中药复方与中药单体靶点筛选策略对比与技术全景剖析

引言

在中药研究中，为什么单体化合物的靶点可以“数得清”，而复方的靶点常常“数不清”。比如，青蒿素靶点明确，而黄连解毒汤就复杂得让人头疼。这其实源于两者在研究策略上的本质不同。单体药物研究遵循现代药理学流程，强调明确靶蛋白和药效因果关系；而复方药物则成分众多、协同作用显著，还会在体内被代谢改造，因此单一靶点策略行不通。复方研究需要从系统生物学出发，结合网络预测、多组学验证和实验确证，才能描绘出从成分到疾病干预的“全景调控网络”。

今天丸子将从技术和方法学角度，为大家拆解单体与复方靶点筛选的差异与研究路径，让复杂的中药机制变得可理解、可操作。

一、中药复方与单体靶点筛选核心差异总览

两者在研究对象、作用特点、技术方法等关键维度的核心差异如下表所示，可作为科研设计的基础判断依据：

二、中药单体化合物的靶点筛选策略

中药单体（如青蒿素、小檗碱、姜黄素等）的靶点研究完全遵循现代创新药物发现的经典还原论模式：化合物→靶点→通路→功效，核心目标是精确回答“单一化合物在复杂细胞环境中直接结合的特定蛋白质，以及该结合与下游药效学表型的因果关系”。

其主流筛选与确证策略分为四大模块：

1. 计算机辅助反向靶点预测

计算化学方法是单体靶点筛选的首要切入点，可在海量人类蛋白库中快速缩小候选范围，大幅节约湿实验成本。

▶ 核心原理与工具：反向靶点预测工具基于配体相似性原理，其中SwissTargetPrediction应用最为广泛，它结合分子二维拓扑结构与三维空间构象的相似性度量，通过逻辑回归模型对小分子靶蛋白进行概率评估，研究者通常设定概率≥0.1的阈值筛选高潜力靶标。

▶ 优化策略：单一算法难以兼顾召回率与精确度，且对结构新颖、缺乏类似物的天然产物易出现假阴性。因此实际研究中多采用集成靶点垂钓策略，将SwissTargetPrediction与SEA（相似性集合方法）或机器学习模型结合使用。

▶ 后续验证：预测出候选靶点后，通过分子对接和药效团建模模拟单体与蛋白质活性口袋的3D空间匹配度，计算结合自由能，直观展示氢键、疏水作用及π-π堆叠等微观相互作用。

2. 基于修饰的靶点亲和捕获技术

计算机预测无法提供直接结合的物理证据，亲和层析与靶点垂钓是单体靶点验证的传统“金标准”，核心是对单体分子进行定向化学修饰以实现靶蛋白捕获。

▶ 经典生物素-链霉亲和素体系：利用链霉亲和素包被的琼脂糖树脂捕获生物素标签标记的小分子-靶蛋白复合物，经SDS-PAGE分离及LC-MS/MS质谱鉴定获得靶蛋白网络。但该体系解离常数极低，洗脱需强变性条件，易破坏靶蛋白复合体并产生大量非特异性背景。

▶ 优化技术：脱硫生物素技术可实现温和条件下的竞争性洗脱，降低内源性生物素化分子干扰并保留蛋白天然构象；IBA Lifesciences的Twin-Strep-tag系统具有皮摩尔级亲和力，配合MagStrep Strep-Tactin XT磁珠，可特异性富集低丰度靶蛋白及瞬时、弱相互作用的蛋白。

3. 无标记化学蛋白质组学技术

化学修饰可能改变单体的空间位阻和理化性质，导致其丧失生物活性或改变靶向性，因此无标记技术成为近年核心突破口。

▶ 药物亲和反应靶点稳定性（DARTS）

DARTS由Lomenick等人于2009年在PNAS首次提出，核心原理是小分子配体结合会诱导靶蛋白构象折叠紧实，增强其对非特异性蛋白酶的降解抗性。

① 实验流程：提取靶细胞非变性蛋白裂解液，加入目标单体或DMSO对照孵育形成动态平衡复合物；加入梯度浓度的广谱蛋白酶进行限时消化；加入EDTA及蛋白酶抑制剂终止反应；通过SDS-PAGE银染、免疫印迹或LC-MS/MS鉴定被保护的靶蛋白。

② 关键控制点与局限性：酶/蛋白质量比是实验成败的核心，需设置1:100至1:10000的梯度进行预实验；该技术对低丰度蛋白检测敏感度有限，无法提供亲和力常数，易受非特异性结合影响。

▶ 细胞热位移分析（CETSA）与热蛋白质组分析（TPP）

CETSA由Molina等人于2013年在Science提出，其生物物理学基础是小分子特异性结合可提高靶蛋白的解链温度（Tm）。

① 核心优势：不仅可在细胞裂解液中进行，还能在活细胞、组织切片中原位实施，真实评估单体的细胞膜穿透性及与内源性靶标的实时结合状态。

② 实验模式：分为温度梯度分析（TR）和等温剂量反应（ITDR）。TR实验通过不同温度梯度处理细胞，绘制蛋白熔解曲线，若实验组曲线右移则提示靶点结合；ITDR实验在单一特征温度下设置药物浓度梯度，验证结合的剂量依赖性。

③ 高通量拓展：CETSA与TMT同位素标记质谱结合形成TPP技术（Savitski等人2014年Science报道），可同步获取数千种蛋白质的熔解曲线，无偏倚锁定直接结合靶点，同时揭示脱靶效应及下游信号通路的次级热稳定变化。

▶ 功能验证与动力学参数确证

筛选出候选靶点后，需通过生物物理学和功能学验证形成完整逻辑闭环。

① 结合动力学量化：表面等离子共振（SPR）和等温滴定微量热法（ITC）是量化结合的“黄金标准”。SPR可实时输出结合速率常数（kon）、解离速率常数（koff）及平衡解离常数（KD）；ITC是唯一能直接测量结合焓变（ΔH）的方法，还可提供结合计量比及熵变（ΔS），揭示相互作用的分子机制。

② 功能学因果验证：利用CRISPR/Cas9基因敲除、siRNA干扰或慢病毒过表达技术，在细胞或模式动物中改变靶蛋白表达丰度，若单体药效随靶点缺失消失或随过表达改变，则确证其直接作用靶标。

三、中药复方的靶点筛选策略

经典复方由多味药材配伍而成，包含数百至上千种化学成分，且存在成分间协同作用及体内复杂代谢转化，因此“寻找唯一直接作用靶点”的还原论策略不可行。

复方研究遵循系统生物学逻辑：复方→多成分群→多靶点网络→调控网络拓扑结构→疾病微环境改善与稳态重塑。

▶ 传统网络药理学标准化流程

网络药理学是过去十余年解析中药复方机制的标准化工具，其核心流程如下：

① 化学物质库构建与活性成分预处理：依托TCMSP、BATMAN-TCM、ETCM等中药数据库搜集复方所有已知化学成分；通过ADME参数进行虚拟筛选，剔除体内难以吸收的无效成分，获得“候选活性成分群”。

② 成分-靶点预测与疾病靶点映射：将活性成分转化为SMILES结构式，批量输入SwissTargetPrediction、PharmMapper、SEA等平台预测靶点，构建“成分-靶点”异构网络图；从GeneCards、OMIM、DisGeNET等数据库获取疾病相关靶点，通过韦恩图交集分析得到复方干预该疾病的“核心候选治疗靶点”。

③ 蛋白质-蛋白质相互作用（PPI）拓扑学分析：将交集靶点导入STRING数据库构建高置信度（综合评分≥0.700）PPI网络；利用Cytoscape的CytoHubba插件计算度中心性、介数中心性、紧密中心性，筛选出网络枢纽基因。

④ 基因功能与通路富集解析：通过GO分析揭示靶点在生物学过程、分子功能、细胞组分层面的分布；通过KEGG通路分析将靶点映射到具体信号转导级联，最终构建“多组分干预核心靶点群，协同调控通路并重塑系统稳态”的理论模型。

▶ 传统网络药理学的固有局限性

静态网络药理学的科学严谨性正面临国际学术界的广泛质疑，其核心缺陷包括：

① 算法本身的假阳性问题：靶点预测基于已知配体相似性，无法区分化合物对靶蛋白的激动或拮抗作用，导致通路解释可能与实际药理效应相悖。

② ADME过滤条件的教条化：许多中药大分子成分（如多糖、皂苷）虽不被肠道吸收，但可通过调节肠道免疫屏障或被菌群代谢为活性分子发挥药效，简单阈值过滤会错误剔除核心物质基础。

③ 学术生态问题：计算门槛降低导致大量缺乏实验验证的“流水线”式文章涌现，仅靠数据库交集和分子对接得出结论，而分子对接仅能证明空间“可容纳性”，不能作为靶点结合的确凿证据。

▶ 复方靶点研究的新范式：多组学驱动的系统生物学

为规避静态数据库的假阳性，现代复方靶点筛选已全面转向高通量多组学驱动的动态监测体系，且需遵循“真实物质表征+网络靶点预测+实验生物学确证”的立体化研究框架（《网络药理学评价方法指南》及Phytomedicine等期刊审稿要求）。

① 转录组与蛋白质组联合剖析：在真实给药模型中通过RNA-seq和TMT/非标定量LC-MS/MS获取基因与蛋白表达动态全景，通过差异表达基因（DEGs）和差异表达蛋白（DEPs）的共表达分析反向锁定复方调控的下游节点；结合磷酸化蛋白质组学可直接追踪激酶级联反应的激活/阻断状态。

② 代谢组学与肠道微生态协同分析：利用非靶向代谢组学追踪宿主体内内源性代谢物的变化，结合16SrRNA测序或宏基因组学解析复方对病理微生态的纠正作用，填补“微生物-肠-靶器官”轴的机制盲区。

③ 宏微观结合的逻辑闭环：将组学发现的真实干预网络与数据库预测结果取强交集，再通过DARTS、CETSA等技术对网络核心驱动蛋白与复方入血原型成分进行“一对一”物理结合确证，使复方机制模型兼具宏观系统性与微观因果准确性。

结语

如果你的研究对象是单一活性化合物，则优先采用化学蛋白质组学策略，形成从探针设计、靶点捕获到结合验证的完整证据链。

如果你的研究对象是中药复方，建议走“网络预测+多组学验证+实验验证”路线。

避免仅用数据库交集筛选和盲对接即得出结论。高水平论文更看重的是“网络预测的生物学合理性+多组学证据的支撑力+实验验证的坚实度”三者构成的完整证据链，而非仅是网络图的拓扑美观。

参考资料

1. Nazeer AA, Al-Subaie AE, Saeed SN, Arif IA. A network pharmacology and molecular docking approach to uncover the therapeutic potential of Cladophora glomerata-derived compounds for chronic obstructive pulmonary disease. Int J Mol Sci. 2026;27:1619. 

2. Lomenick B, Jung G, Wohlschlegel JA, Huang J. Target identification using drug affinity responsive target stability (DARTS). Curr Protoc Chem Biol. 2011;3(4):163-180. 

3. Daina A, Michielin O, Zoete V. SwissTargetPrediction: updated data and new features for efficient prediction of protein targets of small molecules. Nucleic Acids Res. 2019;47(W1):W357-W364. 

4. Mathai N, Chen Y, Kirchmair J. Validation strategies for target prediction methods. Brief Bioinform. 2020;21(6). 

5. Que W, Chen M, Yang L, Zhang B, Zhao Z, Liu M, et al. A network pharmacology-based investigation on the bioactive ingredients and molecular mechanisms of Gelsemium elegans Benth against colorectal cancer. BMC Complement Med Ther. 2021;21:99. 

6. Zhai Y, Liu L, Zhang F, Chen X, Wang H, Zhou J, et al. Network pharmacology: a crucial approach in traditional Chinese medicine research. Chin Med. 2025;20:8.

7. Pai MY, Lomenick B, Hwang H, Schiestl R, McBride W, Loo JA, et al. Drug affinity responsive target stability (DARTS) for small-molecule target identification. Methods Mol Biol. 2014;Chapter 22.

8. Zhu X, Yao Q, Yang P, Zhao D, Yang R, Bai H, et al. Multi-omics approaches for in-depth understanding of therapeutic mechanism for traditional Chinese medicine. Front Pharmacol. 2022;13:1031051.