基于網絡藥理學和指紋圖譜的黃柏質量標志物預測分析

何巧玉，劉 靜，李春霞，王譽程，王曉麗，邢 紅，劉 虹，劉二偉，陳曉鵬

基于網絡藥理學和指紋圖譜的黃柏質量標志物預測分析

何巧玉，劉 靜，李春霞，王譽程，王曉麗，邢 紅，劉 虹，劉二偉，陳曉鵬*

組分中藥國家重點實驗室，天津中醫藥大學，天津 301617

為確定質量標志物（quality marker，Q-Marker）體現藥材共性的重要度提供數學評價方法，結合網絡藥理學和指紋圖譜方法，并基于Q-Marker“五原則”，對中藥黃柏從化學成分有效性以及可測性等角度進行Q-Marker預測分析。利用現有文獻對黃柏藥材Q-Marker的來源進行整合，運用網絡藥理學方法構建“成分-靶點-通路”網絡并預測黃柏藥材中的核心成分。結合指紋圖譜對10批黃柏藥材進行定性和定量研究，進一步確定黃柏藥材中潛在的Q-Marker，并利用多元統計分析對結果進行驗證。通過文獻查閱確定生物堿、黃酮類以及酚酸類為黃柏Q-Marker主要來源。網絡藥理學結果表明生物堿類和黃酮類具有高連接度，是其主要活性成分。同時建立了10批黃柏藥材指紋圖譜，并指認其中8個共有成分，分別為新綠原酸、黃柏堿、木蘭花堿、4--阿魏酰奎寧酸、鹽酸藥根堿、綠原酸、鹽酸巴馬汀、鹽酸小檗堿。結合網絡藥理學活性和成分可測性以及Q-Marker理念，初步預測黃柏堿、4--阿魏酰奎寧酸、鹽酸小檗堿可作為黃柏藥材潛在的Q-Marker，最后利用數理統計方法進一步驗證了Q-Marker體現藥材共性的重要度。利用網絡藥理學進行初步預測，同時建立指紋圖譜結合數理統計的黃柏藥材質量控制方法，為黃柏藥材的Q-Marker的研究提供參考。

黃柏；質量標志物；網絡藥理學；指紋圖譜；多元統計分析；新綠原酸；黃柏堿；木蘭花堿；4--阿魏酰奎寧酸；鹽酸藥根堿；綠原酸；鹽酸巴馬汀；鹽酸小檗堿

黃柏為蕓香科植物黃皮樹Schneid的干燥樹皮，習稱“川黃柏”。其味苦，性寒，歸腎、膀胱、大腸經[1]，具有清熱燥濕、瀉火除蒸、解毒療瘡等功效。主要用于治療濕熱瀉痢、骨蒸勞熱、黃疸尿赤及盜汗、遺精等癥[2]。黃柏主要分布于我國云南、湖北、四川、內蒙古等地[3]。其化學成分多樣，包括生物堿類、黃酮類、酚酸類以及揮發油等其他類成分，其中生物堿類是黃柏的主要成分，含量約占3%。現代研究表明，黃柏藥材具有抗炎、抗真菌、抗氧化、降血壓、免疫調節等多種藥理作用[4-6]，因此在臨床上應用廣泛。主要用于治療糖尿病、高血壓、急性腎炎以及月經不調等疾病[7-8]。

在質量標志物（quality marker，Q-Marker）確定過程中，發現能體現藥材或者方劑共性特征的成分尤為重要。Q-Marker是基于溯源與傳遞性、特有性、可測性、有效性以及處方配伍這5項核心原則的基礎上產生的，與中藥的功能屬性密切相關且能夠反映中藥安全性和有效性，為中藥質量控制提供科學依據[9-10]。指紋圖譜是目前較為成熟的發現不同批次產品共有成分的方法。但在確定的幾十甚至上百種共有成分中，每種成分體現共性的重要度尚無報道。數理統計方法如多元統計分析可以通過計算每種成分的變量重要性投影值（variable importance in the projection，VIP）來評價成分對于共性的體現度。

網絡藥理學是基于系統生物學的理論，從整體觀角度構建藥物靶點之間相互關系的生物網絡，從而有效預測相關靶點和通路的一種分析手段，其強調對信號通路的多途徑調節，同時指導和協助藥物重新定位，符合中藥的多成分、多途徑的作用特點[11-12]。本實驗基于生物信息、化學和數理統計相結合的方法預測黃柏潛在的Q-Marker，從而建立黃柏藥材的質量控制研究方法，以期為黃柏藥材的質量控制以及作用機制研究提供參考。

1 儀器與試藥

1.1 儀器

Agilent 1260型高效液相色譜儀（安捷倫科技有限公司，包括G1311C四元梯度泵，G1329B自動進樣器，G1315D-DAD檢測器，G1316A柱溫箱，AgilentChemistation數據處理系統）、電子天平（Mettler Toledo，瑞士）、ZZ-3200DTS型超聲波清洗機（天津知著科技有限公司，功率330 W）、電熱套（北京市永光明醫療儀器有限公司）、渦旋振蕩器（Thermo Fisher Scientific）。

1.2 試藥

對照品新綠原酸（批號wkq19021413）、4--阿魏酰奎寧酸（批號wkq20061906）均購自四川維克奇生物科技有限公司；對照品鹽酸藥根堿（批號Z05D10X104878）購自上海源葉生物科技有限公司；對照品黃柏堿（批號DST200217-031）、木蘭花堿（批號DST200519-004）、綠原酸（批號DST181201- 021）、鹽酸巴馬汀（批號DST190802-031）、鹽酸小檗堿（批號DST200509-028）均購自成都德思特生物技術有限公司，所有對照品的質量分數均大于98%。乙腈（色譜純，美國Fisher公司）、屈臣氏飲用水（廣州屈臣氏食品飲料有限公司）、磷酸（色譜純，美國Fisher公司）、甲醇（色譜純，美國Fisher公司）。實驗用四川產黃柏藥材來源信息見表1，經天津中醫藥大學陳曉鵬副研究員鑒定為蕓香科植物黃皮樹Schneid的干燥樹皮，樣本留存于天津中醫藥大學中醫藥研究院樣品室。

2 方法與結果

2.1 黃柏藥材Q-Marker來源的文獻分析

為了提升中藥材及其各類中藥產品的質量標準，劉昌孝院士[9]于2016年提出中藥Q-Marker的新概念，Q-Marker的核心內容是基于物質有效性、特有性、傳遞與溯源性、可測性和處方配伍的“五原則”。本質上與中藥的功能屬性密切相關，且能夠作為反映中藥有效性和安全性的標示性物質從而進行中藥的質量控制研究。本研究通過文獻整合，確定黃柏Q-Marker的來源，為建立黃柏藥材準確的質量評價標準和科學全面的質量控制方法提供依據。

表1 黃柏藥材來源信息

2.1.1 基于植物親緣學及化學成分特有性探討黃柏Q-Marker 黃柏來源于蕓香科（Rutaceae）黃檗屬Rupr. 植物黃皮樹的干燥樹皮，黃檗屬植物全世界有4種，主要分布于亞洲東部，我國黃檗屬植物有2種及1變種，在東北至西南均有分布[13]。黃柏中的化學成分種類豐富，其中生物堿類、黃酮類和酚酸類成分是黃柏的主要有效成分之一，同時也是發揮藥理作用的物質基礎[4,14]。生物堿是植物進化過程中與外界環境相互作用形成的一類次生代謝產物，文獻報道[15]，小檗堿以酪氨酸（-tyrosine）作為起始，經歷幾步后分別合成多巴胺（dopamine）和4-羥基苯乙醛（4-hydroxyphenyl- acetaldehyde），之后經()-去甲烏藥堿合成酶（NCS）、去甲烏藥堿-6--甲基轉移酶（6-OMT）、()-烏藥堿--甲基轉移酶（CNMT）、-甲基烏藥堿- 3′-羥化酶（CYP80B3）和3′-羥基--甲基烏藥堿- 4′--甲基轉移酶（4′-OMT）的甲基化作用形成()-網狀番荔枝堿，由小檗堿橋酶（BBE）將其催化形成()-金黃紫堇堿[()-scoulerine]，最后經金黃紫堇堿-9--甲基轉移酶（SMT）、氫化小檗堿合酶（CYP719A1）、四氫小檗堿氧化酶（THBO）催化形成小檗堿。黃柏堿是偽原小檗堿型生物堿，也是一種異喹啉生物堿，以2種酪氨酸衍生物的縮合為起始，經過一系列反應生成反式心果堿和多巴胺，反式心果堿作為前體物質，再經過酶催化之后而形成黃柏堿[16]。黃酮類化合物通過苯丙烷途徑將苯丙氨酸轉化成香豆酰-CoA，之后進入黃酮合成途徑進一步與3分子丙二酰CoA經過分子內環化反應生成二氫黃酮類，在經過不同合成途徑生成其他黃酮類化合物[17]。綜上，通過比較不同來源黃柏中主要成分的變化，可考慮將生物堿類成分和黃酮類成分作為黃柏Q-Marker的重要參考依據。

2.1.2 基于質量傳遞與溯源性的黃柏Q-Marker預測分析 《中國藥典》2020年版中收載的黃柏炮制品包括鹽黃柏和黃柏炭。有學者通過比較黃柏生品與炮制品中生物堿類成分的含量，發現不同炮制方法和溫度是影響黃柏中生物堿類成分變化的主要因素[18]，預示著生物堿類成分在生品和炮制品之間具有傳遞性。有研究基于RPLC/Q-TOF-MS技術分析黃柏炭制前后化學成分的變化情況，結果發現生黃柏和黃柏炭的化學成分含量差異顯著，某些成分炮制后消失，另外也有新的物質生成，與生品相比，炭制后小檗堿含量減少，黃柏堿在加熱過程中產生異構化而生成了同分異構體，有些奎尼酸衍生物在生品中含量較高，炭制后由于在高溫下羧基端發生甲酯化反應生成奎尼酸酯衍生物而導致其含量降低[19]。高慧等[20]通過對黃柏炮制過程中的生物堿類成分的含量變化進行研究，結果發現酒炙和鹽炙由于在加熱條件下導致原有的生物堿成分小檗堿和黃柏堿發生轉化，使其含量降低。另還有學者對黃柏生品及其炮制品中8種成分進行含量測定研究，發現酚酸類成分綠原酸在炮制前后含量發生改變[21]。綜上所述，生物堿和酚酸類成分在炮制過程中具有傳遞性，可作為黃柏Q-Marker篩選潛在成分。

2.2 網絡藥理學對黃柏藥材的Q-Marker預測分析

2.2.1 黃柏活性成分的篩選 利用中藥系統藥理學數據庫與分析平臺（TCMSP，http://tcmspw.com/ tcmsp.php）和ETCM數據庫（http://www.tcmip. cn/TCMIP/index.php/Home/）[22]檢索黃柏的化學成分，在TCMSP數據庫中獲得102種有效成分，在ETCM數據庫中以“黃柏”為關鍵詞檢索其主要活性成分，共獲得12種有效成分，合并后共獲得105種有效成分。收集活性成分相關靶點，再利用Uniprot數據庫（https://www.uniprot.org/）以物種“Homo spanies”為篩選條件查詢靶點對應的基因名稱，得到每種化學成分對應的相關靶點共1457種，刪除重復項后，得到319種相關靶點基因。

2.2.2 蛋白互作網絡（PPI）的構建 將上述篩選得到的319個靶點導入到STRING 11.0數據庫（http://string-db.org/cgi/input.pl）中，物種設為“Homo sapiens”，選取打分值高于0.9的蛋白建立蛋白相互作用網絡，篩除PPI網絡中離散的節點，保存為tsv文件，其中蛋白互作關系較強的是ABCB1-TP53、ABCC2-ABCG2、ADH1A-ALDH2、ADH1A-ADH1C、ADH1A-ADH1B等。再將上述文件導入到Cytoscape 3.6.1中，利用“Network Analyzer”功能對上述PPI網絡中的靶點進行拓撲屬性分析，按照度值（degree）由大到小進行排序，見圖1。圖中包含249個相互作用的節點，1230條相互作用的邊，其中，度（degree）值排名前3的AKT1、JUN、MAPK1分別與44、41、41個蛋白發生相互作用。

2.2.3 基因本體（gene ontology，GO）功能富集分析與基因組百科全書（Kyoto encyclopedia of genes and genomes，KEGG）通路分析

（1）GO功能富集分析：利用DAVID 6.8數據庫（https://David-d.ncifcrf.gov/home.jsp）以＜0.05、FDR＜0.05作為篩選條件對上述319個作用靶點進行GO功能富集分析。結果得到GO條目503個，其中生物過程（biological process，BP）條目有373個，主要涉及的生物過程有RNA聚合酶II啟動子轉錄的正調控、信號傳導、對藥物的反應、細胞增殖的正調控等。細胞組成（cellular component，CC）條目有38個，主要富集在質膜、胞質溶膠、核質等區域。分子功能（molecular function，MF）條目92個，主要富集在蛋白質結合、蛋白質異二聚體活性、轉錄因子活性以及序列特異性DNA結合等功能。分別選取BP、CC、MF根據值排名前10的條目，見圖2。

（2）KEGG通路富集分析：利用DAVID 6.8數據庫（https://David-d.ncifcrf.gov/home.jsp）以＜0.05、FDR＜0.05為篩選條件對上述319個作用靶點進行KEGG通路富集分析。結果共得到127個條目，主要涉及的通路有：神經活性配體-受體相互作用（neuroactive ligand-receptor interaction）、癌癥通路（pathways in cancer）、PI3K-Akt信號通路（PI3K-Akt signaling pathway）、乙型肝炎（hepatitis B）、cAMP信號通路（cAMP signaling pathway）等，并選取排名前20的通路進行KEGG通路富集分析氣泡圖的繪制，見圖3。以上結果表明中藥黃柏具有多成分、多靶點的作用特點，能夠通過調控多條通路達到治療疾病的作用。

圖1 蛋白-蛋白相互作用(PPI)網絡

圖2 GO功能富集分析柱狀圖

圓點越大，富集基因的數目越多；P值越小，圓點顏色越紅，P值越大，圓點顏色越綠

2.2.4 “活性成分-靶點-通路網絡”的構建 將KEGG通路富集分析得到的前10條通路和這些通路涉及的148個靶點，以及靶點所對應的84種成分導入到Cytoscape 3.6.1中構建黃柏“活性成分-靶點-通路”網絡，進行可視化分析見圖4。根據圖中節點的連接度（degree）可知，連接degree值較高的化合物有槲皮素（degree＝74）、β-谷甾醇（degree＝52）、黃柏堿（degree＝32）、木蘭花堿（degree＝32）、7-去氫豆甾醇（degree＝30）、菜油甾醇（degree＝28）、四氫非洲防己堿（degree＝24）、四氫小檗堿（degree＝24）、STOCK1N-14407（degree＝23）、丹皮酚（degree＝22）、蝙蝠葛任堿（degree＝20）、卡維丁（degree＝19）、-甲基蕓香堿（degree＝18）、丁香酚（degree＝18）、4-[()-3-hydroxyprop-1-enyl]-2,6-dimethoxyphenol（degree＝18）、原阿片堿（degree＝17）、去氫丹參酮IIA（degree＝15）、植物甾醇（degree＝15）、蝙蝠葛波酚堿（degree＝13）、4-氧代異佛爾酮（degree＝13）、丁香苷（degree＝13）、巴馬汀（degree＝13）、油酸（degree＝12）、松柏醇（degree＝12）、小檗堿（degree＝11），表明這些活性成分可能是黃柏發揮藥效的潛在Q-Marker，以2倍中位數的degree值（degree值中位數為16）進行初步篩選，得到1個新的網絡，再利用1倍中位數的degree值、介數中心性（betweenness centrality）、接近中心性（closeness centrality）值進行二次篩選，得到最終的20個關鍵靶蛋白，分別為AKT1（degree＝44）、MAPK1（degree＝41）、JUN（degree＝41）、TP53（degree＝37）、RELA（degree＝35）、TNF（degree＝35）、CXCL8（degree＝33）、HSP90AA1（degree＝31）MAPK14（degree＝28）、IL6（degree＝26）、ESR1（degree＝25）、SP1（degree＝25）、EGFR（degree＝25）、EDN1（degree＝24）、PPARA（degree＝24）、RXRA（degree＝23）、VEGFA（degree＝22）、EGF（degree＝20）、RB1（degree＝20）、PRKCA（degree＝20），預示這些靶點可能作用于癌癥通路、PI3K-Akt信號通路、cAMP信號通路以及其他信號通路對某些疾病的治療發揮關鍵性作用。

圖4 “黃柏活性成分-靶點-通路”網絡

2.3 黃柏指紋圖譜定性分析

2.3.1 色譜條件 采用安捷倫Eclipse Plus C18柱（250 mm×4.6 mm，5 μm）；流動相為乙腈（A）-0.2%磷酸水溶液（B），梯度洗脫：0～8 min，5%～15% A；8～12 min，15%～20% A；12～18 min，20%～25% A；18～27 min，25%～29% A；27～28 min，29%～32% A；28～31 min，32%～35% A；31～35 min，35%～95% A。體積流量1.0 mL/min，檢測波長280 nm，柱溫30 ℃，進樣量10 μL。

2.3.2 對照品溶液的制備 精密稱取新綠原酸、黃柏堿、木蘭花堿、4--阿魏酰奎寧酸、鹽酸藥根堿、綠原酸、鹽酸巴馬汀、鹽酸小檗堿對照品適量，加甲醇溶解并稀釋，得到質量濃度分別為35、100、40、150、15、30、15、350 μg/mL的混合對照品溶液，于?20 ℃保存備用。

2.3.3 供試品溶液的制備 均勻稱取黃柏粗粉3 g，加入480 mL的水，于500 mL電熱套中煎煮至約240 mL，冷卻至室溫，經紗布濾過，濾液用水補足240 mL，即得黃柏提取液。進樣前用0.22 μm的微孔濾膜濾過，濾液即為供試品溶液。

2.3.4 方法學考察

（1）參照峰的選擇：小檗堿作為中藥黃柏中的主要成分，依據《中國藥典》2020年版，將小檗堿作為評價黃柏質量的指標性成分之一，其峰面積較大，峰形較好，色譜峰較穩定，故選擇小檗堿作為參照峰，計算各共有峰的相對保留時間以及相對峰高。

（2）日內精密度：精密稱取黃柏樣品（S1），按“2.3.3”項下的方法進行供試品溶液的制備，并利用“2.3.1”項的色譜條件連續進樣6次，以小檗堿作為參照峰，計算各個共有峰的相對保留時間和相對峰高，結果各峰的相對保留時間RSD＜0.07%，相對峰高RSD＜0.67%，相似度為1.000，表明該儀器的精密度良好。

（3）日間精密度：精密稱取黃柏樣品（S1），按“2.3.3”項下的方法進行供試品溶液的制備，并利用“2.3.1”項色譜條件選擇3 d分別連續進樣6次，以小檗堿作為參照峰，計算各共有峰的相對保留時間和相對峰高，結果各峰相對保留時間RSD＜0.61%，相對峰高RSD＜2.05%，相似度≥0.999，表明該儀器的精密度良好。

（4）重復性試驗：精密稱取黃柏樣品（S1）各6份，按“2.3.3”項下的方法平行制備6份供試品溶液，并利用“2.3.1”項色譜條件進樣測定，以小檗堿作為參照峰，計算各共有峰的相對保留時間和相對峰高，結果各峰相對保留時間RSD＜0.11%，相對峰高RSD＜2.87%，相似度為1.000，表明該方法的重復性良好。

（5）穩定性試驗：精密稱取黃柏樣品（S1），按“2.3.3”項下的方法進行供試品溶液的制備，分別利用“2.3.1”項色譜條件在0、2、4、8、12、24 h進行測定，以小檗堿作為參照峰，計算各共有峰的相對保留時間和相對峰高，結果各峰相對保留時間RSD＜0.15%，相對峰高RSD＜2.44%，相似度為1.000，表明黃柏供試品溶液在24 h內的穩定性良好。

2.3.5 指紋圖譜的建立與相關性分析 取10批黃柏藥材粉末，按“2.3.3”項下的方法制備供試品溶液，并利用“2.3.1”項下的色譜條件進行測定，記錄色譜圖。再將上述10批黃柏藥材的HPLC色譜圖導入到中藥指紋圖譜相似度評價系統中（2012年版），采用中位數法，時間窗設為0.1，并以測定的10批黃柏樣品中的S1樣品的圖譜作為參照圖譜并同時生成對照圖譜（R），然后對其相似度進行評價。結果共標定出16個共有峰，將黃柏藥材指紋圖譜進行疊加，結果見圖5。相似度結果表明，黃柏藥材指紋圖譜的相似度在0.994～1.000，S1～S10相似度依次為0.999、1.000、1.000、1.000、1.000、1.000、1.000、0.994、1.000、0.999，表明同一產地黃柏藥材的質量穩定均一。10批黃柏指紋圖譜共檢測到16個共有峰，經過與混合對照品溶液圖譜的比對，指認了其中的8個色譜峰，分別為1號峰新綠原酸、4號峰綠原酸、6號峰黃柏堿、7號峰木蘭花堿、9號峰4--阿魏酰奎寧酸、14號峰鹽酸藥根堿、15號峰鹽酸巴馬汀、16號峰鹽酸小檗堿，見圖6。

2.4 正交偏最小二乘法判別分析（orthogonal partial least squares discriminant analysis，OPLS-DA）

為了進一步驗證黃柏藥材潛在Q-Marker對藥材共性的體現程度，將10批藥材隨機分為2組，每組5批藥材，并采用有監督模式的OPLS-DA進行組間分析。模型擬合參數2＝0.609，2＝0.896，模型預測參數2＝0.543，均大于0.5，表明所建立的模型穩定且預測能力較強，10批黃柏樣品的OPLS- DA得分矩陣圖見圖7。

圖5 10批黃柏樣品指紋圖譜疊加圖

1-新綠原酸 4-綠原酸 6-黃柏堿 7-木蘭花堿 9-4-O-阿魏酰奎寧酸 14-鹽酸藥根堿 15-鹽酸巴馬汀 16-鹽酸小檗堿

圖7 10批黃柏樣品的OPLS-DA得分圖

為了反映成分對黃柏藥材的共性表征的重要度，各成分的VIP值見圖8。來自四川的10批黃柏藥材按VIP值由小到大篩選出組間具有共性的標志性成分，VIP值越小，成分體現藥材共性的重要性越大，即圖中靠右側的成分（6號峰為黃柏堿）體現黃柏藥材的共性的重要性最大。由于4號峰（綠原酸）和1號峰（新綠原酸）在多種中藥中普遍存在，因此不適合作為辨別藥材質量的標志性成分。2、8、3、5、13、11、10、12號峰尚未歸屬到具體成分。15號峰（巴馬汀）、14號峰（藥根堿）和7號峰（木蘭花堿）在目前黃柏水提物中含量較低，不宜作為檢測指標成分。16號峰（小檗堿）及9號峰（4--阿魏酰奎寧酸）VIP值均較小，能較好體現黃柏藥材共性，適宜作為黃柏藥材的Q-Marker。

2.5 黃柏藥材Q-Marker的含量測定

綜合考慮網絡藥理學篩選成分的度值、可測性和共有成分重要性貢獻度，選取黃柏堿、4--阿魏酰奎寧酸、鹽酸小檗堿進行含量測定。

圖8 黃柏藥材成分的VIP

2.5.1 色譜條件 同“2.3.1”項下的色譜條件。

2.5.2 對照品溶液的制備 精密稱定黃柏堿、4--阿魏酰奎寧酸以及鹽酸小檗堿的對照品適量，加甲醇制成含黃柏堿18.75 μg/mL、4--阿魏酰奎寧酸200.00 μg/mL、鹽酸小檗堿20.00 μg/mL的混合對照品溶液。

2.5.3 供試品溶液的制備 按“2.3.3”項下的供試品溶液的制備方法進行制備。

2.5.4 方法學考察

（1）專屬性試驗：利用上述的色譜條件，分別將空白水溶液、供試品溶液及對照品溶液進樣測定，結果其空白水溶液基線無干擾，供試品溶液無雜質峰干擾，說明此分析方法具有良好的專屬性，結果見圖9。

（2）檢測限與定量限：以3倍的信噪比為檢測限，10倍的信噪比為定量限，實驗測得黃柏堿的檢測限為0.06 μg/mL，定量限為0.27 μg/mL，4--阿魏酰奎寧酸的檢測限為0.56 μg/mL，定量限為1.36 μg/mL，鹽酸小檗堿的檢測限為0.25 μg/mL，定量限為0.51 μg/mL。

（3）線性關系考察：精密稱取“2.5.2”項下的混合對照品溶液，分別逐級稀釋一定倍數后，按“2.3.1”項下的色譜條件進樣測定，分別測定黃柏堿、4--阿魏酰奎寧酸、鹽酸小檗堿的峰高，以質量濃度為橫坐標（），對照品的峰高為縱坐標（），繪制標準曲線，計算回歸方程，結果見表2。

（4）精密度試驗：精密稱取黃柏樣品（S1），按“2.3.3”項下的方法進行供試品溶液的制備，并利用“2.3.1”項下的色譜條件連續進樣6次，計算供試品溶液中黃柏堿、4--阿魏酰奎寧酸、鹽酸小檗堿的峰高RSD分別為0.67%、0.57%、0.25%，表明儀器的精密度良好。

（5）重復性試驗：精密稱取黃柏樣品（S1）各6份，按“2.3.3”項下的方法進行供試品溶液的制備，并按“2.3.1”項下的色譜條件進行測定，計算供試品溶液中黃柏堿、4--阿魏酰奎寧酸、鹽酸小檗堿的質量分數RSD分別為2.01%、2.16%、1.42%，表明該方法的重復性良好。

（6）穩定性試驗：精密稱取黃柏樣品（S1），按“2.3.3”項下的方法進行供試品溶液的制備，分別按“2.3.1”項下的色譜條件在0、2、4、8、12、24 h進行測定，計算供試品溶液中黃柏堿、4--阿魏酰奎寧酸、鹽酸小檗堿的峰高RSD分別為2.44%、1.73%、1.57%，表明黃柏供試品溶液在24 h內穩定性良好。

6-黃柏堿 9-4-O-阿魏酰奎寧酸 16-鹽酸小檗堿

（7）加樣回收率試驗：精密稱定已測定的黃柏粉末（S1）9份，將其分成3組，每組3份，每組按1∶0.8、1∶1和1∶1.2的比例分別加入黃柏堿、4--阿魏酰奎寧酸、鹽酸小檗堿對照品，按“2.3.3”項下的方法進行供試品溶液的制備，并利用“2.3.1”項下的色譜條件進樣測定，記錄色譜峰的峰高以及計算各成分的含量。加樣回收率結果顯示黃柏堿、4--阿魏酰奎寧酸、鹽酸小檗堿的平均加樣回收率分別為101.50%、99.50%、99.80%，RSD分別為1.28%、0.61%、1.40%，表明所建立的含量測定方法準確度良好。

2.5.5 黃柏樣品測定 分別精密稱取10批黃柏樣品，按照“2.3.3”項下的方法進行供試品溶液的制備，并按“2.3.1”項下的色譜條件進行測定，計算黃柏堿、4--阿魏酰奎寧酸、鹽酸小檗堿的含量，結果見表3。

3 討論

指紋圖譜方法是目前測定不同批次產品共有峰，即共有成分較為成熟的方法。本研究在指紋圖譜確定共有成分的基礎上，利用數理統計方法進一步分析了每個共有成分體現藥材共性的重要度，賦予了共有成分新的內涵，也為篩選Q-Marker提供了新的思路和方法。根據成分體現藥材共性的VIP值進行由小到大排序，基于成分含量和含量的波動情況篩選出標志性成分，能夠更加有代表性的分析和評價藥材質量。

網絡藥理學分析得知AKT1（degree＝44）、MAPK1（degree＝41）、JUN（degree＝41）、TP53（degree＝37）等靶點可能作用于癌癥通路、PI3K-Akt信號通路以及cAMP信號通路發揮關鍵性作用。研究表明，黃柏中的生物堿成分在治療腫瘤性疾病和發揮抗炎等藥理作用上有一定療效[23-24]。有學者通過體外實驗證實黃柏中的生物堿類成分小檗堿可通過調控PI3K/Akt通路抑制喉癌Hep2細胞的增殖、侵襲和遷移，從而發揮一定的治療作用[25]，與本實驗研究結果一致。

表2 3個指標性成分的線性回歸方程

在篩選核心成分的過程中，degree值排名靠前的有槲皮素、β-谷甾醇、黃柏堿、木蘭花堿、7-去氫豆甾醇、菜油甾醇、四氫非洲防己堿、四氫小檗堿、STOCK1N-14407、丹皮酚、蝙蝠葛任堿、卡維丁、-甲基蕓香堿、丁香酚、4-[()-3-hydroxyprop-1- enyl]-2,6-dimethoxyphenol、原阿片堿、去氫丹參酮IIA、植物甾醇、蝙蝠葛波酚堿、4-氧代異佛爾酮、丁香苷、巴馬汀、油酸、松柏醇、小檗堿。由于槲皮素、β-谷甾醇以及植物甾醇在自然界中普遍存在，同時這幾種成分也廣泛存在于多種中藥材中，具有多種生物活性[26-28]，因此不能作為辨別藥材質量的標志性成分。網絡藥理學篩選得到的7-去氫豆甾醇、菜油甾醇、四氫非洲防己堿、四氫小檗堿、卡維丁、原阿片堿、STOCK1N-14407、丹皮酚、-甲基蕓香堿、丁香酚、4-[()-3-hydroxyprop-1-enyl]-2,6- dimethoxyphenol、原阿片堿、去氫丹參酮IIA、蝙蝠葛波酚堿、4-氧代異佛爾酮、丁香苷、油酸、松柏醇、木蘭花堿、蝙蝠葛任堿、巴馬汀在黃柏提取物中含量較低，基于成分可測性角度，不適合作為評價黃柏藥材質量的標志性成分。劉洋等[29]建立HPLC法對川黃柏中的鹽酸小檗堿進行含量測定及抑菌活性評價，證明鹽酸小檗堿的抑菌作用與黃柏在抗感染方面的藥理作用相一致，可考慮作為黃柏的Q-Marker。黃柏堿可通過通過調控TLR4/NLRP3信號通路來降低機體內的炎癥因子水平，進而改善腎損傷[30]。另外，黃柏堿還可顯著抑制免疫效應，發揮免疫調節作用[31]，其藥理活性與黃柏的傳統藥效具有一定的相關性，適合作為黃柏的Q-Marker成分。

表3 10批黃柏樣品含量測定結果

阿魏酰奎寧酸類化合物主要發揮抗氧化、抗腫瘤以及清除體內自由基等多種療效[32-33]。有研究報道黃柏的樹皮提取物可以保護皮膚屏障免受空氣污染物的損害，且活性成分4--阿魏酰奎寧酸是應對誘導損傷作用的主要決定因素[34]。目前，關于化合物4--阿魏酰奎寧酸在黃柏藥材中的研究尚不廣泛，有學者在2019年利用HPLC-DAD-ESI-MS/MS技術對黃柏中的4--阿魏酰奎寧酸進行定性定量分析[35]。

本實驗根據網絡藥理學結果可知，黃柏堿、小檗堿度值排名靠前，基于化學成分有效性角度可將這2種成分作為黃柏的質量標志物成分Q-Marker，根據指紋圖譜、數理統計及含量測定結果分析，4--阿魏酰奎寧酸含量較高，可測性好，且能較有代表性的體現不同批次藥材的共性，也適合作為黃柏的Q-Marker成分。因此本實驗選擇以黃柏堿、4--阿魏酰奎寧酸、小檗堿進行定量分析，確定其Q-Marker成分。

中藥化學成分復雜，其質量標準和質量控制研究是制約中醫藥產業發展的瓶頸問題，自Q-Marker概念提出后，中藥質量控制研究成為行業關注的熱點。本實驗為確定Q-Marker體現藥材共性的重要度提供了新的數學方法，采用傳統水提取進行黃柏指紋圖譜定性及定量研究，同時結合網絡藥理學方法并基于Q-Marker“五原則”，從化學和生物信息學的角度預測黃柏藥材潛在的Q-Marker，為后期深入研究中藥黃柏的作用機制提供參考依據。

利益沖突 所有作者均聲明不存在利益沖突

[1] 國家中醫藥管理局《中華本草》編委會. 中華本草 [M]. 上海: 上海科學技術出版社, 1998: 1039-1050.

[2] 中國藥典[S]. 一部. 2020: 318.

[3] 甘曉冬, 戴克敏. 中藥黃柏種及變種的鑒定 [J]. 上海醫科大學學報, 1990, 17(1): 57-60.

[4] 李先寬, 馮杉, 鄭艷超, 等. 黃柏與關黃柏的化學成分及生物活性研究進展 [J]. 藥物評價研究, 2019, 42(5): 1033-1037.

[5] Ryuk J A, Zheng M S, Lee M Y,. Discrimination ofandbased on DNA analysis and the simultaneous analysis of alkaloids [J]., 2012, 35(6): 1045-1054.

[6] 王榮. 川黃柏的化學成分及藥理活性研究進展 [J]. 臨床合理用藥雜志, 2020, 13(1): 173-174.

[7] 趙燦, 楊金偉, 吳勇軍, 等. 基于網絡藥理學知母-黃柏藥對治療糖尿病作用機制 [J]. 世界中醫藥, 2020, 15(22): 3369-3374.

[8] Chatuphonprasert W, Nemoto N, Sakuma T,. Modulations of cytochrome P450 expression in diabetic mice by berberine [J]., 2012, 196(1/2): 23-29.

[9] 劉昌孝, 陳士林, 肖小河, 等. 中藥質量標志物(Q-Marker): 中藥產品質量控制的新概念 [J]. 中草藥, 2016, 47(9): 1443-1457.

[10] 張鐵軍, 白鋼, 陳常青, 等. 基于“五原則”的復方中藥質量標志物 (Q-marker) 研究路徑 [J]. 中草藥, 2018, 49(1): 1-13.

[11] Ye H, Wei J, Tang K,Drug repositioning through network pharmacology [J]., 2016, 16(30): 3646-3656.

[12] 王俊堯, 陳建新, 趙慧輝. 基于網絡藥理學研究肝經中藥與治療疾病的關系[J]. 世界中醫藥, 2019, 14(3): 581-584.

[13] 中國科學院中國植物志編輯委員會. 中國植物志 [M]. 北京: 科學出版社, 1997: 99-103.

[14] Xian X, Sun B, Ye X,. Identification and analysis of alkaloids inby high-performance liquid chromatography with electrospray ionization mass spectrometry coupled with photodiode array detection [J]., 2014, 37(13): 1533-1545.

[15] 張艷, 張劍, 葛海霞. 黃連中芐基異喹啉類生物堿的生源途徑及其合成生物學的應用進展 [J]. 藥物生物技術, 2019, 26(2): 165-171.

[16] 程巧, 曾建國, 樂捷. 異喹啉類生物堿生物合成、運輸、儲藏相關細胞生物學研究進展 [J]. 植物學報, 2014, 49(6): 720-728.

[17] 鄒麗秋, 王彩霞, 匡雪君, 等. 黃酮類化合物合成途徑及合成生物學研究進展 [J]. 中國中藥雜志, 2016, 41(22): 4124-4128.

[18] 史黎萍, 紀峰, 年華. 黃柏不同炮制品生物堿類成分含量測定[J]. 國際中醫中藥雜志, 2019(9): 981-985.

[19] 李利新, 喬斌, 李遇伯, 等. 基于RPLC/Q-TOF-MS技術的黃柏炭制前后化學成分變化研究 [J]. 中草藥, 2012, 43(7): 1314-1319.

[20] 張凡, 高慧, 徐鋼, 等. 黃柏炮制過程中生物堿成分含量變化的研究 [J]. 中國醫藥科學, 2013, 3(1): 43-45.

[21] 徐珊, 張凡, 劉蓬蓬, 等. 黃柏及其不同炮制品的HPLC指紋圖譜分析 [J]. 中國實驗方劑學雜志, 2015, 21(3): 10-13.

[22] Xu H Y, Zhang Y Q, Liu Z M,. ETCM: An encyclopaedia of traditional Chinese medicine [J]., 2019, 47(D1): D976-D982.

[23] Sun Y, Lenon G B, Yang A W H.: A phytochemical, pharmacological, and pharmacokinetic review [J]., 2019, 2019: 7621929.

[24] Xian Y F, Mao Q Q, Ip S P,. Comparison on the anti-inflammatory effect ofandin 12-- tetradecanoyl-phorbol-13-acetate-induced ear edema in mice [J]., 2011, 137(3): 1425-1430.

[25] 謝天飛, 王凌云, 劉麗, 等. 小檗堿通過調控PI3K/Akt通路抑制喉癌細胞生長和轉移 [J]. 中國新藥與臨床雜志, 2020, 39(1): 43-48.

[26] Tang S M, Deng X T, Zhou J,. Pharmacological basis and new insights of quercetin action in respect to its anti-cancer effects [J]., 2020, 121: 109604.

[27] Babu S, Jayaraman S. An update on β-sitosterol: A potential herbal nutraceutical for diabetic management [J]., 2020, 131: 110702.

[28] 趙軍寧, 田興軍, 彭成, 等. 川產道地藥材資源保障與高質量發展策略[J]. 世界中醫藥, 2020, 15(2): 181-190.

[29] 劉洋, 冉聰, 游桂香, 等. 川黃柏中鹽酸小檗堿HPLC測定優化及其抑菌活性評價 [J]. 中國農業科技導報, 2020, 22(2): 179-186.

[30] 姜盈盈, 林岳. 黃柏堿改善膿毒癥大鼠急性腎損傷的作用及機制研究 [J]. 中國中西醫結合外科雜志, 2019, 25(6): 882-887.

[31] 熊敏. 黃柏化學成分分析及藥理作用研究 [J]. 亞太傳統醫藥, 2014, 10(14): 34-35.

[32] 王萌. 常用中藥川黃柏和黃連化學成分及生物活性比較研究 [D]. 北京: 清華大學醫學部, 2009.

[33] Yasir M, Sultana B, Nigam P S,. Antioxidant and genoprotective activity of selected Cucurbitaceae seed extracts and LC-ESIMS/MS identification of phenolic components [J]., 2016, 199: 307-313.

[34] Choi J, Moon M Y, Han G Y,.extract protects human keratinocytes from PM2.5-induced inflammation via PAR-2 signaling [J]., 2020, 11(1): E23.

[35] Chen Y, Zhang Z, Zhang Y,. A new method for simultaneous determination of phenolic acids, alkaloids and limonoids in[J]., 2019, 24(4): 709.

Predictive analysis ofquality markers based on network pharmacology and fingerprint

HE Qiao-yu, LIU Jing, LI Chun-xia, WANG Yu-cheng , WANG Xiao-li, XING Hong, LIU Hong, LIU Er-wei, CHEN Xiao-peng

State Key Laboratory of Component-based Chinese Medicine, Tianjin University of Traditional Chinese Medicine, Tianjin 301617,China

To predict and analyze the potential quality markers (Q-Markers) of Huangbo ()based on the “five principles” of Q-Markers combined with fingerprint and network pharmacology methods from the perspectives of chemical composition validity and measurability and so on, so as to provide a mathematical evaluation method for determining the importance of Q-Marker to reflect the commonness of medicinal materials.The sources ofQ-Marker were integrated by existing literature, and a “component-target-pathway” network was constructed by using network pharmacology and the core components ofwere predicted, and the qualitative and quantitative research of 10 batches ofwas carried out to further determine the potential Q-Marker, and the results were verified by using multivariate statistical analysis.Literature studies had determined that alkaloids, flavonoids and phenolic acids were the main source ofQ-Marker. The results of network pharmacology showed that alkaloids and flavonoids were its main active ingredients with high connectivity. At the same time, 10 batches offingerprints were established, and eight common components, neochlorogenic acid, phellodendrine, magnoflorine, 4--feruloylquinic acid, jatrorrhizine hydrochloride, chlorogenic acid, palmatine chloride, berberine hydrochloride, were identified. Combining network pharmacological activity and component measurability as well as Q-Marker concept, it is preliminary predicted that phellodendrine, 4--feruloylquinic acid, and berberine hydrochloride could be the potential Q-Markers of. Finally, mathematical statistics methods were used to further verify the importance of Q-Marker reflecting the commonness of medicinal materials.Using network pharmacology to make preliminary predictions, and establish a method for quality control ofwith fingerprint and mathematical statistics, which provides a reference for the research on the quality control and mechanism of.

; Q-Marker; network pharmacology; fingerprint; multivariate statistical analysis; neochlorogenicacid; phellodendrine, magnoflorine; 4--feruloylquinic acid; jatrorrhizine hydrochloride; chlorogenic acid; palmatine chloride; berberine hydrochloride

R284

A

0253 - 2670(2021)16 - 4931 -11

10.7501/j.issn.0253-2670.2021.16.018

2021-04-12

重大新藥創制專項（2018ZY09735-002）；重大新藥創制專項（2019ZX09201005-002-007）；國家自然科學基金青年項目（81903915）

何巧玉（1998—），女，漢族，遼寧營口人，碩士研究生，研究方向為中藥物質基礎和質量控制。E-mail: 15524743165@163.com

陳曉鵬（1983—），女，漢族，天津人，博士，副研究員，碩士生導師，主要從事中藥物質基礎和質量控制。Tel: (022)59596163 E-mail: xpchen@tjutcm.edu.cn

[責任編輯 王文倩]