天津中医药  2022, Vol. 39 Issue (9): 1197-1204

文章信息

薛静, 瞿晶田, 韩真真, 孙瑜, 孙精通
XUE Jing, QU Jingtian, HAN Zhenzhen, SUN Yu, SUN Jingtong
基于数据挖掘和网络药理学的中药治疗室性早搏用药规律分析
Analysis of the rule of Chinese medicine in the treatment of ventricular premature beats (VPB) based on data mining and network pharmacology
天津中医药, 2022, 39(9): 1197-1204
Tianjin Journal of Traditional Chinese Medicine, 2022, 39(9): 1197-1204
http://dx.doi.org/10.11656/j.issn.1672-1519.2022.09.22

文章历史

收稿日期: 2022-05-13
基于数据挖掘和网络药理学的中药治疗室性早搏用药规律分析
薛静1 , 瞿晶田1 , 韩真真2 , 孙瑜2 , 孙精通2     
1. 天津中医药大学第一附属医院药学部, 天津 300381;
2. 天津中医药大学附属保康医院药剂科, 天津 300381
摘要:[目的] 探究中药复方治疗室性早搏(VPB)的用药特点及配伍规律。[方法] 以中国知网为数据来源,以主题关键词为“室性早搏+中医+临床”、全文关键词为“中药”并且篇名中不含“进展”进行检索。时间选择为1979年1月1日—2020年3月1日。检索出相关中药组方,将组方涉及到的所有药味录入Excel 2010建立数据库,并采用SPSSStatistics 20、SPSS Clementine12统计软件对数据进行分析。使用BATMAN-TCM系统对高频药物所含化合物进行检索,获取这些化合物对应靶点,与Genecard数据库中检索VPB相关靶点相映射并取交集,通过DAVID 6.8数据库进行KEGG通路分析获取关键药物治疗VPB的重要通路,通过Cytoscape 3.2.1软件构建“成分-靶点-关键通路”可视化网络分析。[结果] 纳入的102首处方共含有110味中药,累积频率965次,前20味中药,累计频次562次,占总频率的53.2%。使用频次最高的前3位分别是炙甘草(49次,48.04%)、酸枣仁(43次,42.16%)、丹参(42次,41.18%)。关联规则分析得到6个支持度较高的中药组合,因子分析产生6个公因子。通过网络药理学方法发现酸枣仁活性成分21个,治疗VPB的核心靶点59个,和VPB关系密切的通路11条。[结论] 通过数据分析,发现中医对于VPB的临床治疗以补虚药、安神药、清热药较为常用,多选择药性偏温、平、微寒,药味偏甘,归心、肝、脾经的中药。临床用药时可着重参考酸枣仁、当归、甘松、黄芪、炙甘草、桂枝、生地黄、生龙骨、生牡蛎、麦冬、五味子、川芎、白芍、人参等中药进行配伍使用,初步验证和预测了关键药物酸枣仁治疗VPB的核心靶点和重要通路,为深入研究其作用机制提供参考。
关键词室性早搏    中药    数据挖掘    网络药理    规律分析    

室性早搏(VPB),又称为室性期前收缩,属于一种比较常见的心律失常。目前西医对于VPB的治疗,多采用钾通道阻滞剂、钠通道阻滞剂、β受体拮抗剂、钙通道阻滞剂等4类常用的抗心律失常药物,还可采取射频消融手术治疗[1]。中医将VPB归属为“心悸”的范畴,认为病位主要在心,总结的病机特点主要为本虚标实。通过对古代医籍文献的研究和临床实践,不同医家提出了许多治疗方法,比如从心气不足,心阳不振论治,也可从脾血不统,心阴不足之心脾论治,也有从痰浊水饮,血络瘀阻论治等等[2-6]。VPB的中医证型有多种,加之中医注重个体化治疗,这就导致临床用药繁杂多样。因此,利用数据分析技术对中医临床治疗VPB的用药规律的提取整理十分必要,通过数据挖掘出有效的药物配伍,以期更好的服务指导临床实践。

1 资料与方法 1.1 数据来源

进入中国知网(CNKI)的高级检索界面,以主题关键词为“室性早搏+中医+临床”,全文关键词为“中药”并且篇名中不含“进展”。时间选择为1979年1月1日—2020年3月1日。共检索到273篇文献。

1.2 纳入及排除标准

纳入临床病例文献,排除实验研究类,综述类等文献;纳入病例中应有明确诊断为“室性早搏”并有“心悸”等中医病名表述;纳入有具体中药的组方,排除加减方和重复处方;纳入文献明确表明中药的临床效果较好,排除中药为辅的临床治疗。

1.3 数据处理

参照中国药典2015年版[7]和中药学[8]标准,将数据库中的110味中药的名称、功效、性味归经等规范化处理,对于中药有别称或简称的,进行统一名称,如“云苓”统称为“茯苓”,“焦三仙”规范录入“焦山楂,焦神曲,焦麦芽”。有些中药炮制后性味归经有所改变,如“生甘草,炙甘草”则分别统计。

1.4 统计方法

将上述所有中药统一录入Excel 2010,建立数据库。对纳入的所有中药品种进行分类排序分析,采用SPSSClementine12、SPSSS tatistics20数据处理软件对中药数据进行关联规则、因子分析等统计学处理。

1.5 网络药理学分析

使用BATMAN-TCM系统预测关键中药所含化学成分,并获取对应靶点;把这些靶点与Genecard数据库中检索到的室性早搏相关靶点相映射并取交集,将其作为治疗室性早搏的潜在作用靶点;将上述靶点上传至DAVID 6.8数据库进行KEGG通路和GO生物过程富集分析,利用Cytoscape 3.2.1构建成分-靶点-通路等多层次网络图,分析预测关键药物发挥药理作用主要成分、靶点以及重要的信号通路。

2 结果及分析 2.1 单味中药使用情况

最终从筛选的273篇文献资料中,纳入符合数据筛选标准的文献102篇,共102首中药组方,含中药110味,累积频率965次,前20味中药,累计频次562次,占总频率的53.20%。使用频次最高的前3位中药品种分别是炙甘草(49次,48.04%)、酸枣仁(43次,42.16%)、丹参(42次,41.18%)结果见表 1

表 1 高频中药(频次前20)统计分析 Tab. 1 Statistical analysis of high frequency traditional Chinese medicine(top 20 frequencies)
2.2 高频中药性味统计

参照《中国药典》2015年版和《中药学》标准分类,将20味高频中药的性味进行规范的分类统计。高频中药的药性统计最高者为温(6次,30.00%);五味统计最高者为甘(13次,43.33%)。结果见图 1

图 1 高频中药性味统计分析 Fig. 1 Statistical analysis of high frequency Chinese medicine flavor
2.3 高频中药归经统计

依据《中国药典》2015年版标准进行性味归经的统计校对, 累计统计频率为64次。高频中药归经统计最高者为心经(14次, 22.88%)结果见图 2

图 2 高频中药归经统计分析 Fig. 2 Statistical analysis of meridian attribution of high frequency traditional Chinese medicine
2.4 高频中药功效统计

以《中药学》为标准,对高频中药的功效进行统计分析,共有9类:使用最多的为补虚药(7次,35%),结果见图 3

图 3 高频中药功效统计分析 Fig. 3 Statistical analysis of efficacy of high frequency traditional Chinese medicine
2.5 高频中药关联规则分析

使用SPSS Clementine 12数据挖掘软件对所选择的高频中药(频次前20)进行关联规则分析,使用Apriori建模进一步统计分析不同的中药之间关联配伍关系[9-10]。将支持度设置为15%,置信度设置为80%,最大前项数设置为5,提升≥1等条件,挖掘高频中药中的潜在药物组合,通过分析,共获得核心药物组合6组。具体结果见表 2。高频中药之间的关联性分析的网络化展示见图 4

表 2 高频中药关联规则统计分析 Tab. 2 Statistical analysis of association rules of high frequency traditional Chinese medicine
图 4 高频中药关联规则的网络化展示 Fig. 4 Network display of high frequency association rules of traditional Chinese medicine

数据里中药之间关联规则的支持度和置信度越高,说明这两种或几种药物的联系越大越紧密,这种药物联系的核心组合,能直接反映出中药治疗VPB的核心对药,这对分析方剂配伍规律是十分有帮助的[11-12]。笔者提取了支持度大于15%的6组组合药物,从结果可以看出,1组和4组提取出的核心药对配伍是“当归-黄芪-酸枣仁-炙甘草”,当归甘温质润,长于补血,为补血圣药,黄芪甘温,为补气要药,两者合用,气血双补,酸枣仁养心阴,益肝血而安神,配合补益心脾的炙甘草,4味药组成药对,主要针对气血亏虚之惊悸不安有很好的治疗作用;2组和3组提取出的核心药对是“麦冬-生地黄”和“生地黄-炙甘草”,生地黄清热滋阴凉血有清有补,治阴虚血热之心神烦乱,麦冬养阴生津,润肺清心,炙甘草药性微温,增强了补益心脾的作用,“生地黄-麦冬-炙甘草”3药形成药对滋心阴,清心火,益心脾,这也是“炙甘草汤”中的核心药物;5组提取出的是核心药对“生龙骨-生牡蛎”,龙骨牡蛎重镇安神,平肝镇惊,是治疗心神不宁等疾病的常用药对;6组提取出的核心药对为“酸枣仁-远志-炙甘草”酸枣仁入心肝经,能养心阴,益肝血而安神,远志性善宣泄通达,既能开心气而宁心安神,又能通肾气而强志不忘,为交通心肾,安神定志之佳品,加之补益心脾,调和药性的炙甘草。3药组成药对,主要针对心悸怔忡,失眠多梦等症状而治疗。

2.6 高频中药因子分析

药物之间的关联规则分析解释的主要是药物之间的联系疏密程度归类与展示,一定程度上能代表用药组合的使用规律,但是并不能展示整体数据中贡献最大的药物组成[13-14]。因此,笔者利用SPSS Statistics 20统计软件的因子分析工具,通过提取共性因子,将具有相同本质的变量归入一个因子,并对各变量之间的关系进行分类,找出贡献率最大的因子。在统计前完成KMO和Bartlett的球形度检验,KMO值为0.584 > 0.5,Bartlett的球形度检验的近似卡方值为532.548,显著性检验0.000,P < 0.001符合要求,可以进行因子分析。通过旋转成分矩阵分析,参考碎石图,提取了贡献率排名前6的因子,累积方差贡献率58.816%,对照6个因子中,贡献率较大的中药成分进行提取分析。高频中药旋转成分矩阵中贡献率较大的中药组成及因子方差百分比见表 3,高频中药旋转空间成分分析见图 5

表 3 因子中高度相关的中药组成 Tab. 3 Highly correlated traditional Chinese medicine composition among factors
图 5 高频中药旋转空间成分图 Fig. 5 Rotational spatial component map of high frequency traditional Chinese medicine

通过成分旋转矩阵,发现因子1高度相关的中药组成为“酸枣仁、当归、甘松、黄芪”,该组成包含了关联规则分析提取的编号1的中药组合的全部品种,并加入了甘松,甘松味辛、甘,性温,具有理气止痛、开郁醒脾的作用。因子方差百分比可知,因子1贡献率最高,可知该药物组分为整体方剂数据中采用的最广泛的治疗思路,总结为气血双补,兼养心阴,益肝血而安神,同时加入理气醒脾之甘松,使补而不滞;因子2高度相关的中药组成为“炙甘草、桂枝、生地黄”,桂枝能温经通阳,化气行水,炙甘草温阳益气养心,加入了清热滋阴凉血的生地黄,从因子2的用药组成来看,总结治疗思路为温经通阳、益气的同时,滋阴凉血也同样重要;因子3高度相关的中药组成为“生龙骨、生牡蛎”,龙骨牡蛎重镇安神,平肝镇惊,是治疗心神不宁等疾病的常用药对,其治疗思路为镇惊安神;因子4高度相关的中药组成为“麦冬、五味子”,麦冬养阴生津,润肺清心,五味子益气生津,补肾宁心,该因子治疗思路着重于滋阴,补肾宁心;因子5高度相关的中药组成为“川芎、白芍”,川芎辛温,功能活血行气,可补肝之气,为血中之气药,可疏通脏腑经络之气,调节气血运行,白芍养肝血,敛肝阴,养肝之本,因此该因子治疗思路主要为补肝气,养肝血,疏肝气,肝为心之母,此为子病求母之思路;因子6高度相关的中药组成为“人参”,人参,甘,微温,有健脾养心,安神益智,另有大补元气之功。综合6个因子的高度相关中药组成分析,治疗VPB的最普遍的中医思路主要为气血双补,兼养心阴,同时注重温经通阳益气,适当佐以补肝疏肝活血之品,同时兼入理气醒脾之药,使之补而不滞。

2.7 关键药物酸枣仁靶点预测和室性早搏相关靶点检索

数据挖掘显示,使用频次最高的前3味中药为“炙甘草、酸枣仁、丹参”,关联分析中支持度最高的药物为“当归、黄芪、酸枣仁”,因子分析中贡献度最高的药物为“酸枣仁、当归、甘松、黄芪”,通过以上数据综合分析,提取出关键药物“酸枣仁”进行网络药理学分析,在BATMAN-TCM数据库(http://bionet.ncpsb.org/batman-tcm/)中以“suan zao ren ”为关键词,“Score cutoff”设置为30,“Ad-justed P-value”设置为0.05,检索出酸枣仁主要化合物21种,分别编号S1-S21,包括BetulinicAcid,Acetyljujuboside B,Sylvestrene,Jujuboside A1,Betulin等,同时获取这些化合物对应靶点131个[15]。以“ventricular premature beats”为关键词,在Genecard数据库(http://www.genecards.org/)中检索室性早搏的相关靶点,与BATMAN-TCM数据库获得的成分预测靶点相对比并取交集,共获得酸枣仁治疗室性早搏的共同靶点59个[16]

2.8 GO功能富集和KEGG信号通路分析

采用DAVID数据库(https://david.ncifcrf.gov/)进行基因本体(GO)的生物过程富集分析,以P < 0.01对相关靶基因进行筛选,纳入前20个最重要的条目,其中包扩11个与生物过程(GOTERM_BP_DIRECT)相关条目,主要涉及腺苷酸环化酶激活肾上腺素能受体信号通路,正性血管收缩调节,心脏传导调节心率等方面;4个与细胞组分(GOTERM_CC_DIRECT)相关条目,主要涉及质膜,控钾通道复合体等;4个与分子功能(GOTERM_MF_DIRECT)相关条目,主要涉及降低钾通道活性,类固醇物质结合等条目。将数据通过http://www.bioinformatics.com.cn/平台进行可视化处理,结果见图 6。图中圆点越大,表明通路富集到的基因数目越多,圆点的颜色越红,表明P值越小。

图 6 GO功能富集分析 Fig. 6 GO function enrichment analysis

通过DAVID数据库(https://david.ncifcrf.gov/)进行京都基因和基因组百科全书(KEGG)的信号通路的富集分析,以P < 0.01对相关靶基因通路进行筛选,得到11条重要通路,包括神经活性配体-受体相互作用通路,钙信号通路,cGMP-PKG信号通路,心肌细胞肾上腺素能信号转导通路等。将数据通过http://www.bioinformatics.com.cn/平台对通路富集分析的结果进行可视化处理[17]。结果见图 7,图中圆点越大,表明通路富集到的基因数目越多,圆点的颜色越红,表明P值越小。

图 7 KEGG富集分析 Fig. 7 Enrichment analysis of KEGG
2.9 “成分-靶点-关键通路”可视化网络的构建和分析

通过Cytoscape 3.2.1软件,将“酸枣仁所含活性成分(S1-S21)”“酸枣仁治疗室性早搏的59个共同靶点”“KEGG富集分析的11条关键通路(P1-P11)”进行关联分析,构建成分-靶点-关键通路结合的多层次网络图。采用Cytoscape中的NetworkAnalyzer功能对所有的网络节点拓扑学特征进行分析,分析的特征值包括自由度、介数中心性及平均最短路径长度等数据。以度值作为主要的评价指标[18],度值越大,该节点的面积就越大,结果见图 8

图 8 成分-靶点-通路网络(圆形-活性成分,菱形-靶点,正方形-通路) Fig. 8 Network of traditional Chinese medicine-components-targets-pathways(circular-active component, diamond-target, square-pathway)

从网络图中发现,酸枣仁中对于治疗室性早搏重要的活性成分为Betulin、BetulinicAcid、Dauricine等,重要的基因靶点包括ATPA1,PTGS2,PTGS1,TYR,CYP3A4等。重要的信号通路为:神经活性配体-受体相互作用通路,钙信号通路,cGMP-PKG信号通路,cAMP信号通路。表明酸枣仁可能主要通过这些通路来发挥治疗室性早搏的作用。

3 讨论

VPB可见于伴有心脏器质性病变的患者,也可见于正常人[19]。中医药治疗VPB时注重辨证论治,从人体整体角度进行调节,探索了多种途径对该病进行治疗。VPB中医归于心悸的范畴,通过分析,其病机多错综复杂,历史上各个医家对VPB的认识也各有不同。通过对中医治疗VPB的文献进行统计分析,初步筛选探讨了其临床用药规律,以进一步挖掘潜在的治疗VPB有效的中药、药对或组方。结果表明,中医对于VPB的临床治疗以补虚药、安神药、清热药较为常用,多选择药性偏温、平、微寒,药味偏甘,归心、肝、脾经的中药。临床用药时可着重参考当归、甘松、黄芪、酸枣仁、炙甘草、桂枝、生地黄、生龙骨、生牡蛎、麦冬、五味子、川芎、白芍、人参等中药进行配伍使用。通过数据挖掘分析,提取了关键中药“酸枣仁”并通过网络药理学方法分析酸枣仁治疗VPB的潜在作用机制,结果发现酸枣仁治疗VPB涉及多通路、多靶点。涉及到的重要通路有神经活性配体-受体相互作用通路,钙信号通路,cGMP-PKG信号通路cAMP信号通路。重要的基因靶点包括ATPA1,PTGS2,PTGS1,TYR,CYP3A4等。已知的研究证实,早搏大鼠的L型钙通道(LCCs)mRNA水平和Ca2+-ATP酶基因的表达水平下降,说明早搏的发生与钙信号通路和Ca2+-ATP酶的表达关系密切[20]。此外,有研究显示酸枣仁皂苷A具有明显的钙通道阻滞作用。邓伟等[21]结果显示,酸枣仁皂苷A对L型钙通道电流(Ica-L),有明显影响,且呈现浓度依赖关系,通过抑制L型钙通道,降低心率失常的发生,缓解心率失常等心血管系统类疾病。Coben等[22]研究发现,有些抗生素是强力CYP3A4、CYP2C9抑制剂,可对心律产生明显的影响,这与网络药理学预测的关键靶点也相吻合。

综上所述,本研究采用数据挖掘结合网络药理学的相关方法对中药治疗VPB的用药规律及关键药物酸枣仁治疗VPB的潜在作用机制进行了多角度的探析,预测的通路和靶点与已知文献报道的酸枣仁治疗VPB的作用基本吻合,体现了网络药理学预测分析的准确性,同时揭示了酸枣仁多成分、多靶点、多途径作用的特点。由于数据库的局限和信息收集的不完善以及化合物之间的相互作用的复杂性,故研究预测的结果具有一定的局限性,需要构建复杂网络进行进一步实验验证。

参考文献
[1]
曹克将, 陈明龙, 江洪, 等. 室性心律失常中国专家共识[J]. 中国心脏起搏与心电生理杂志, 2016, 30(4): 283-325.
CAO K J, CHEN M L, JIANG H, et al. Consensus of Chinese experts on ventricular arrhythmia[J]. Chinese Journal of Cardiac Pacing and Electrophysiology, 2016, 30(4): 283-325.
[2]
陈文嘉, 庄逸洋, 郑升鹏, 等. 基于数据挖掘的国医大师邓铁涛治疗心悸辨证用药规律探究[J]. 辽宁中医杂志, 2016, 43(9): 1829-1832.
CHEN W J, ZHUANG Y Y, ZHENG S P, et al. Common patterns and Chinese medicinal combination rules in DENG Tietao's treatments for palpitations: a data-mining study[J]. Liaoning Journal of Traditional Chinese Medicine, 2016, 43(9): 1829-1832.
[3]
邱俊龙, 王晓丽, 许健, 等. 邹旭教授治疗老龄心悸的用药规律分析[J]. 中国中医急症, 2019, 28(3): 398-401.
QIU J L, WANG X L, XU J, et al. Analysis on Professor ZOU Xu's herbal administration experience for aging palpitation[J]. Journal of Emergency in Traditional Chinese Medicine, 2019, 28(3): 398-401.
[4]
韩天雄, 夏韵, 余飞. 颜德馨教授治疗心律失常的思路与方法[J]. 贵阳中医学院学报, 2016, 38(4): 68-70.
HAN T X, XIA Y, YU F. Professor YAN Dexin's thoughts and methods of treating arrhythmia[J]. Journal of Guiyang College of Traditional Chinese Medicine, 2016, 38(4): 68-70.
[5]
王灿灿, 韩丽华. 温阳法治疗心悸之探析[J]. 中医临床研究, 2018, 10(12): 21-23.
WANG C C, HAN L H. Discussion on the treatment of palpitation from wenyang[J]. Clinical Journal of Chinese Medicine, 2018, 10(12): 21-23. DOI:10.3969/j.issn.1674-7860.2018.12.010
[6]
马妍, 江丰, 崔远武, 等. 张伯礼治疗心悸经验[J]. 中医杂志, 2014, 55(12): 1003-1006.
MA Y, JIANG F, CUI Y W, et al. ZHANG Boli's experience in treating palpitation[J]. Journal of Traditional Chinese Medicine, 2014, 55(12): 1003-1006.
[7]
中华人民共和国药典: 第1部[M]. 北京: 中国医药科技出版社, 2015.
Pharmacopoeia of the people's republic of China: Part 1[M]. Beijing: China Medical Science Press, 2015.
[8]
高学敏. 中药学[M]. 中国中医药出版社, 2002.
GAO X M. Chinese medicine[M]. Beijing: China Press of Traditional Chinese Medicine, 2002.
[9]
王玲玲, 付桃芳, 杜俊英, 等. 基于SPSS Clementine的关联规则分析在中医药数据挖掘中的应用优势和局限[J]. 云南中医学院学报, 2016, 39(6): 98-102.
WANG L L, FU T F, DU J Y, et al. The application advantages and limitations of association rules analysis based on SPSS clementine in traditional Chinese medicine data mining[J]. Journal of Yunnan University of Traditional Chinese Medicine, 2016, 39(6): 98-102.
[10]
熊平. 数据挖掘算法与Clementine实践[M]. 北京: 清华大学出版社, 2011.
XIONG P. Data mining algorithm and Clementine practice[M]. Beijing: Tsinghua University Press, 2011.
[11]
王少卿, 樊永平, 王蕾. 基于关联规则和复杂系统熵聚类研究国医大师王绵之治疗月经病用药规律[J]. 中华中医药杂志, 2018, 33(7): 3096-3099.
WANG S Q, FAN Y P, WANG L. Master of Chinese medicine WANG Mianzhi's medication rule in prescriptions on emmeniopathy based on apriori and clustering algorithm[J]. China Journal of Traditional Chinese Medicine and Pharmacy, 2018, 33(7): 3096-3099.
[12]
曹玉洁, 陈艳琰, 唐于平, 等. 基于Apriori算法与网络关联的大黄-甘草药对数据挖掘分析[J]. 中国实验方剂学杂志, 2018, 24(14): 182-187.
CAO Y J, CHEN Y Y, TANG Y P, et al. Date mining analysis on herb pairs of Rhei Radix et rhizoma and Glycyrrhizae Radix et Rhizoma based on apriori algorithm and network association[J]. Chinese Journal of Experimental Traditional Medical Formulae, 2018, 24(14): 182-187.
[13]
赵艳青, 李青松, 项敏泓, 等. 复发性口疮内服法与外治法用药比较及主要"证素""证型"的用药规律研究[J]. 中华中医药杂志, 2018, 33(5): 2174-2183.
ZHAO Y Q, LI Q S, XIANG M H, et al. Comparison of internal and external therapies for the treatment of recurrent aphthous ulcer and study on the rule of drug use of the main 'syndrome elements' and 'syndrome type'[J]. China Journal of Traditional Chinese Medicine and Pharmacy, 2018, 33(5): 2174-2183.
[14]
张义敏, 张玉修, 王均宁. 基于方剂组成统计分析的半夏减毒增效配伍规律探讨[J]. 中华中医药学刊, 2016, 34(12): 2838-2841.
ZHANG Y M, ZHANG Y X, WANG J N. Synergia and attenuated compatibility rules of Pinellia ternata based on statistical analysis of prescription composition[J]. Chinese Archives of Traditional Chinese Medicine, 2016, 34(12): 2838-2841.
[15]
SAAFAN H, FOERSTER S, PARRA-GUILLEN Z P, et al. Utilising the EGFR interactome to identify mechanisms of drug resistance in non-small cell lung cancer-Proof of concept towards a systems pharmacology approach[J]. European Journal of Pharmaceutical Sciences, 2016, 94: 20-32.
[16]
GE Q, CHEN L, TANG M, et al. Analysis of mulberry leaf components in the treatment of diabetes using network pharmacology[J]. European Journal of Pharmacology, 2018, 833: 50-62.
[17]
谢盈彧, 刘璐, 李渊芳, 等. 基于网络药理学的四妙勇安汤在血管新生中的作用机制研究[J]. 中草药, 2018, 49(18): 4319-4330.
XIE Y Y, LIU L, LI Y F, et al. An exploration on mechanism of Simiao Yongan Decoction in angiogenesis based on network pharmacology treatment[J]. Chinese Traditional and Herbal Drugs, 2018, 49(18): 4319-4330.
[18]
ZHAO S Y, LIU Z L, WANG M L, et al. Anti-inflammatory effects of Zhishi and Zhiqiao revealed by network pharmacology integrated with molecular mechanism and metabolomics studies[J]. Phytomedicine, 2018, 50: 61-72.
[19]
毛俊, 刘兴鹏, Sunny PO. 心脏自主神经重构与心肌梗死后室性心律失常[J]. 心血管病学进展, 2011, 32(3): 305-307.
MAO J, LIU X P, PO S. Cardiac autonomic neural remodeling and ventricular arrhythmias after myocardial infarction[J]. Advances in Cardiovascular Diseases, 2011, 32(3): 305-307.
[20]
张军, 张艳, 张彦, 等. 从L型钙通道研究益气养阴复方治疗早搏的作用机制[J]. 中医药临床杂志, 2016, 28(3): 420-423.
ZHANG J, ZHANG Y, ZHANG Y, et al. Study on mechanism of L type calcium channel in the compound of supplementing qi and Nourishing yin in premature intervention[J]. Clinical Journal of Traditional Chinese Medicine, 2016, 28(3): 420-423.
[21]
邓伟, 唐其柱, 李欣, 等. 酸枣仁皂苷A对大鼠心室肌细胞L-型钙通道的影响[J]. 武汉大学学报(医学版), 2009, 30(3): 299-302.
DENG W, TANG Q Z, LI X, et al. Inhibitory effect of jujuboside A on L-type calcium currents in ventricular myocytes of rats[J]. Medical Journal of Wuhan University, 2009, 30(3): 299-302.
[22]
COHEN O, SAAR N, SWARTZON M, et al. First report of metronidazole-induced QT interval prolongation[J]. International Journal of Antimicrobial Agents, 2008, 31(2): 180-181.
Analysis of the rule of Chinese medicine in the treatment of ventricular premature beats (VPB) based on data mining and network pharmacology
XUE Jing1 , QU Jingtian1 , HAN Zhenzhen2 , SUN Yu2 , SUN Jingtong2     
1. Department of pharmacy, First Teaching Hospital of Tianjin University of Traditional Chinese Medicine, Tianjin 300381, China;
2. Department of Pharmacy, Baokang Hospital Affiliated to Tianjin University of Traditional Chinese Medicine, Tianjin 300381, China
Abstract: [Objective] To explore the characteristics and compatibility of Chinese herbal compound in the treatment of ventricular premature beats (VPB). [Methods] With CNKI as the data source, the subject keywords were"ventricular extrasystole+traditional Chinese medicine+clinical ", the full text keywords were" traditional Chinese medicine", and the title did not contain "progress".The time is from January 1, 1979 to March 1, 2020.Retrieve the relevant Chinese herbal medicine prescriptions, input all the herbs involved into excel 2010 to establish the database, and use SPSS statistics 20, SPSS Clementine12 statistical software to analyze the data.Using the BATMAN-TCM system to retrieve the compounds contained in high-frequency drugs, obtain the corresponding targets of these compounds, map and intersect with the VPB related targets in the Genecard database, analyze the KEGG pathway through the DAVID 6.8 database to obtain the important pathway of key drugs for the treatment of obesity, and use the Cycloscape 3.2.1.The software constructs "component target critical path" visual network analysis. [Results] The 102 prescriptions included in this study contained 110 Chinese herbs, with a cumulative frequency of 965 times, and the first 20 Chinese herbs, with a cumulative frequency of 562 times, accounting for 53.2% of the total frequency.The top three most frequently used were Glycyrrhizae (49 times, 48.04%), Semen Ziziphi spinosae (43 times, 42.16%) and Salvia miltiorrhiza Bunge (42 times, 41.18%).Association rule analysis was used to get 6 Chinese medicine combinations with high support, and factor analysis produced 6 common factors.21 active components of Semen Ziziphi spinosae were found, 59 core targets and 11 pathways related to VPB were found by network pharmacology. [Conclusion] Through data analysis, it is found that traditional Chinese medicine is more commonly used in the clinical treatment of VPB, such as tonic drugs, tranquilizing drugs and heat clearing drugs, and most of them are traditional Chinese medicine which has the properties of warming, calming, mild cold, sweet taste, heart returning, liver and spleen channels.In clinical use, we can mainly refer to Semen Ziziphi spinosae, Angelica sinensis, Nardostachys chinensis Batal, Astragalus membranaceus, Glycyrrhizae, Ramulus Cinnamomi, Rehmannia glutinosa Libosch, OsDraconis, Concha Ostreae, Ophiopogon japonicus, Schisandra chinensis, Ligusticum chuanxiong Hort, Radix Paeoniae Alba, Panax ginseng and other traditional Chinese medicine for compatibility.We preliminarily verified and predicted the core target and important pathway of Semen Ziziphi spinosae for VPB treatment, and provided reference for in-depth study of its mechanism.
Key words: ventricular premature beats    traditional Chinese medicine    data mining    network pharmacology    law analysis