院用药评价与分析, 2019, 19(3): 257-264.
GUO S Y, WU J R, ZHOU W, et al. Study on mechanism of Safflower Ruyi Pills in treatment of gynecological diseases based on network pharmacology[J]. Evaluation and Analysis of Drug-Use in Hospitals of China, 2019, 19(3): 257-264.
[19]
UNG C Y, LI H, KONG C Y, et al. Usefulness of traditionally defined herbal properties for distinguishing prescriptions of traditional Chinese medicine from non-prescription recipes[J]. Journal of Ethnopharmacology, 2007, 109(1): 21-28.
[20]
韩森, 吕爱平, 李健, 等. 网络药理学在中药药性理论研究中的应用概述[J]. 中国中医基础医学杂志, 2019, 25(1): 127-130.
HAN S, LYU A P, LI J, et al. Application review of network pharmacology in the study of properties theory of traditional Chinese medicine[J]. Chinese Journal of Basic Medicine in Traditional Chinese Medicine, 2019, 25(1): 127-130.
[21]
段贤春, 黄石, 彭代银, 等. 网络药理学在中药复方研究中的应用[J]. 中国药理学通报, 2020, 36(3): 303-308.
DUAN X C, HUANG S, PENG D Y, et al. Application of network pharmacology in the study of Traditional Chinese Medicine formula[J]. Chinese Pharmacological Bulletin, 2020, 36(3): 303-308.
[22]
韩波, 黄维, 谢欣, 等. 有毒乌头类中药的毒效网络整合分析:思路与方法[J]. 世界中医药, 2017, 12(11): 2585-2597.
HAN B, HUANG W, XIE X, et al. Thought and methodology of toxicity-efficacy network integrated analysis of toxic aconitum[J]. World Chinese Medicine, 2017, 12(11): 2585-2597. DOI:10.3969/j.issn.1673-7202.2017.11.007
[23]
杨栋, 祁爱蓉, 李雨彦, 等. 基于数据挖掘及网络药理学探究李顺民治疗慢性肾脏病3~5期用药经验及作用机理[J]. 新中医, 2020, 52(4): 176-180.
YANG D, QI A R, LI Y Y, et al. A discussion on medication experience of LI Shunmin for chronic kidney disease at stage 3 to 5 and on mechanism of action based on data mining and network pharmacology[J]. Journal of New Chinese Medicine, 2020, 52(4): 176-180.
[24]
梁栋, 杨洪涛. 基于网络药理学的当归补血汤治疗慢性肾脏病作用机制研究[J]. 时珍国医国药, 2020, 31(1): 242-244.
LIANG D, YANG H T. Study on the mechanism of Danggui Buxue Decoction in the treatment of chronic kidney disease based on network pharmacology[J]. Lishizhen Medicine and Materia Medica Research, 2020, 31(1): 242-244.
[25]
QIN T, WU L, HUA Q, et al. Prediction of the mechanisms of action of Shenkang in chronic kidney disease:a network pharmacology study and experimental validation[J]. Journal of Ethnopharmacology, 2020(246): 112-128.
[26]
DAENEN K, ANDRIES A, MEKAHLI D, et al. Oxidative stress in chronic kidney disease[J]. Pediatr Nephrol, 2019, 34(6): 975-991.
[27]
GUO F, ZHANG W, SU J, et al. Prediction of drug positioning for Quanduzhong Capsules against hypertensive nephropathy based on the robustness of disease network[J]. Frontiers in Pharmacology, 2019(10): 49. DOI:10.3389/fphar.2019.00049
[28]
浦强, 徐巍龙, 李楠, 等. 基于网络药理学芪葵颗粒治疗糖尿病肾病的物质基础及作用机制研究[J]. 中草药, 2019, 50(23): 5767-5777.
PU Q, XU W L, LI N, et al. Network pharmacology-based study on material basis and mechanism of Qikui Granules against diabetic nephropathy[J]. Chinese Traditional and Herbal Drugs, 2019, 50(23): 5767-5777.
[29]
SHA D, LIN H, QING W, et al. A network pharmacology approach to uncover the mechanisms of Shenqi Dihuang Decoction against diabetic nephropathy[J]. Evidence-based Complementary and Alternative Medicine, 2018(2018): 7043402.
[30]
袁薪蕙, 王保和, 杜犀. 雷公藤多苷片治疗肾病综合征作用机制的网络药理学研究[J]. 现代药物与临床, 2019, 34(11): 3209-3214.
YUAN X H, WANG B H, SHE X. Network pharmacology study on action mechanism of Tripterygium Glycosides Tablets in treatment of nephrotic syndrome[J]. Drugs & Clinic, 2019, 34(11): 3209-3214.
[31]
SHI S H, CAI Y P, CAI X J, et al. A network pharmacology approach to understanding the mechanisms of action of traditional medicine:Bushenhuoxue Formula for treatment of chronic kidney disease[J]. PLoS One, 2014, 9(3): e89123.
[32]
ZHANG J, ZHANG Q Q, CHEN X F, et al. Revealing synergistic mechanism of multiple components in Gandi Capsule for diabetic nephropathy therapeutics by network pharmacology[J]. Evidence-based Complementary and Alternative Medicine, 2018, 2018: 6503126.
[33]
WANG Y, XING Q Q, TU J K, et al. Involvement of hydrogen sulfide in the progression of renal fibrosis[J]. Chinese Medical Journal, 2019, 132(23): 2872-2880.
[34]
QIN T, WU L, HUA Q, et al. Prediction of the mechanisms of action of Shenkang in chronic kidney disease:a network pharmacology study and experimental validation[J]. Journal of Ethnopharmacology, 2020(246): 112-128.
[35]
谢庆祥, 林吓聪, 韩聪祥. 细胞凋亡和Caspase-3在梗阻性肾组织中表达及其意义[J]. 现代泌尿外科杂志, 2007, 12(1): 21-23.
XIE Q X, LIN X C, HAN C X. Significance of apoptosis and Caspase-3 expression in chronic obstructive kidneys[J]. Journal of Modern Urology, 2007, 12(1): 21-23.
[36]
NAGATA M. Podocyte injury and its consequences[J]. Kidney International, 2016, 89(6): 1221-1230.
[37]
LI A P, HE S S, ZHANG W N, et al. Exploration the active compounds of Astragali Radix in treatment of adriamycin nephropathy by network pharmacology combined with transcriptomic approach[J]. Journal of Ethnopharmacology, 2020(258): 112537.
[38]
吴芳, 李克明, 隆毅, 等. 丹参治疗糖尿病肾病的网络药理学研究[J]. 广州中医药大学学报, 2019, 36(3): 402-409.
WU F, LI K M, LONG Y, et al. Network pharmacology study of Radix Salviae Miltiorrhizae in treating diabetic nephropathy[J]. Journal of Guangzhou University of Traditional Chinese Medicine, 2019, 36(3): 402-409.
[39]
郭丛丛, 姚金铭, 孙洁, 等. 赤芍治疗糖尿病肾病的网络药理学研究[J]. 中华中医药学刊, 2018, 36(10): 2420-2423.
GUO C C, YAO J M, SUN J, et al. Network pharmacological research of Red Peony against diabetic nephropathy[J]. Chinese Archives of Traditional Chinese Medicine, 2018, 36(10): 2420-2423.
[40]
刘艾林, 杜冠华. 网络药理学:药物发现的新思想[J]. 药学学报, 2010, 45(12): 1472-1477.
LIU A L, DU G H. Network pharmacology:new guidelines for drug discovery[J]. Acta Pharmaceutica Sinica, 2010, 45(12): 1472-1477. DOI:10.3969/j.issn.1006-6845.2016.37.148
[41]
LUO T T, LU Y, YAN S K, et al. Network Pharmacology in research of Chinese medicine formula:methodology, application and prospective[J]. Chin J Integr Med, 2020, 26(1): 72-80.
[42]
ZHANG Y, MAO X, SU J, et al. A network pharmacology-based strategy deciphers the underlying molecular mechanisms of Qixuehe Capsule in the treatment of menstrual disorders[J]. Chin Med, 2017(12): 23.
[43]
YANG Y F, LIN Y J, LIAO C M. Toxicity-based toxicokinetic/toxicodynamic assessment of bioaccumulation and nanotoxicity of zerovalent iron nanoparticles in Caenorhabditis elegans[J]. Int J Nanomedicine, 2017(12): 4607-4621.
[44]
XIANG W, SUO T C, YU H, et al. A new strategy for choosing "Q-markers" via network pharmacology, application to the quality control of a Chinese medical preparation[J]. J Food Drug Anal, 2018, 26(2): 858-868. DOI:10.1016/j.jfda.2017.10.003
[45]
ZHAO M, CHEN Y, WANG C, et al. Systems pharmacology dissection of multi-Scale mechanisms of action of Huo-Xiang-Zheng-Qi Formula for the treatment of gastrointestinal diseases[J]. Front Pharmacol, 2018(9): 1448.
Research progress of network pharmacology in the treatment of chronic kidney disease with traditional Chinese medicine
WANG Guanran1 , AN Xinyi1 , SONG Liqun2     
1. Heilongjiang University of Chinese Medicine, Harbin 150040, China;
2. Nephrology Department, First Affiliated Hospital, Heilongjiang University of Chinese Medicine, Harbin 150040, China
Abstract: Chronic kidney disease (CKD) is a kind of disease with long course and complicated pathogenesis. Traditional Chinese medicine (TCM) plays an important role in the treatment of chronic kidney disease. At present, network pharmacology has become an effective research method for the treatment of chronic kidney disease with traditional Chinese medicine. On the basis of systems biology, network pharmacology established the "drug-gene-target-disease" network by using the techniques of omics, high-pass screening and network analysis, systematically expounded the principle and law of the interaction between the body and the drug, which was consistent with the characteristics of multi-pathways and multi-targets of TCM. Through the research of network pharmacology in the treatment of chronic kidney disease with TCM, it has been found that TCM plays an indispensable role in improving the oxidative stress state of CKD, regulating the inflammatory response, and slowing down the renal fibrosis and cell apoptosis. This paper summarizes the research on network pharmacology in the field of CKD, so as to provide reference for further research on the mechanism of TCM in the treatment of chronic kidney disease.
Key words: network pharmacology    traditional Chinese medicine    chronic kidney disease