摘要: 湿疹是一种复杂的炎症性皮肤病，现有治疗方法存在不良反应大、易复发的特点。土茯苓作为传统中药，具有抗湿疹潜力，但其作用机制尚未明确。本研究基于网络药理学，系统探究土茯苓抗湿疹的活性成分、作用靶点及分子机制。通过TCMSP数据库筛选出土茯苓9个潜在活性成分(如槲皮素、二氢槲皮素等)，结合GeneCards等数据库获取湿疹相关靶点，利用Venny分析得到109个药物–疾病共同靶点。通过STRING和Cytoscape构建蛋白质相互作用网络，筛选出AKT1、EGFR、CASP3等23个核心靶点；GO和KEGG富集分析表明，靶点显著富集于PI3K/AKT信号通路、TNF信号通路及Th17细胞分化等通路，涉及炎症调控、免疫应答及代谢紊乱改善等过程。研究表明，土茯苓通过多成分协同调控多靶点与通路网络，抑制炎症因子释放、调节免疫平衡及修复皮肤屏障，为其抗湿疹的临床应用提供了理论依据。本研究为中药现代化研究提供了方法学参考。
Abstract: Eczema is a complex inflammatory skin disease and the existing treatment methods are characterized by significant adverse reactions and a high recurrence rate. Smilax glabra Roxb. (SGR), a traditional Chinese herb, exhibits potential in treating eczema, yet its mechanism remains unclear. This study systematically investigated the active components, therapeutic targets, and molecular mechanisms of SGR against eczema using network pharmacology. Nine potential active components (e.g., quercetin, dihydroquercetin) were screened from SGR via the TCMSP database. Eczema-related targets were obtained from GeneCards and other databases, and 109 drug-disease common targets were identified through Venny analysis. Protein-protein interaction (PPI) networks were constructed using STRING and Cytoscape, revealing 23 core targets (e.g., AKT1, EGFR, CASP3). Gene Ontology (GO) and Kyoto Encyclopedia of Genes and Genomes (KEGG) enrichment analyses demonstrated that these targets were significantly enriched in pathways such as the PI3K/AKT signaling pathway, TNF signaling pathway, and Th17 cell differentiation, which are associated with inflammatory regulation, immune response, and metabolic disorder alleviation. The findings suggest that SGR exerts anti-eczema effects through multi-component synergy, modulating multiple targets and pathways to inhibit inflammatory cytokine release, restore immune balance, and repair the skin barrier. This study provides a theoretical foundation for the clinical application of SGR and methodological insights into the modernization of traditional Chinese medicine.
1. 引言
湿疹(Eczema)是一种以慢性炎症、剧烈瘙痒和皮肤屏障功能障碍为特征的异质性疾病，全球患病率持续上升，严重影响患者生活质量。其发病机制涉及遗传易感性、免疫失调(如Th1/Th2失衡、Th17细胞异常活化)、表皮屏障蛋白(如丝聚蛋白)表达缺陷及环境因素(如微生物定植、过敏原暴露)等多重因素的复杂交互作用[1]。目前，临床一线治疗药物以糖皮质激素和钙调磷酸酶抑制剂为主，但长期应用易诱发皮肤萎缩、耐药性及系统性不良作用，而生物制剂(如Dupilumab)虽靶向性强，却存在成本高昂和潜在免疫抑制风险[2] [3]。因此，开发兼具疗效与安全性的新型治疗策略成为亟待解决的临床问题。
中医药在湿疹治疗中积淀了千年经验，其中土茯苓(Smilax glabra Roxb.)作为清热利湿经典药材，被《本草纲目》记载具有“解毒、除湿、利关节”之效，临床常用于湿热型湿疹的治疗。现代药理学研究表明，其富含黄酮类(如槲皮素)、甾体皂苷类等活性成分，具有抗炎、抗氧化及免疫调节作用[4] [5]。然而，其多成分、多靶点的协同机制尚未系统解析，制约了循证医学证据的积累与国际化推广。
近年来，网络药理学的发展为解析中药复杂作用模式提供了突破性工具。该技术通过构建“药物–成分–靶点–疾病”多维网络，可全景式揭示中药的系统调控特征，尤其适用于多成分协同作用的中药机制研究。因此，本研究整合TCMSP、GeneCards等多源数据库，结合蛋白质相互作用(PPI)网络分析及通路富集技术，系统解析土茯苓抗湿疹的活性成分群、核心靶点及信号通路互作网络，旨在从网络层面阐明土茯苓“多成分–多靶点–多通路”的作用模式，为其临床转化提供分子药理学依据，同时为中药复方机制研究提供可推广的方法学范式。
2. 材料与方法
2.1. 药物活性成分及其作用靶点搜集与筛选
通过中药系统药理学数据库与分析平台(TCMSP, https://old.tcmsp-e.com/tcmsp.php)筛选土茯苓的活性成分。以口服生物利用度(OB) ≥ 30%和药物类比性(DL) ≥ 0.18为筛选条件，初步获取符合药代动力学特征的活性成分。将各个筛选出的活性成分输入PubChem数据库(https://pubchem.ncbi.nlm.nih.gov/)，获取其对应SMILES号，获取活性成分的SMILES编号后，将其导入SwissADME数据库
(http://www.swissadme.ch/)进行药代动力学特性分析。筛选标准包括胃肠道吸收(GIabsorption)为“High”，以及Lipinski、Ghose、Veber、Egan和Muegge五项类药性指标中满足至少两项或两项以上(显示“Yes”)。符合上述标准的化合物被最终判定为具有潜在活性的成分，用于后续研究分析。将最终获取的活性成分的SMILES号输入SwissTargetPrediction数据库(http://swisstargetprediction.ch/)，搜集各个成分的潜在靶点。
2.2. 湿疹相关靶点基因筛选及药物–疾病共同靶点的获取
以“eczema”为检索词，在GeneCards数据库(https://www.genecards.org/)，Disgenet数据库
(https://disgenet.com/)，TTD数据库(https://db.idrblab.net/ttd/)获取湿疹的疾病靶点。最终利用UniProt蛋白数据库(https://www.uniprot.org)对搜集得到的药物与疾病靶点进行数据校准，规范化靶点信息。同时，剔除无效及重复的靶点，最终获得标准化的基因名称。通过在线绘图工具Venny2.1.0 (http://www.liuxiaoyuyuan.cn/)获得疾病与药物的交集靶点。
2.3. 蛋白质–蛋白质相互作用(PPI)网络分析
将土茯苓–湿疹共同靶点基因导入STRING数据库(https://string-db.org)，设定物种参数为“Homosapiens”，构建PPI网络。随后将网络数据导入Cytoscape3.10.1软件，使用centiscape2.2插件，计算出“degree”“closeness”“betweenness”的阈值并对靶点进行筛选，以大于这3个参数的阈值作为筛选标准，筛选出核心靶点。将药物、主要成分和交集靶点导入Cytoscape3.10.1，构建“药物–成分–靶点基因”网络。
2.4. 基因本体论(GO)和京都基因与基因组百科全书(KEGG)通路富集分析
将获得的交集靶点基因导入DAVID (https://davidbioinformatics.nih.gov)数据库。物种选择“Homosapiens”，对其生物过程(BP)、细胞组分(CC)、分子功能(MF)进行GO富集分析以及进进KEGG通路富集分析。以P ≤ 0.01，错误发现率(FDR) ≤ 0.05作为筛选标准，按P值从小到大排序，分别选取BP、CC、MF前10条结果与KEGG信号通路前20条结果结合微生信工具(http://www.bioinformatics.com.cn)进行可视化。
3. 结果
3.1. 土茯苓活性成分及相关靶点筛选
在TCMSP数据库检索土茯苓活性成分，以OB ≥ 30%、DL ≥ 0.18%为条件，得到15个活性成分，经SwissADME数据库筛选后，9个活性成分最终被判定为潜在活性成分(见表1)。通过在SwissTargetPrediction数据库预测成分对应靶点，合并去重后得到272个活性成分潜在作用靶点。
Table 1. Active ingredients of Smilax glabra
表1. 土茯苓活性成分信息
Mol ID |
Molecule Name |
OB (%) |
DL |
是否作为潜在成分 |
MOL013117 |
4,7-Dihydroxy-5-methoxyl-6-methyl-8-formyl-flavan |
37.03 |
0.28 |
是 |
MOL013118 |
Neoastilbin |
40.54 |
0.74 |
否 |
MOL013119 |
Enhydrin |
40.56 |
0.74 |
是 |
MOL013129 |
(2R,3R)-2-(3,5-dihydroxyphenyl)-3,5,7-trihydroxychroman-4-one |
63.17 |
0.27 |
是 |
MOL001736 |
(-)-taxifolin |
60.51 |
0.27 |
是 |
MOL000358 |
beta-sitosterol |
36.91 |
0.75 |
否 |
MOL000359 |
sitosterol |
36.91 |
0.75 |
否 |
MOL004328 |
naringenin |
59.29 |
0.21 |
是 |
MOL000449 |
Stigmasterol |
43.83 |
0.76 |
否 |
MOL004567 |
isoengelitin |
34.65 |
0.7 |
否 |
MOL004575 |
astilbin |
36.46 |
0.74 |
否 |
MOL004576 |
taxifolin |
57.84 |
0.27 |
是 |
MOL004580 |
cis-Dihydroquercetin |
66.44 |
0.27 |
是 |
MOL000546 |
diosgenin |
80.88 |
0.81 |
是 |
MOL000098 |
quercetin |
46.43 |
0.28 |
是 |
3.2. 疾病相关靶点及药物–疾病共同靶点
在GeneCards、Disgenet、TTD数据库搜索“eczema”筛选得到湿疹作用靶点，通过整合、删除重复靶点，最终获得4085个湿疹作用靶点。将筛选得到的272个土茯苓活性成分作用靶点和4085个湿疹作用靶点绘制交叉靶点Venn图，通过分析可知，活性成分与疾病交叉靶点为109个(见图1)。
Figure 1. Smilax glabra-Eczema common targets Venn diagram
图1. 土茯苓–湿疹共同靶点Venn图
3.3. “药物–成分–靶点基因”网络构建及PPI网络的分析与构建
将土茯苓与湿疹的交集靶点、潜在活性成分和药物名称导入Cytoscape3.10.1，构建“药物–成分–靶点基因”网络(见图2)。该网络有114个节点，148条连线，红色表药物，紫色代表药物成分，绿色代表交集的靶点基因。
Figure 2. Network diagram of drug, constituent, and target interactions
图2. “药物–成分–靶点”相互作用的网络图
将109个交集靶点导入STRING数据库构建PPI网络(见图3)，将构建的PPI网络导入Cytoscape3.10.1进行可视化分析。该PPI网络有108个节点和999条相互作用作用的连线。计算出“degree”“closeness” “betweenness”的阈值分别为“18.5”“00469232258637017”“110.962962962962”，筛选出23个核心靶点，靶点间188条相互作用作用的连线(见图4，表2)。
3.4. GO功能富集分析结果
基因本体论(GO)分析显示，109个交集基因在生物过程(BP)中显著富集于细胞信号转导(如“PI3K/AKT信号通路正向调控”“胰岛素样生长因子受体信号通路”)及免疫调节相关条目(如“活性氧的细胞应答”“肽基酪氨酸磷酸化”“细胞迁移正向调控”)。细胞组分(CC)分析表明，目标基因主要定位于质膜、膜筏及受体复合物，部分基因分布于胞质溶胶及细胞外空间。分子功能(MF)中，基因显著富集于蛋白酪氨酸激酶活性、ATP结合及蛋白磷酸酶结合等条目，并涉及“组蛋白H3Y41激酶活性”等催化功能(见图5)。
Figure 3. PPI network construction
图3. PPI网络构建
Figure 4. Flowchart of core target screening process
图4. 核心靶点筛选过程图
Table 2. Smilax glabra core targets
表2. 土茯苓核心靶点
基因名 |
Betweenness |
Closeness |
Degree |
基因名 |
Betweenness |
Closeness |
Degree |
AKT1 |
1063.629858 |
0.006802721 |
67 |
MAPK1 |
192.8097347 |
0.005376344 |
32 |
EGFR |
604.2153995 |
0.006451613 |
59 |
APP |
491.3617114 |
0.005376344 |
32 |
CASP3 |
567.8217531 |
0.006289308 |
56 |
CYP3A4 |
533.8486755 |
0.005181347 |
29 |
SRC |
1126.244387 |
0.00625 |
54 |
CASP8 |
215.1609217 |
0.005291005 |
29 |
BCL2 |
342.1305668 |
0.00621118 |
54 |
AR |
315.1249904 |
0.005319149 |
28 |
PTGS2 |
597.6150231 |
0.00621118 |
53 |
MPO |
219.5895675 |
0.005076142 |
28 |
MMP9 |
468.8683915 |
0.006134969 |
52 |
MAPK8 |
131.8649686 |
0.005181347 |
28 |
PPARG |
683.429116 |
0.006024096 |
49 |
TLR9 |
123.47794 |
0.005050505 |
25 |
JUN |
302.6250289 |
0.005952381 |
47 |
MAPT |
172.4038675 |
0.005025126 |
24 |
HSP90AB1 |
521.4420251 |
0.005747126 |
41 |
LCK |
118.4926903 |
0.004901961 |
23 |
IL2 |
166.1765181 |
0.005714286 |
41 |
CYP19A1 |
246.9506057 |
0.004950495 |
19 |
JAK2 |
173.4226564 |
0.005649718 |
40 |
|
|
|
|
Figure 5. GO analysis of Smilax glabra for eczema therapy
图5. 土茯苓治疗湿疹的GO分析
3.5. KEGG通路富集分析结果
京都基因与基因组百科全书(KEGG)通路分析显示，交集基因显著富集于免疫炎症反应(如“Toll样受体信号通路”“TNF信号通路”“Th17细胞分化”)、病原体防御(如“结核病”“乙型肝炎感染”)及代谢调控(如“AGE-RAGE糖尿病并发症信号通路”“EGFR酪氨酸激酶抑制剂耐药性”)三大类通路。此外，部分癌症相关通路(如“PD-L1/PD-1检查点通路”)亦被显著富集(见图6)。
Figure 6. KEGG analysis of Smilax glabra for eczema therapy
图6. 土茯苓治疗湿疹的KEGG分析
4. 讨论
本研究基于网络药理学，首次系统揭示了土茯苓通过多成分、多靶点、多通路协同作用干预湿疹的潜在分子机制。通过筛选得到9个土茯苓活性成分(如槲皮素、二氢槲皮素等)及109个土茯苓–湿疹交集靶点，结合GO与KEGG富集分析，初步构建了“活性成分–核心靶点–信号通路”多维互作网络，为阐明土茯苓抗湿疹的生物学基础提供了重要依据。
研究发现，AKT1、EGFR、CASP3、SRC等核心靶点通过调控PI3K/AKT信号通路、TNF信号通路及Th17细胞分化等通路参与湿疹病理过程。其中，AKT1作为PI3K/AKT信号通路的核心节点，其磷酸化激活可促进下游NF-κB核转位，驱动IL-6、TNF-α等促炎因子释放，直接加剧湿疹的皮肤炎症反应[6]。本研究发现，土茯苓活性成分(如槲皮素、二氢槲皮素)与AKT1的显著关联提示其可能通过抑制PI3K/AKT通路发挥抗炎作用。已有研究证实，槲皮素可通过阻断IKKβ磷酸化抑制NF-κB通路[7]。而本研究中AKT1与NF-κB信号的高度共富集(KEGG通路分析)进一步支持二者协同调控的可能性。此外，EGFR信号通路的激活可通过MAPK/ERK途径促进表皮过度增殖与屏障损伤，土茯苓可能通过拮抗EGFR信号，下调ERK磷酸化，从而促进角质形成细胞分化与屏障修复。这一机制与土茯苓“除湿止痒”的传统功效高度契合，并为临床观察到的皮肤屏障改善提供了分子解释[8] [9]。
KEGG分析显示，土茯苓抗湿疹的作用与“Toll样受体信号通路”和“Th17细胞分化”通路显著相关。近年研究表明，TLR4/MyD88通路的激活可诱导IRF5与NF-κB协同作用，促进IL-23分泌，进而驱动Th17细胞扩增并分泌IL-17A，导致湿疹慢性炎症[10] [11]。例如，Sun等(2024)发现，中药复方Sophora flavescens-Angelica sinensis通过抑制TLR4/MyD88/NF-κB通路显著减轻湿疹模型小鼠的皮肤炎症[12]。此外，Th17/Treg细胞平衡紊乱是湿疹免疫失调的关键机制，临床研究显示湿疹患者皮损中Th17细胞比例显著升高，而Treg细胞功能受抑[13]。Li等(2025)进一步证实，通过调节Th17/Treg平衡可有效缓解湿疹相关炎症与屏障损伤[14]。结合上述证据，本研究提示土茯苓可能通过抑制TLR4/MyD88通路减少IL-17、IL-23表达，同时恢复Th17/Treg动态平衡，从而缓解湿疹的免疫过度激活状态。这一发现不仅与现有药理机制研究相呼应，也为土茯苓“清热利湿、调节免疫”的传统功效提供了分子层面的支持，凸显其作为多靶点干预策略的潜在优势。
AGE-RAGE糖尿病并发症通路的富集提示土茯苓可能通过干预代谢–炎症交互作用改善湿疹。研究表明，AGEs与RAGE结合后，通过激活NOX4诱导ROS爆发，进而激活NLRP3炎症小体，导致IL-1β成熟释放[15]。例如，Han等(2023)发现，抑制AGE-RAGE信号可显著降低皮肤糖化损伤并缓解炎症反应，提示该通路在代谢相关皮肤病中的核心作用[16]。结合本研究结果，土茯苓活性成分可能通过阻断AGE-RAGE相互作用，减少活性氧(ROS)生成及促炎因子释放，从而改善湿疹合并代谢紊乱患者的皮肤病变。此外，病原体感染相关通路(如“结核病”“乙型肝炎”)的富集可能反映湿疹患者因屏障缺陷导致的继发感染风险。已有研究证实，皮肤屏障修复可减少病原体定植，例如丝聚蛋白缺失型湿疹患者常伴金黄色葡萄球菌感染率升高[17]。尽管本研究中土茯苓未直接富集于抗菌靶点，但其通过修复屏障可能间接降低感染概率，而是否具有直接抗病原体活性仍需通过体外抑菌实验进一步验证。
核心靶点AKT1、SRC与EGFR在PI3K/AKT、TLR4及EGFR信号通路中形成交叉调控枢纽。例如，EGFR激活后可反式激活PI3K，促进AKT1磷酸化；而SRC既能增强TLR4信号，也可磷酸化EGFR胞内段，形成正反馈环路。土茯苓成分可能通过同步抑制这些节点的活性，打破促炎信号的级联放大效应。此外，Th17分化通路与AGE-RAGE通路均汇聚于NF-κB，提示土茯苓的多成分可通过不同上游靶点(如AKT1、RAGE)协同抑制该核心转录因子，实现抗炎效应的最大化。
尽管本研究通过生物信息学手段初步揭示了土茯苓抗湿疹的机制，但仍存在以下局限性：首先，活性成分的筛选依赖于数据库预测，需通过HPLC-MS等技术进一步鉴定土茯苓实际入血成分；其次，核心靶点与通路的作用需通过细胞实验(如Western blot、qPCR)及动物模型(如DNFB诱导的湿疹小鼠)加以验证；最后，癌症相关通路(如PD-L1/PD-1)的富集可能与湿疹慢性炎症的微环境特性相关，但其生物学意义需谨慎解读。
综上，本研究从网络药理学角度揭示了土茯苓治疗湿疹的潜在机制，其通过槲皮素等活性成分调控AKT1、EGFR等靶点，抑制PI3K/AKT、TNF等炎症通路，同时调节免疫细胞分化与代谢紊乱，体现了中药“多系统干预”的特点。后续研究将结合分子对接与湿实验验证，为土茯苓的临床应用及中药现代化研究提供更充分的证据链。
基金项目
2024年长沙医学院大学生创新创业训练计划项目《基于网络药理学与分子对接技术探究土茯苓治疗湿疹的机制及实验验证》(长医学[2024] 34号-187)。
NOTES
*通讯作者。