基于數據挖掘和網絡藥理學的肥胖用藥規律及潛在作用分析

呂任堯，鄭曙琴

（1.遼寧中醫藥大學，沈陽 110847；2.遼寧中醫藥大學附屬醫院，沈陽 110032）

肥胖指體內脂肪過多積累和（或）分布異常，常伴體質量增加，是由多種因素互相作用所引起的慢性代謝性疾病[1]。中醫學中，本病最早記載于《黃帝內經》，屬中醫“肥滿”“膏人”“脂人”“肥人”等范疇，常伴有頭暈乏力、神疲懶言、少動氣短等癥狀。研究顯示[2]，在過去30 a 中，全球肥胖率急劇增加，成年肥胖患者約有5 億之多，全世界兒童和青少年患病率也在逐漸增加。此外長期肥胖還可增加中風、高血壓、肝膽疾病、2 型糖尿病、冠心病、腦血管病、及某些腫瘤等相關疾病的風險，嚴重影響人類的生活質量與身體健康[3]。因此，對于肥胖的研究與治療具有非常重要的臨床意義。然而目前肥胖的西醫治療仍充滿波折，如肥胖藥物治療的最緊迫的未解答的問題是它們在長期內的表現如何，加之西醫減肥藥物缺乏大眾的廣泛接受，人們對于西醫減肥藥物安全性的擔憂仍普遍存在[4]。相比于西藥治療肥胖的種種困難，中醫在整體觀念的指導下，運用陰陽、五行、臟象、經絡等學說對肥胖患者進行辨證論治的個體化治療，為臨床治療肥胖做出了重要的貢獻。今為求更加系統，更加直接的總結中醫藥對于肥胖治療的用藥規律以及高頻的藥物作用機制，本文通過數據挖掘的方式對中藥治療肥胖用藥規律進行總結，并對高頻藥物進行進行KEGG 通路分析，通過網絡分析篩選出關鍵靶點，探索其發揮藥效的可能機制，為臨床中藥治療肥胖提供依據。

1 資料與方法

1.1 數據來源及檢索方式 以計算機與人工相結合的方式進行檢索，應用計算機以“中醫藥”或“中藥”或“中醫”與“肥胖”“肥滿”“脂人”“肥人”“膏人”“單純性肥胖”“肥胖癥”等關鍵詞與自由詞相組合檢索中國知識資源總庫（CNKI）、萬方數據資源系統、中國生物醫學文獻數據庫（CBMdisc）、中文科技期刊全文數據庫（VIP）關于中醫藥治療肥胖的相關文獻，檢索時間：1999 年1 月—2018 年12 月。將檢索到的文獻逐篇下載，以人工篩查的方式收錄其中符合本文排除與納入標準的期刊文獻共143 篇及其中符合排除與納入標準的中藥組方148 首。

1.2 納入標準 1）文獻第一診斷均為單純性肥胖。2）文獻中所使用的中藥組方具有明確的藥物組成。3）文獻中認定此組方服之結局良好。4）收錄組方均為中醫內服湯藥。5）多篇文獻中同一組方只納入1 篇，藥物組成僅選取主方（基本方）。

1.3 排除標準 1）非單純中藥治療文獻。2）動物實驗、文獻綜述、文獻評價、Meta 分析等非臨床試驗。3）同一數據在不同期刊中重復報道的文獻。4）治療結局不明確文獻。5）組方藥物不完整文獻。

1.4 數據標準化與錄入

1.4.1 數據標準化 參照人民衛生出版社第3 版《中藥學》及2015 版《中華人民共和國藥典》對組方中的中藥名稱進行規范，如“仙靈脾”統一規范為“淫羊藿”；“生地黃”統一規范為“地黃”。

1.4.2 數據錄入 根據納入與排除標準對收錄文獻進行嚴格篩選，提取符合標準中藥組方的藥物信息，錄入Microsoft Excel 2016 軟件，以無序分類變量二項分類的方式，雙人錄入，橫坐標為藥物名稱，縱坐標為組方ID，將單個組方中出現的藥物在相應單元格記為“1”，否則記為“0”，建立“中藥治療肥胖數據庫”。

1.5 統計方法 利用Excel 2016 對整理的方劑進行數據錄入。關聯規則分析采用Apriori 算法，最低支持度設為0.1，最低置信度設為0.8，分別取支持度、置信度、提升度排序前6 的規則進行整理。聚類分析采用K-means 和層次聚類的方法，其中聚類數目通過Gap 統計量確定，距離度量采用歐式距離。主成分分析通過變量的協方差矩陣找出方差最大化的新線性組合，作為原始變量的主成分以最大限度解釋原始變量，分別取貢獻度最大的前20 個主成分作為用藥的主要規律進行分析。本研究所有數據挖掘分析基于R3.5.2。

1.6 網絡藥理學分析 使用BATMAN-TCM 系統預測高頻藥物所含化學成分，并獲取對應靶點；把這些靶點與Genecard 數據庫中檢索到的肥胖相關靶點相映射并取交集，將其作為治療肥胖的潛在作用靶點；將上述靶點導入STRING 11.0 數據庫中，構建PPI 網絡，對其進行網絡拓撲分析，篩選出高頻藥物治療肥胖病的核心靶點，并上傳至DAVID 6.8數據庫進行KEGG 通路分析，通過數據庫檢索、文獻驗證，獲取高頻藥物治療肥胖病的重要通路。

2 結果

2.1 中藥頻次統計 在錄入的148 個中藥組方中，共涉及中藥172 味。結果顯示，使用頻率≥10%的藥物共21 種，依次為茯苓（56.75%），澤瀉（50%），白術（43.93%），山楂（39.86%），半夏（27.03%），大黃（27.03%），決明子（26.35%），甘草（25.68%），荷葉（25%），陳皮（24.32%），蒼術（23.65%），黃芪（21.62%），枳實（16.89%），丹參（16.89%），厚樸（14.86%），薏苡仁（13.51%），山藥（12.84%），柴胡（12.16%），黨參（11.49%），桂枝（10.81%），防己（10.81%）。見圖1。

圖1 中藥治療肥胖主要藥物統計

2.2 關聯規則分析 關聯規則結果顯示，以支持度由高到低排序的藥對依次為白術與茯苓，半夏與茯苓，陳皮與茯苓，蒼術與茯苓，澤瀉、白術與茯苓，山楂、白術與茯苓，見表1。以置信度由高到低排序的藥對依次為甘草、半夏與茯苓，半夏、白術與茯苓，半夏、陳皮與茯苓，半夏、澤瀉與茯苓，蒼術、白術與茯苓，陳皮、白術與茯苓，見表2。以提升度由高到低序的藥對依次為陳皮、茯苓與半夏，澤瀉、丹參與山楂，丹參與山楂，茯苓、澤瀉、丹參與白術，甘草、半夏與茯苓，半夏、白術與茯苓，見表3。關聯規則分析網絡化展示見圖2。

表1 中藥治療肥胖的藥物關聯度分析（支持度）

2.3 聚類分析 采用K-means 和層次聚類的方法，其中聚類數目通過Gap 統計量確定，距離度量采用歐式距離。對所有藥物進行聚類分析，兩種聚類方法得出結果幾乎一致，結果見圖3。其中以層次聚類的方法對藥物進行聚類，形成2 個聚類藥物群：第1 組包含的藥物有：澤瀉、茯苓、白術、山楂、荷葉、丹參、半夏、陳皮、蒼術、厚樸、薏苡仁、黃芪、甘草。第2 組藥物較為繁雜，其又分為兩組，其中有代表性的一組主要包含的藥物有：大黃、枳實、柴胡、白芍、生姜、大棗、黃芩、黃連。

表2 中藥治療肥胖的藥物關聯度分析（置信度）

表3 中藥治療肥胖的藥物關聯度分析（提升度）

圖2 中藥治療肥胖關聯規則分析網絡化展示

圖3 中藥治療肥胖聚類分析結果展示圖

2.4 主成分分析 前4 個維度主成分貢獻圖如圖4，分別取主成分中高于評價貢獻的中藥變量作為此維度的代表用藥，其中維度1 方差貢獻率為8.5%，主要包含的藥物有：茯苓、白術、大黃、蒼術、半夏、澤瀉、等維度2 方差貢獻率為7%，主要包含的藥物有：山楂、決明子、荷葉、澤瀉、丹參等，維度3 方差貢獻率為5.2%，主要包含的藥物有：半夏、陳皮、黃芪、山楂、枳實、防己、厚樸等，維度4 方差貢獻率為4.5%，主要包含的藥物有：白術、澤瀉、甘草、蒼術、山楂、丹參、決明子等。前4 個維度中藥和方劑間關系的雙標圖見圖5。

2.5 基于BATMAN-TCM 分析高頻藥物茯苓治療肥胖的潛在作用機制

2.5.1 高頻藥物茯苓靶點預測 在BATMAN-TCM數據庫（http：//bionet.ncpsb.org/batman-tcm/）中以“Fu Ling”為關鍵詞，“Score cutoff”設置為30，“Adjusted P-value”設置為0.05，檢索出茯苓中所含化合物17 種，包括Choline、Dehydroeburicoicacid、Ergosterol、Pachymic Acid、Beta -Amyrin Acetate、P -Hydroxybenzyl Alcohol 等，同時獲取這些化合物對應靶點230 個。

2.5.2 肥胖相關靶點檢索 以“obesity”為關鍵詞，在Genecard 數據庫（http：//www.genecards.org/）中檢索obesity 相關靶點，與BATMAN-TCM 數據庫預測靶點相映射并取交集，共獲得茯苓治療治療肥胖病的靶點90 個。

圖4 中藥治療肥胖主成分分析前4 個維度主成分貢獻圖

圖5 中藥治療肥胖主成分分析前4 個維度中藥和方劑間關系的雙標圖

2.5.3 蛋白質-蛋白質相互作用（PPI）網絡構建 將上述獲得的90 個潛在作用靶點導入STRING 11.0數據庫（https：//string-db.org/），限定物種為人，設定最高置信度0.9，獲得蛋白質與蛋白質相互作用關系，結果存儲為TSV 格式，保留文件中node 1 和node 2 信息并導入Cytoscape 3.6.0 軟件，對其進行網絡拓撲分析，篩選網絡中連接度Degree 排名前10的靶點，作為茯苓治療肥胖病的核心靶點。見圖6，其中節點的大小表示Degree 值的大小，節點大小越大，代表Degree 值越大。邊的粗細表示Combine score，邊越粗Combine score 值越大。

2.5.4 KEGG 通路分析 將獲得的靶點上傳至DAVID 6.8（https：//david.ncifcrf.gov/summary.jsp）數據庫中，保留P＜0.05 的通路，將這些通路與CTD 數據庫（http：//ctdbase.org/）中obesity 相關通路進行匹配，并檢索文獻進行驗證，選取與肥胖病關系最密切的通路作為茯苓治療肥胖病的重要通路。KEGG通路分析結果得到32 條信號通路，其中與肥胖病關系密切的通路20 條。見表4。

3 討論

圖6 蛋白質-蛋白質相互作用（PPI）圖

表4 KEGG 代謝通路

歷代醫籍很早就對肥胖這一病癥的病因病機及治療進行了詳細的論述。《素問·通評虛實論》曰：“肥貴人，則膏粱之疾也。”將引起肥胖的主要原因歸之于飲食不節。《黃帝內經》不單從病因方面對肥胖進行了討論，并且對肥胖的病位給與了明確的論述，指出肝、脾、腎三臟與肥胖的發生息息相關[5]。隨著中醫學的發展，眾多名家都對肥胖的病機提出詳細而深入的理論創新。包括元·朱震亨在《丹溪心法》《格致余論》，清代喻昌在《醫門法律》以及張聿青在《張聿青醫案》中對于肥胖的論述，3 位醫家均認為“肥人多痰多濕”，將肥胖的關鍵病機歸之于痰濕，總結了對于肥胖病人應以健脾利濕化痰為治療大法[6]。誠如清·陳世鐸于《石室秘錄》中所言：“肥人多痰，乃氣虛也。虛則氣不能運行，故痰生之”，并且進一步論述了治療肥胖需補脾胃之氣，并補命門之火，指出氣虛乃肥胖之病機，氣足則痰自消矣。清·王清任所著的《醫林改錯》中載：“元氣既虛，必不能達于血管，血管無氣，必停留而淤”，闡明氣虛血瘀亦為肥胖之重要病機。國醫大師王琦[7]在前人經驗指導下結合臨床實踐，強調肥胖應從“氣虛”“痰濕”“血瘀”3 個方面綜合調治，為中藥治療肥胖提供了堅實的理論依據。

通過對中醫藥治療肥胖組方的用藥頻次分析發現，使用頻率較高的藥物有茯苓、澤瀉、白術、山楂、半夏、大黃、決明子、甘草、荷葉、陳皮、蒼術、黃芪、枳實、丹參、厚樸、薏苡仁等。以上藥物中茯苓、白術、陳皮、蒼術、黃芪、薏苡仁，均為燥濕健脾之常用藥。半夏、陳皮、厚樸均為燥濕化痰之要藥。澤瀉利水滲濕、泄熱、化濁降脂，甘草既可燥濕又可化痰，枳實兼具消積與化痰之功效。現在研究證明[8-12]，具有化瘀消脂作用的山楂、大黃、決明子、荷葉、丹參對于肥胖的治療效果較為顯著。研究結果可見，健脾利濕化痰為中藥治療肥胖主要治則，這與中醫學對于“肥人多痰濕”“肥人多氣虛”的理論相呼應。

關聯規則結果顯示，白術與茯苓，半夏與茯苓的支持度最高，分別為0.35 和0.23，反映了這兩對藥物在治療肥胖的組方中出現的概率最大。顯示這兩藥對在臨床治療肥胖中最為常用。其中白術與茯苓配伍，白術健脾益氣，燥濕利水，茯苓利水滲濕健脾，兩者共奏健脾化濕之功。半夏燥濕化痰，降逆止嘔，消痞散結，與茯苓相配伍，茯苓長于健脾滲濕，半夏長于燥濕化痰，兩藥合用標本兼治，顯示兩藥對在臨床的治療肥胖中最為常用。按置信度的排序，甘草、半夏與茯苓，半夏、白術與茯苓為最高，均為1。從置信度反映的前項后項藥物同時出現的次數占前項藥物出現次數的比例來看，臨床上中藥治療肥胖，甘草、半夏與半夏、白術兩組藥對常與茯苓同時使用。以提升度來分析，陳皮、茯苓與半夏的正相關性為最高（提升度為3），說明半夏在應用陳皮、茯苓這對藥物治療肥胖的組方中的使用頻率提升2 倍。不難發現上述3 組結果同樣體現了燥濕健脾化痰這一治則在治療肥胖過程中的重要性，因痰由濕生，濕責之于脾，從而理氣健脾以袪痰，標本兼邪而不傷正。提示臨床中治療肥胖多以具有益氣健脾，燥濕化痰功效的藥物互相配伍使用。

基于以層次聚類的方法對藥物進行聚類，結果顯示，第1 組以健脾滲濕藥和燥濕化痰藥加之具有祛瘀消脂作用的山楂、丹參、荷葉為主。從病機角度對肥胖進行探究，本病的病機往往相互影響相互轉化，脾虛日久，脾不升清，運化失司，水谷精微失于輸布，則易聚濕生痰，故而肥胖。脾氣虧虛，氣虛推動無力，血行不暢而瘀滯，氣不為用則氣郁，或痰濕內停，阻礙氣血運行均可致氣滯血瘀，進而發為肥胖。以第1 組藥物之功效進行總結分析，益氣健脾，燥濕化痰，祛瘀消脂為肥胖的常用治法，為大多數肥胖患者治療所共用。第2 組藥物由于個體差異的不同，藥物加減亦不同，藥物較為繁雜，故選取較為有代表性的一組進行討論，選出的藥物組為大柴胡湯的基礎組方。仝小林教授[13]古方今用，應用大柴胡湯治療肥胖取得了顯著療效，佐證了以大柴胡湯為基礎方，運用消膏降濁、消積導滯、化痰通腑之法，對于治療肥胖的肯定意義，對臨床治療肥胖用藥具有一定的參考作用。采用K-means 聚類的方法與以層次聚類的方法對藥物進行聚類的結果幾乎相同，在此不再贅述。

主成分分析中，從雙標圖分析得到，茯苓、白術、澤瀉、山楂、半夏、陳皮、荷葉、決明子、蒼術、大黃、丹參、黃芪等藥物在中藥治療肥胖的組方用藥中更為重要。由主成分貢獻圖中分析得到，維度1 包含的藥物以健脾利水為主要功效。維度2 包含藥物中山楂、荷葉、澤瀉、丹參均有化瘀的功效。維度3 包含的藥物以化痰為主要共性。維度4 包含的藥物中白術、甘草、蒼術均可益氣健脾，澤瀉、山楂、丹參，均可化瘀。有研究結果表明[14]，肥胖主要病機為痰濕、血瘀、氣虛等證。上述結果亦與國醫大師王琦提出的肥胖應從“氣虛”“痰濕”“血瘀”3 個方面綜合調治這一理論相符合。

通過網絡藥理學方法分析高頻藥物茯苓治療肥胖的潛在作用機制，結果發現茯苓治療肥胖涉及多通路、多靶點。其中篩選出的靶點排名較高的有ANXA1，HTR1A，CXCR4，ADRA2B，CNR1，ADRA2A，HTR1B，PTGER3，DRD2 等，提示這些靶點可能是茯苓發揮治療肥胖作用的核心靶點。如AnxA1 水平與BMI，腰圍和腰臀比呈正相關，與急性期蛋白，C-反應蛋白（CRP）和脂肪細胞因子瘦素的血漿濃度呈負相關，且通過實驗得出ANXA1 是小鼠肥胖的重要調節因子，可能是通過調節脂解和（或）糖皮質激素水平這一機制來進行[15-16]。DAVID 6.8 數據庫進行通過KEGG 通路分析結果得到32 條信號通路，其中與肥胖病關系密切的通路20 條，涉及5-羥色胺能突觸、TRP 通道的炎癥介質調節、脂肪細胞因子信號通路、胰島素抵抗、胰島素信號通路等。如中樞神經遞質5-羥色胺通過交感神經/副交感神經系統調節食欲并控制代謝器官，外周神經遞質5-羥色胺以自分泌/旁分泌或內分泌方式調節葡萄糖代謝，胰島素抗性和能量消耗來調節肥胖[17]。大量證據表明[18]，脂肪細胞因子在健康受試者的代謝穩態中起著關鍵作用，而這些因素的缺陷，由肥胖和脂肪細胞功能障礙引起，是肥胖周圍疾病群發病機制中的一個核心組成部分。如代謝調節中最有效的脂肪細胞因子之一的瘦素通過向其他器官，尤其是下丘腦，發送營養狀況信號，經下丘腦產生調節食物攝入和能量消耗的神經肽和神經遞質來調節體質量[19]。上述結果均表明茯苓對治療肥胖具有潛在的研究價值，為進一步深入研究其作用機制提供參考與方向。

綜上所述，本研究采用數據挖掘和網絡藥理學的方法對中藥治療肥胖的用藥規律及高頻藥物茯苓治療肥胖的潛在作用機制進行了多角度的探析，為臨床中藥治療肥胖提供了可靠的用藥參考，也為更深一步的探究中藥治療肥胖的作用機制提供了新的方向與數據支撐。由于數據庫和數據庫之間內在的復雜性與信息的不完善以及化合物之間的相互作用的不確定性，故研究預測的結果具有一定的局限性，需要構建復雜網絡進行進一步的深入挖掘及驗證。