中药机制研究：「活性成分分析」与「入血成分分析」有啥区别？

引言

在日常交流中，我们经常把“中药里有什么”和“体内真正起效的是什么”混为一谈。

实验室里经常能听到这样的对话：

“我查到XX中药里含有槲皮素，文献报道它抗炎活性很强，可以作为一个重要靶点来研究。”

“体外实验显示这个皂苷对癌细胞抑制率90%以上，应该就是主要药效成分了。”

这些想法背后，其实都混淆了“中药活性成分分析”与“中药入血成分分析”这两个本质不同的概念。这种概念上的模糊，直接导致了许多课题在研究路径上的困惑：我到底该先做成分鉴定，还是先做靶点预测？

今天我就结合研究实践与领域内的核心共识，把两类分析的本质区别与对应场景一次性讲透。

01 活性成分 vs. 入血成分：它们在回答完全不同的问题

▶ 活性成分分析的核心目的：回答“中药里有什么”。它通过高分辨质谱等技术，对药材或提取物中的化合物进行全面鉴定，建立化学指纹图谱。它的价值在于药材质量控制、体外活性筛选和先导化合物发现，但它无法告诉你这些成分能否进入体内。

▶ 入血成分分析的核心目的：回答“什么真正进入了体内”。它通过给模型动物灌胃给药后采集含药血清，利用精密的样品前处理和液质联用技术，精准识别那些跨越了胃肠道屏障、肝脏代谢和肠道菌群作用的入血原型成分及其代谢产物。它的价值在于为口服中药的体内药效物质基础提供最真实的依据。

02 核心对比

1. 物质研究对象与结构形态

▶ 活性成分分析：仅研究体外提取物中天然合成的原型化合物，体系是静态的。

▶ 入血成分分析：包含入血原型化合物与海量内 / 外源性代谢转化产物，体系是高度动态的。

2. 生物学相关度

▶ 活性成分分析：生物学相关度较低。很多成分体外活性极高，但不符合类药性原则，体内可能完全不被吸收或迅速降解，与真实药效关联性弱。

▶ 入血成分分析：生物学相关度极高。这些成分成功跨越了胃肠道物理屏障、首过效应拦截与肠道微生态重塑，是直接驱动体内药效的终端化学实体。

3. 假阳性与假阴性风险

这是我踩过最深的坑，也是当前大量低质量网络药理学研究的通病。

▶ 假阳性风险：活性成分分析风险极高。大量体外有效但完全缺乏生物利用度的成分，会被系统错误认定为核心药效物质。

▶ 假阴性风险：活性成分分析同样极高。中药中存在大量前药，体外无活性，必须经体内代谢裂解后才生效，体外分析会直接漏杀这类成分。

反过来，入血成分分析依托机体药代动力学屏障的天然过滤作用，假阳性、假阴性风险都极低，还能精准捕获体外原药中根本不存在的高活性代谢物。

4. 对网络药理学研究的影响

▶ 以体外活性成分为网络输入端：会产生海量无效冗余靶点，引发 “同质化灾难”。有文献普查过 1038 篇中药网络药理学研究，无论研究何种复方、何种疾病，最终预测的核心成分几乎都指向槲皮素、木犀草素、山奈酚等常见黄酮，完全无法体现方药的特异性。

▶ 以真实入血成分为网络输入端：即目前领域倡导的 “靶向网络药理学”，能从物理源头上阻断低生物利用度物质引发的假阳性靶点级联效应，大幅提升靶点预测的特异性与准确率。

5. 实验方法与操作路径

▶ 活性成分分析：偏向传统植物化学流程，核心是提取分离、液质联用全谱定性、体外细胞 / 酶促体系筛选，实验操作相对简单。

▶ 入血成分分析：需要构建活体病理 / 生理给药模型、执行时序采血、完成血清蛋白沉淀与固相萃取前处理，最终依赖空白对比的差异化 LC-MS/MS 算法鉴定成分，实验设计与数据分析门槛更高。

03 做机制研究，为什么必须优先开展入血成分分析？

我导师常说：“入血成分鉴定是中药机制研究的守门员，跳过这一步，后面所有分子实验都是空中楼阁。” 起初我觉得是夸大其词，直到深入研究几个经典药理案例，才彻底认同这个结论 —— 入血成分分析是后续所有靶点研究不可逾越的逻辑起点。

1. 被体外分析 “误判” 的经典药效成分

几个领域内广为人知的案例，足以说明跳过入血分析的偏差有多大：

① 人参皂苷 Rb1：体外研究中是人参里含量最高、活性报道最多的皂苷，但口服绝对生物利用度极低。它真正的起效形式，是经肠道厌氧菌分泌的糖苷键水解酶逐级脱糖后生成的代谢产物化合物K（CK）。CK能高效跨膜入血，激活肝癌细胞AMPK信号通路，逆转脂质代谢异常。只做体外活性分析，只会盯着Rb1做机制，从根上就找错了效应分子。

② 甘草酸：甘草的标志性成分，分子量大、跨膜通透性差，口服原型吸收率微乎其微。经肠道菌群葡萄糖醛酸酶水解生成的甘草次酸，才是真正进入体循环、发挥保肝抗炎作用的终端效应分子。

③ 小檗碱：肠道绝对生物利用度不足1%，但肠道微生物硝基还原酶可将其转化为二氢小檗碱，吸收转化率直接提升五倍。

这些案例共同证明：仅依赖体外活性成分分析，既会错把无法入血的原型当作药效物质（假阳性），又会漏掉真正起效的代谢产物（假阴性），最终机制研究必然南辕北辙。

2. 严谨的中药机制研究标准工作流

按照目前顶级药理学期刊的审稿标准，完整的中药起效机制研究，必须遵循循序渐进的验证路径，入血成分分析是其中承上启下的核心枢纽：

第一步（基线确立）：体外提取物全面化学表征

用UHPLC-HRMS对标准化制备的中药提取物做全景扫描，建立指纹图谱。

这一步属于传统活性成分分析范畴，核心作用是建立质量控制的基准化学对照库，而非作为药效物质的依据。

第二步（逻辑枢纽，最高优先级）：入血成分高通量时空分析

构建契合适应症的病理动物模型（病理状态下肠黏膜通透性、代谢酶谱与生理状态差异极大，病理模型的入血谱才具临床意义），给药后执行时序采血。通过对比空白血清、给药血清与体外提取物图谱的色谱差异，精准鉴定入血原型成分与活性代谢物。

第三步（机制映射）：基于入血组分的靶点网络预测

将鉴定得到的真实入血成分导入靶点预测模型或AI深度学习框架，构建“入血成分-核心靶点-信号通路-疾病表型”的高置信度网络。

第四步（实证确证）：分子与活体层面的机制验证

针对网络中的核心靶点与通路，在细胞系或基因编辑动物模型中开展蛋白表达、基因定量、分子对接等验证实验。

简言之，活性成分分析是“质量控制基线”，而入血成分分析才是“机制研究的真正起点”。研究顺序颠倒，只会投入大量精力却得到偏离真实的结论。

04 两种分析分别对应什么实验目的与应用场景？

常有同学问我：“照这么说，活性成分分析是不是完全没用？”

当然不是。二者没有绝对的优劣之分，只是对应的实验目的和应用场景完全不同，大家要根据自身研究目标选择。

结语

回到我们实验室日常的课题讨论，导师最常强调的就是：中药研究不能脱离“整体”与“体内过程”两个核心。它不是简单的“成分-靶点”线性对应，而是“成分-机体代谢-靶点-药效”的复杂系统交互。我们做研究不能为了加快进度，就跳过最关键的体内验证环节。

从体外活性成分，到体内入血成分，再到靶组织有效成分，是一步步逼近药效真相的过程。入血成分分析不是研究的终点，但它是从“体外化学”跨入“体内药理”的第一道关键门槛。

⬇️⬇️⬇️

中药靶点及作用机制研究一站式解决方案

▶ 保障阳性结果：采用基于高通量无偏见筛选的数据驱动实验策略，与传统的假设驱动的实验策略相比，无需预设特定的靶标分子，可以直接筛选出潜在的药物结合靶点，从而有效避免了出现阴性结果的风险。

▶ 结果图表丰富：高通量组学结果联合多个数据库，深入分析中药活性成分、作用靶点、功能富集通路、分子对接、蛋白质相互作用等多层面的结果。

▶ 杂志接受度高：从自身课题现象出发，采集实验材料，采用以高通量筛选技术获得关键靶标及通路的实验性研究，相比于仅依靠数据库挖掘的方法，更易受到学术杂志的认可。

▶ 无科研诚信风险：质谱高通量筛选产生信息庞大又相互关联的数据结果，从原始数据到分析数据的整个过程，我们将以文件夹清晰完整地交付给客户，以便用于论文发表和数据上传，从而杜绝项目数据造假的可能。

参考资料

1. Feng X, Jin J, Ye X, et al. Exploring the anti-diabetic potential of peimisine through bioinformatics analysis and in vitro studies. Front Pharmacol. 2026;17:166852. doi:10.3389/fphar.2026.17665852

2. Xiang H, Zhang L, Fan B, Nie Y, Song J, Bai D, Lei H. Identification and metabolic profiling of absorbed constituents and metabolites of Guizhi decoction in rat plasma and urine by RRLC-Q-TOF-MS. Int J Mol Sci. 2016;17(9):1409. doi:10.3390/ijms17091409

3. Liu Y, Li X, Chen C, Ding N, Ma S, Yang M. Exploration of compatibility rules and discovery of active ingredients in TCM formulas by network pharmacology. Chin Herb Med. 2024;16(4):572-588. doi:10.1016/j.chmed.2023.09.001

4. Bucar F, Wube A, Schmid M. Natural product isolation - how to get from biological material to pure compounds. Nat Prod Rep. 2013;30(4):525-545. doi:10.1039/c3np20106f

5. Hopkins AL. Network pharmacology: the next paradigm in drug discovery. Nat Chem Biol. 2008;4(11):682-690. doi:10.1038/nchembio.118

6. Wan JY, Wang CZ, Zhang QH, et al. Significant difference in active metabolite levels of ginseng in humans consuming Asian or Western diet: the link of enteric microbiota. Biomed Chromatogr. 2017;31(4):e3851. doi:10.1002/bmc.3851

7. Kim DY, Yuan HD, Chung IK, Chung SH. Compound K, intestinal metabolite of ginsenoside, attenuates hepatic lipid accumulation via AMPK activation in human hepatoma cells. J Agric Food Chem. 2009;57(4):1532-1537. doi:10.1021/jf802867b

8. Diao X, Zhang H, Wang S, Wang Z, Zhang Q. Rethinking network analysis in ethnopharmacology: a multi-omics and AI roadmap to overcome conceptual and methodological biases. Front Pharmacol. 2026;17:1748478. doi:10.3389/fphar.2026.1748478

9. Li R, Zhu L, Wu M, et al. Serum pharmacochemistry combined with network pharmacology-based mechanism prediction and pharmacological validation of Zhenwu decoction on alleviating isoprenaline-induced heart failure injury in rats. ACS Omega. 2023;8(40):37233-37247. doi:10.1021/acsomega.3c05055

10. Liu X, Liu J, Fu B, et al. DCABM-TCM: a database of constituents absorbed into the blood and metabolites of traditional Chinese medicine. J Chem Inf Model. 2023;63(16):4948-4959. doi:10.1021/acs.jcim.3c00365