基于数据挖掘网络药理学及临床观察探究贾 [复制链接]

摘要：目的结合数据挖掘、网络药理学、分子对接方法及临床观察，探究贾跃进临床治疗女性失眠症的用药规律及作用机制。方法首先使用古今医案云平台V2.2.3将贾跃进门诊近5年中药治疗女性失眠症的处方进行药物频次、属性统计以及关联、聚类和复杂网络分析，得出核心组方；再将核心组方运用TCMSP、GEO等数据库得到各药物有效成分的靶点与疾病靶点并取交集，利用CytoscapeV3.8.0及其插件构建疾病-药物-成分-靶点、蛋白互作网络，并进行基因本体论（geneontology，GO）和京都基因与基因组百科全书（Kyotoencyclopediaofgenesandgenomes，KEGG）通路富集分析；然后通过分析以上所得的2个网络获取其关键成分及靶点并进行分子对接；最终以核心组方为治疗组，网络药理学预测结果为主要观察指标进行临床研究验证。结果数据挖掘纳入验案例，方剂首，涉及中药味；药性以平、温、微寒为多；药味以甘、辛、苦为主；药物主要归肝、脾经；通过药物关联、聚类和复杂网络分析综合得出11味药物的核心组方。网络药理学共获得核心组方有效成分65种，相关靶点个，交集靶点个，关键成分有β-谷甾醇和豆甾醇等，关键靶点聚类有神经递质类及细胞因子类等。GO功能富集分析结果显示，可能与代谢过程、免疫系统过程和信号过程有关；KEGG通路富集分析结果显示，可能与神经活性配体-受体相互作用、血清素能突触、多巴胺能突触等有关；分子对接较好的靶点为蛋白激酶Bα（proteinkinaseBα，AKT1）、5-羟色胺受体1A（5-hydroxytryptaminereceptor1A，HTR1A）、多巴胺受体D2（dopaminereceptorD2，DRD2）。临床研究显示，核心组方治疗组患者血清中褪黑素（melatonin，MT）水平显著升高，5-羟色胺（5-hydroxytryptamine，5-HT）、多巴胺（dopamine，DA）水平显著降低（P＜0.05）。结论贾跃进治疗女性失眠症的核心组方包括茯苓、白术、合欢皮、柴胡、香附、白芍、龙骨、当归、牡丹皮、栀子、白茅根，其主要通过多成分、多靶点调控MT、5-HT、DA而实现，对临床相关研究及对女性失眠症的治疗有一定指导意义。

失眠症指以入睡困难、睡眠维持困难或早醒，并伴有疲劳、注意力不足和情绪不稳定等日间功能障碍为主症的疾病[1]，女性患病率约是男性的1.5倍[2]，通常被认为是高血压、糖尿病、抑郁症、焦虑症等躯体或精神疾病的危险因素[3-4]，故对女性群体有较大的危害。目前现代医学虽然对失眠症的相关研究取得了长足进展，但仍无公认的疾病模型，尽管有多种可选择的治疗药物，但并无理想药物[5-6]。而中医学早在《内经》就已经以“天人相应”为基础构建了“营卫”“阴阳”睡眠节律模型，并提出了失眠总病机，且中医药擅长治病求本，临床应用广泛，具有安全、有效性，因此通过挖掘名老中医治疗女性失眠症的经验方则有利于中医思想的传承及相关药物的研发，从而缓解患者痛苦、指导临床应用。

贾跃进是第六批全国老中医药专家学术经验继承工作指导老师，有40余年的行医经验，在遍阅中医经典、熟稔各种方药的基础上，结合临床形成了独到的诊疗思路。以中医《内经》理论为基础，从“气”的角度分析疾病，再以方对证、药对症的思路辨治，获效甚众。贾跃进临床尤擅治疗失眠症、抑郁症、焦虑症在内的多种精神障碍以及调治亚健康状态。鉴于当前大数据环境下中医药临床数据具有的“全数据”“知识密集型数据”的特点[7]，采用第四科研范式，即以数据驱动并将理论、计算机仿真和实验归一的“数据密集型科学”的研究模式[7]，将有利于更好地把握研究探索的方向，发现并解决新的问题，本研究结合贾跃进的临床理论，采用数据挖掘、网络药理学、分子对接和临床验证的方法，从中医数据的整体性、混杂性和相关联系性出发，全面探索贾跃进治疗女性失眠症的机制。

1数据挖掘方法与结果

1.1资料与方法

1.1.1数据收集收集山医院贾跃进门诊自年1月1日至年1月1日诊断为失眠症的女性患者的资料及完善的病案。

1.1.2纳入和排除标准

（1）纳入标准：根据《中国精神障碍分类与诊断标准》（CCMD-3）[8]明确诊断为失眠症；年龄在20～65岁的女性患者；单纯口服中药颗粒剂治疗；结合比较治疗前后匹兹堡及SPIEGEL量表评分及随访判断为有效；从治疗前后进行的基本检查（血、尿常规、肝肾功能、心电图等）判断具有安全性。

（2）排除标准：诊断和效果不明确、资料缺失或安全性存疑的病案；合并影响判断的其他严重躯体及精神病者；干预方式非单纯中药或使用中药其他剂型或使用中药方式非口服者。

1.1.3数据标准化、录入与挖掘通过纳入和排除标准进行筛选，以双人双录入法将筛选出的病案录入至古今医案云平台V2.2.3提供的模板中，确保准确后使用其数据标准化模块结合《中国药典》年版[9]与《中药学》第7版[10]规范中药名称。获得标准化数据库后，使用数据挖掘模块分别对其进行药物频次、性味归经统计[9-10]，并通过关联分析、聚类分析和复杂网络分析获得核心组方。

1.2数据挖掘结果

1.2.1药物频次及属性统计共收集病案例，按纳入、排除标准筛选，获得验案例。例验案包含方剂首，涉及中药味，其中药物应用百分比大于20%的有19味，见表1。将首方剂中味药物进行性味归经分析，结果以雷达图（图1）表示，其中中药药性分布为平、温、微寒、寒；药味为甘、辛、苦；药物归经为肝、脾、心、肺、肾、胃经。

1.2.2药物关联分析、聚类分析、复杂网络分析及核心组方确定将首处方利用云平台数据分析，设置置信度＞0.90，支持度＞0.35，得到20组药物关联分析结果，见表2；将药物应用频率＞20%的19味中药进行聚类分析，同时设置距离类型为欧氏距离，聚类方法为最长距离法，可将其分为C1类：川楝子、枳实、莱菔子；C2类：麦芽、远志、*参、半夏、陈皮；C3类：香附、白术、茯苓、合欢皮；C4类：龙骨、栀子、白茅根、柴胡、牡丹皮、白芍、当归4个聚类处方，见图2；最后设置节点度不小于，进行中药-中药复杂网络分析，得到1个由11味中药组成的核心组方，见图3。综合以上并结合药物频次得出核心组方为茯苓、白术、合欢皮、柴胡、香附、白芍、龙骨、当归、牡丹皮、栀子、白茅根。

2网络药理学方法与结果

2.1资料与方法

2.1.1核心组方中药物有效成分及对应靶点筛选利用TCMSP数据库（