系統性硬化癥（SSc）是以局限性或彌漫性皮膚增厚和纖維化為主要病理特征的結締組織病，除影響皮膚外，也可影響內臟，包括心、肺和消化道等器官。當歸四逆湯（DGSNT）是仲景桂枝湯化裁而來，記載于《傷寒雜病論》，主治陽氣不足，血虛寒凝，經脈痹阻，能溫經散寒，養血通脈，是治療痹證名方之一。本研究擬通過GEO結合網絡藥理學和分子對接手段探究當歸四逆湯治療SSc的機制。
方法與結果
構建DGSNT的活性成分-藥物靶向網絡
以口服生物利用度(OB)≥20%，藥物相似性(DL)≥0.10為條件在TCMSP中共獲得DGSNT的主要活性成分223個。從PubChem下載活性成分SDF文件并將其導入到 Swiss Target Prediction中，篩選得到活性成分靶點7516個。利用Strawberry Perl構建“活性成分-藥物靶點”網絡，并將其結果導入Cytoscape3.9.0中進行可視化處理。
SSc相關靶點的獲得和分析
利用GEO數據庫中的GEO芯片GSE34663和GSE117928獲得699個SSc相關的差異表達基因。其中有486個上調基因，213個下調基因。此外，整合了來自Gene Cards、DisGeNET、TTD和Malacard數據庫的疾病靶點，并將它們與GEO微陣列結果取并集刪除重復項，得到1629個疾病靶點。
構建DGSNT治療SSc的藥物靶點-疾病靶點網絡
利用R語言對DGSNT活性成分靶點與SSc靶點進行映射取交集，并繪制成Venn圖，結果顯示它們相交的靶基因總數為178個。
PPI網絡的構建與可視化分析
將交集基因導入string數據庫，物種選擇為“Homo species”，構建PPI網絡并獲得相關tsv文件，將該文件導入Cytoscape3.9.0對PPI網絡進行可視化處理獲得176個節點和2025條邊。將獲得的節點和邊導入Rmur4.0.2篩選大于BC、DC和CC中值的靶點，獲得16個節點和149條邊并導入Cytoscape3.9.0構建核心靶點網絡。利用cytoCNA插件計算可視化網絡拓撲指標BC,DC和CC值。
GO和KEGG富集分析
利用rmu4.0.2，設定P <0.05，對178個交集靶點進行GO富集分析，共獲得2814個GO生物功能條目。其中包括2537個與SSc相關的生化過程(BP)的條目，涉及MAP激酶活性調控、MAP激酶活性正調控、脂多糖的響應、細胞因子的正向調節、細胞鈣離子穩態等；94個與SSc相關的細胞組分（CC）條目，涉及膜筏、細胞-底質連接、質膜外側、膜微域等；183個與SSc相關的分子功能（MF）條目，涉及蛋白絲氨酸/蘇氨酸激酶活性、蛋白絲氨酸、蘇氨酸激酶活性和細胞因子受體結合等。根據P值列出了前30個生物功能條目。對交集靶點進行KEGG富集分析，獲得157條與SSc相關的通路，涉及MAPK信號通路、PI3K-Akt信號通路、脂質和動脈粥樣硬化、EGFR酪氨酸激酶抑制劑耐藥性、Rap1信號通路、Ras信號通路等。根據其P值列出了前30個相關通路。
分子對接
根據文獻綜述和當前研究熱點，獲得11個核心靶點，包括STAT3、VEGFA、TNF、MAPK8、MAPK14、PTPN11、IL1β、JAK1、JAK2、NFκB1和CASP3，并在PDB(https://www.rcsb.org/)蛋白質數據庫下載了這些核心靶點的對應的配體晶體結構：5E1E（STAT3）、1FLT（VEGFA）、6M95（TNF）、4AWI（MAPK8）、3HUC（MAPK14）、3O5X（PTPN11）、1T4O（IL1β）、6M88（JAK1）、4O7E（JAK2）、1NFI（NFkB1）和3KJF（CASP3）利用AutoDockTools1.5.6對核心靶點與配體進行分子對接。結合能（Affnity）越小代表靶點與受體的結合力越強。
結論
當歸四逆湯可能成為系統性硬化癥的一種新治療方法，但DGSNT治療SSc仍局限于實驗室研究，SSc的臨床療效有待進一步探索。由于中草藥成分復雜，治療靶點及通路涉及較多。本研究通過現有數據得出了DGSNT治療SSc可能的靶點和通路，有望為后續的研究提供理論基礎。
Medical Data Mining (ISSN 2624-1587) 是TMR Publishing Group旗下的開放獲取英文學術期刊。在生物信息學高速發展的背景下，大數據與人工智能成為現代生命科學與自然科學兩大學科融合的具體體現，也是自然科學研究從“還原與微觀”走向“綜合與宏觀”的重要工具與方法。Medical Data Mining 旨在通過對大數據與人工智能數據挖掘，發現生命與醫學的科學規律，本刊歡迎以下領域的文章。
