研究背景：网络药理学强调从网络层次来理解复杂疾病和制定干预方法。中药具有多成分、多靶点及系统调节的特点,亦要求在系统论指导下进行靶点网络的还原分析。生物体是由大量结构和功能不同的元件组成的复杂系统,诸元件选择性和非线性的相互作用涌现出复杂的功能和行为。从生物网络平衡理论的勒夏列特原理来讲,当生物系统为稳态和平衡态时,机体处于健康状态。当生物系统(生物网络)的平衡(健康状态)被扰乱或破坏时,则会导致病理或疾病状态。而药物对疾病的治疗作用可以看作生物网络对外部扰动信息的应答,即有效药物的作用在于重建生物系统的平衡或减轻平衡被破坏的程度。识别模块结构是理解生物系统的关键因素之一,将网络抽象成层次化的模块,既可以降低整个网络分析的复杂性,又能够彰显模块节点行为的区域化特征。模块药理学认为复杂疾病的治疗需要模块化设计,基于模块层次对复杂生物网络进行分析、理解,用以度量药物干预网络的特征变化,最终有效地揭示复杂药理机制。越来越多的证据表明模块在发展过程中具有高度的保守性和可变性。而模块的重构是模块为了更好的适应外界环境所作出的较大的调整或重新配置(如分裂与合并),是基于模块整体的改变。在模块重构过程中既可保留不变的、原始的节点和边,又可引入新的节点、新的边,即模块的重构展示着生物系统动态平衡中不变性(对称性)与变化性(非对称)的共存。在药物重建生物系统的平衡或减轻平衡被破坏的程度过程中,网络模块的重构可以看作是这种网络状态转换的承载体,是模块层次的一种非对称的动态转换。因此,从模块层次精确衡量不仅对解构药物靶点网络的精准结构演变具有十分重要的意义,而且深入理解模块的非对称性重构将有助于我们从生成论的角度更深层诠释有效的药理形成机制。研究目的：本研究通过对清开灵不同有效组分干预后网络模块重构的追踪,采用定量分析法量化比较模块重构程度及其功能变化,进而挖掘非对称性有效重构模块中所蕴含的生成元,探索不同有效组分的药理形成机制的异同以及模块生成元作为脑缺血网络或模块靶标的潜在可能性。研究方法：本研究基于模块药理学理念,在蛋白质网络构建及模块识别的基础上,对精制清开灵已知有效组分：黄芩苷(BA)、栀子苷(JA)、胆酸(UA)、黄芩苷+栀子苷(BJ,BA+JA,加和效应)、栀子苷+胆酸(JU,JA+UA,协同效应)干预前后脑缺血小鼠模型网络重构模块进行追踪。应用共线性诊断筛选不同维度模块拓扑参数度量指标,采用分层分析法确定各参数的权值,在此基础上,基于欧氏距离,提出多维数组K值模型用以整合不同维度拓扑参数,构建量化模块重构的整体综合指标,定量分析清开灵不同组分药物干预前后模块整体构象的改变程度。同时,将无效药物组(珍珠母CM)的最大K值作为阈值,剔除不对药物扰动产生贡献性响应的随机波动模块,最终保留各组与模型组(Vehicle)比较反映纯的药理机制的有效重构模块对,再应用DAVID数据库对各组中有效重构模块对进行GO功能(Biological Process)富集和KEGG通路富集分析。接下来,根据有效重构模块对,引入“非对称(对称破缺)”的理念,分析模块在重构过程中的对称与非对称,并由此挖掘模块重构过程中的保守元与生成元。最后,用模块生成元Egf-Vegfa-Fn1在CTD数据库关联的化合物匹立尼酸对MCAO模型大鼠进行干预,验证以非对称重构模块生成元模式探索脑缺血网络或是模块靶标的有效性。研究结果：1.构建模块整体综合评价指标,不同维度的参数确定为：平均邻居节点、网络密度、网络中心性、平均介数中心性、网络平均权重、最短路径、节点及边。其中平均邻居节点、网络密度、网络中心性、平均介数中心性、网络平均权重、最短路径、节点(重叠与非重叠)及边(重叠与非重叠)相对应的权重值依次为：0.12、0.22、0.4、0.07、0.07、0.02、0.03、0.01、0.03、0.01。2.采用MCODE方法,对Vehicle组、CM组、BA组、UA组、JA组、BJ组、JU组进行网络模块识别,识别出相应模块数分别为：30、12、24、24、19、19、29。在模块识别的基础上,不同药物组分别与Vehicle组进行模块重构匹配,即：Vehicle-CM、Vehicle-BA、Vehicle-JA、ehicle-UA、Vehicle-BJ、Vehicle-JU,模块重构对分别为：14、22、28、25、21、25个。3.应用多维数组K值模型对各组重构模块对进行定量比较,其中Vehicle-CM重构模块对K值最大为0.465,最小为0.168；Vehicle-BA重构模块对K值最大为0.573,最小为0.124；Vehicle-JA重构模块对K值最大为0.562,最小为0.160; Vehicle-UA重构模块对K值最大为0.584,最小为0.167；Vehicle-BJ重构模块对K值最大为0.587,最小为0.180；Vehicle-JU重构模块对K值最大为0.556,最小为0.137。同时,多元逐步回归分析发现网络中心性为10个变量中对K值影响最大的参数,因此确定网络中心性为K值的序参量。4.有效重构模块的确定：将CM组最大K值0.456做为阈值,剔除随机波动,最终获得各组有效重构模块对共计24对(>0.465的K值)。按照黄金分割法,以统计分布61.8%为分割点,将K值<0.55的模块对定义为变构。各组最终有效重构模块对的分布为：Vehicle组与BA组5对；Vehicle组与JA组8对；Vehicle组与UA组5对；Vehicle组与BJ组、JU组各3对。5.有效重构模块功能富集分析：模型组与药物组重构模块对GO功能富集总体与脑缺血相关。Vehicle、BA、JA、UA、BJ、JU六组重构模块对分别富集出454、323、246、273、117、149个生物学功能,15、2、10、3、12、8条KEGG通路,六组中功能与通路既有重叠也有差异部分。6.单一组分之间(Vehicle、BA、JA、UA)比较,无保守元；BA4-JA2存在一个多元(三个节点以上)生成元(Vegfa-Fn1-Egf),双元生成元为4个、单元生成元为8个；加和组与单一组分之间(Vehicle、BA、JA、BJ)比较,无保守元；BA1-BJ2存在一个多元生成元(I110-Ifng-Socs3-I123a),双元生成元为2个、单元生成元为3个。协同组与单一组分之间(Vehicle、JA、UA、JU)共发现三个保守元,分别为M12-JA19-JU15的Pten、M12-JA9-JU15的Trp53、M20-JA10-JU13的Pcna; UA14-JU13存在一个单元生成元。这些生成元及保守元节点经现有文献验证大部分与脑缺血相关。7.将模块生成元I110-Ifng-Socs3-I123a和Egf-Vegfa-Fn1的节点与CTD数据库化合物相匹配,I110-Ifng-Socs3-I123a4个节点生成元共同关联的化合物为8个；Egf-Vegfa-Fn1 3个节点生成元共同关联的化合物为10个。8.模块生成元Egf-Vegfa-Fn1关联药物匹立尼酸干预大鼠急性局灶性脑缺血再灌注实验结果显示：脑缺血再灌注后24h,脑冠状切片可见损伤侧组织出现明显的苍白梗死灶,给予匹立尼酸5mg/kg可以明显减小脑梗死体积(P<0.01)。结论1.多维数组K值模型既考虑模块的整体性、全局性变化又兼顾模块特征向量的多维特性差异,能够定量分析不同组分与模型组的模块重构程度。2.因剔除了随机波动的影响,有效重构模块对更能揭示组分作用于靶点网络所涉及的纯的药理形成机制。BA、JA、UA与Vehicle组的模块重构过程中对代谢的调控更为明显；BJ组重构模块对JAK-STAT级联的集中式调控策略可能表征其加和效应；JU组重构模块多种功能的发散式调控策略可能表征其协同效应。3.将非对称概念引入模块的重构有助于我们从生成论的哲学理念更深入诠释不同有效组分的药理形成机制。挖掘非对称重构模块的生成元可望成为脑缺血网络或是模块靶标确定的有效路径。