肺结节（pulmonary nodule ，PN ）是经影像学检查肺部存在直径≤3 cm 的局灶性、类圆形阴影，可多发或孤立存在，但不伴有肺不张、肺门淋巴结肿大及胸腔积液等的一种疾病 [1] 。随着胸部CT 技术的进步与健康体检的普及，肺结节检出率逐年增高。更重要的是，肺结节已成为肺癌诊治前移的关键端口 [2] ，严格把控肺结节的早诊早治对于改善肺癌患者预后和降低死亡率具有重要意义。然而，现行肺结节的西医诊疗策略以“随访- 监测”为主，不仅缺乏有效的干预措施，且循环往复的过度诊疗甚至会持续加重患者的心理和经济负担 [1,3-6] 。近年来，大量临床研究已证实中医药在肺结节防治中疗效确切且具有独特优势 [7-13] ，但由于中药复方成分的复杂性和药效物质基础及分子机制的散在性，限制了从中医视角下对肺结节的临床干预策略要点和诊疗体系形成的系统性再认识。本研究拟联合数据挖掘和网络药理学综合分析中医药治疗肺结节的临床用药规律，深入探究核心药物组合治疗肺结节的潜在靶点与机制，以期为肺结节的临床诊治及管理提供科学依据。

1材料与方法

1.1文献检索与整理

通过计算机检索中国知网（CNKI ）、万方数据库（Wanfang ）、维普数据库（VIP ）、中国生物医学文献数据库（Sinomed ）、PubMed 等数据库，收集中药或中成药治疗肺结节的文献，语言种类限定为中文与英文。通过主题词与自由词结合的方式对检索词进行限定，以“中医”“中药”“中医药”“中医治疗”“论治”“肺结节”为检索词检索中文数据库，以“medicine, Chinese traditional ”“pulmonary nodule ”等检索词检索英文数据库，检索年限为建库至2021 年11 月。

文献纳入标准：（1 ）中药或中成药治疗肺结节符合《肺结节诊治中国专家共识（2018 年版）》诊断标准；（2 ）药物组成及临床疗效确切，且不联合其他治疗手段的临床研究、名老中医经验、病案分析等类型的文献；（3 ）不限定药物剂型、剂量和治疗疗程等用药方式。文献排除标准：（1 ）治疗肺结节病的相关文献主题或疾病概念与肺结节相混淆；（2 ）理论探讨、综述与系统评价、动物实验研究等研究类型文献；（3 ）使用中药外治法、联合化学药或其他非中药治疗、药物记录不明确或研究单味中药的文献。

1.2建立处方数据库

运用Endnote X20 软件进行文献管理和系统查重，通过阅读题目、摘要和全文确定最终纳入文献。3 名研究者根据纳排标准独立筛选文献、提取数据，重复的文献及处方只纳入1 次，遇到分歧时组内讨论或由第4 名研究者进行裁决。运用Microsoft Excel 2019 建立肺结节处方数据库，并对文献所提及肺结节类型与相关检查结果进行摘录。参考《中国药典》2020 年版和《中药大辞典》第2 版，对中药名称进行规范化处理，如将“半夏”“法半夏”“清半夏”“姜半夏”统一规范为“半夏”；“天龙”统一规范为“壁虎”等；若仅因炮制方法或产地不同而存在较大药性差别的中药予以保留，如“地黄”与“熟地黄”；为令数据更具典型性，去除对性味的修饰词，如微苦、微寒统一为苦、寒。

1.3数据分析

将规范化后的肺结节处方数据库中的中药处方数据导入R 语言（3.6.3 版本）进行药物和性味归经频次分析、高频药物关联规则分析、系统聚类分析，并实现可视化。利用base 包中的table 函数进行频数统计；利用dplyr 包中的arrange 函数将药物、四气、五味、归经分别按频数进行排序并利用fmsb 包中的radarchart 函数绘制雷达图；利用arules 包中的apriori 函数进行关联规则分析，支持度（support ）表示二者同时在总体中出现的概率；前者出现的情况下后者出现的概率以置信度（confidence ）表示，用符号=> 表示；提升度（lift ）则代表在含有前者的条件下，且同时含有后者的概率，提升度＞1 为有效的强关联规则，而提升度越高说明该药对存在的可靠性越强。利用base 包中的sort 函数将药对按照支持度进行排序并利用circlize 包中的chordDiagram 函数绘制弦图；利用stats 包中的hclust 函数实现聚类算法，利用factoextra 包中的fviz_dend 绘制树状图。将核心药物组合输入TCMSP 平台（http://tcmspw.com/tcmsp.php ），以口服生物利用度（oral bioavailability ，OB ）≥30% 为条件，并且符合类药性（drug-likeness ，DL ）≥0.18 进行筛选，得到活性成分进行汇总，之后利用Uniprot 数据库（http://www.uniprot.org/ ），筛选人类（homo sapiens ）靶蛋白，并校正靶标蛋白所对应的基因名称，去重后汇总相关靶点。以疾病名称“pulmonary nodule ”为关键词，分别通过Gencards （http://www.genecards. org ）、OMIM （http://www.omim.org ）、KEGG （http:// www.kegg.jp/ ）等数据库进行疾病靶点基因的检索及筛选，合并后再去重，得到肺结节的疾病靶点。利用R 语言ggplot2 包绘制韦恩图，得到核心药物组合与肺结节靶点的交集，即核心药物组合治疗肺结节的潜在作用靶点。将潜在靶点导入STRING 11.0 数据库（https://string-db.org ），选择“multiple proteins ”后，将生物种类设定为“homo sapiens ”，且最小互相作用得分设定为highest confidence ＞0.9 ，其他参数则选择默认设置，得到蛋白质- 蛋白质相互作用（protein-protein interaction ，PPI ）网络模型并隐藏游离节点，将此结果导入Cytoscape 3.7.2 ，基于Network Analyzer 工具分析交集靶点的网络拓扑性质参数，包括自由度（degree ）、介度（betweenness centrality ）和紧密度（closeness centrality ）等，进行网络拓扑分析，记录蛋白间相互作用类型及得分，构建PPI 网络图。运用DAVID （https://david.ncifcrf.gov/ ）数据库对核心药物组合治疗肺结节的靶点进行基因本体论（gene ontology ，GO ）和京都基因与基因组百科全书（Kyoto encyclopedia of genes and genomes ，KEGG ）富集分析，设定生物种类为“homo sapiens ”，GO 和KEGG 分析结果均以 P ＜ 0.05 表明差异具有统计学意义， P ＜ 0.01 则说明有显著统计学意义。并通过 Cytoscape 3.7.2 将中医药治疗肺结节核心药物组合的活性成分、潜在靶蛋白及 KEGG 通路注释文件汇总整理到 Excel ，导入 Cytoscape 3.7.2 中构建“中药活性成分 - 靶点 - 疾病多通路”网络图，进行网络拓扑分析。

1.4分子对接验证

将PPI 网络中自由度值排名前5 的关键靶点与度值最高的3 个主要活性成分分别进行分子对接，以验证成分- 靶点之间的结合可能性。从RCSB PDB 数据库（https://www.rcsb.org/ ）和TCMSP 获取靶点与成分的三维结构和化学结构，利用AutoDock Tools 1.5.6 软件对中药关键活性成分和核心靶点进行分子对接验证分析，对接后运用PyMOL 软件进行可视化处理。

2结果

2.1中药复方的收集与筛选

初步检索文献共计1222 篇，严格根据纳排标准进行筛查，最终纳入文献39 篇，筛选出治疗肺结节的处方53 首，并构建肺结节处方数据库。具体文献筛选和数据库构建流程见图1 。

2.2中药治疗肺结节的四气、五味、归经频次分析

通过Microsoft office Excel 2019 对数据进行规范化后，得到中药213 味，用药频次共计914 次，22 味高频（频次≥10 ）中药使用最多的是甘草39 次（69.64% ）、半夏29 次（51.79% ）、茯苓26 次（46.43% ），其频次分布与药物类别见表1 。213 味中药的药性以寒为主（359 次，52.58% ），温（251 次，27.46% ）、平（229 次，25.05% ）次之。药味以苦味和甘味为主，其中苦味452 次（30.85% ），甘味451 次（30.78% ）。归经以归肺经（541 次，23.77% ）、脾经（364 次，15.99% ）、肝经（347 次，14.25% ）、胃经（321 次，14.10% ）最多，见图2 。

2.3治疗肺结节的中药组方关联规则

利用Apriori 函数对213 味中药进行关联规则分析，挖掘治疗肺结节的高频药物组合，将最小支持度设置为0.12 ，最小置信度设置0.8 ，共得到核心药对组合38 个，包含中药15 味。38 个核心药对组合的统计结果按支持度排序，排名前3 的药对为“半夏=> 甘草”（支持度0.43 ）、“茯苓=> 甘草”（支持度0.39 ）、“半夏，茯苓=> 甘草”（支持度0.30 ），见表2 、3 。运用R 语言circlize 包对二项关联规则进行可视化（图3 ），圆上两点的连线来表示2 味药的关联性，箭头由前项药物指向后项药物，连线的宽度表示支持度。

2.4中药复方系统聚类分析

使用R 语言对37 味高频中药（频次≥8 ）进行系统聚类分析，度量区间采用Euclidean 距离，聚类方法为ward.D2 法，聚类数（ k ）取7 ，得到6 组多味药物组合和1 组药对，见图4 。C1 类：白术、茯苓、陈皮；C2 类（药对）：甘草、半夏；C3 类：桔梗、黄芩、紫菀、桑白皮、苦杏仁；C4 类：白花蛇舌草、半枝莲、白芍、枳实；C5 类：北沙参、鳖甲、麦冬、瓜蒌、玄参、党参、金荞麦、桃仁、薏苡仁、山慈菇；C6 类：浙贝母、黄芪、牡蛎；C7 类：僵蚕、太子参、莪术、川芎、夏枯草、当归、玄参、柴胡、枳壳、郁金。系统聚类所得的7 个聚类组合总体均为扶正祛邪、调畅气血的组合，扶正以补气为主，祛邪以化痰散结为主；体现了肺结节虚实夹杂、气血湿痰阻滞的基本病机。

2.5靶点预测

2.5.1药物及肺结节相关靶点的筛选 综合药物频次分析、关联规则分析、聚类分析结果，确定“甘草 - 茯苓 - 半夏”为核心药物组合，以 OB ≥ 30% ， DL ≥0.18 为筛选条件，共获取核心药物组活性成分1991 个，甘草、茯苓、半夏的活性成分分别为1769 、35 、187 个。靶点预测发现，甘草238 个、茯苓25 个、半夏110 个，去除重复靶点后共获得253 个。通过GeneCards 、OMIM 数据库检索合并及删除重复靶点后，共获得779 个肺结节相关重要靶点。

2.5.2核心药物组合治疗肺结节相关靶点的预测 将核心药物组合活性成分靶点与肺结节靶点进行映射，获得甘草、茯苓和半夏治疗肺结节的85 个潜在 靶点，运用R 语言ggplot2 包以韦恩图的形式展示，见图5 。将核心药物组合“甘草- 茯苓- 半夏”与肺结节交集靶点上传至STRING 数据库进行PPI 分析，得到中药活性成分作用于肺结节的PPI 网络，结果显示85 个靶标组成的网络中共存在362 项相互作用，平均局部聚类系数为 0.511 ， PPI 富集 P 值＜ 1.0 ×10 − 16 。将结果导入Cytoscape 3.7.2 软件，利用Network Analysis 构建高可信度PPI 网络（颜色越偏向暖色，表示重要性越大），如图6 所示。结果示网络中各节点的自由度、介度、中心度均超过平均值的靶点有17 个，平均度值8.938 。以节点度值为评价参数，节点度值越大说明其在PPI 网络中越重要，可能在发挥生物学功能中起着重要的作用。自由度排名前10 （自由度值≥21 ）的靶点为信号转导和转录激活因子3 （signal transducer and activator of transcription 3 ，STAT3 ）、Jun 原癌基因（Jun proto-oncogene ，JUN ）、蛋白激酶B1 （protein kinase B1 ，AKT1 ）、白细胞介素6 （interleukin 6 ，IL6 ）、酪氨酸激酶 3 （ mitogen-activated protein kinase 3 ， MAPK3 ）、MAPK1 、肿瘤坏死因子（tumor necrosis factor ，TNF ）、肿瘤蛋白P53 （tumor protein P53 ，TP53 ）、MAPK14 、Fos 原癌基因（Fos proto-oncogene ，FOS ），表明这些基因在网络中占据重要地位，提示这些靶点可能是“甘草- 茯苓- 半夏”治疗肺结节发挥功效的关键靶点。见表4 。

2.5.3核心药物组合治疗肺结节相关靶点的GO 功能与KEGG 通路富集分析 GO 功能分析主要用于描述基因靶点的功能，包括生物过程、细胞组分和分子功能。KEGG 富集分析可以得到核心药物组合“甘草- 茯苓- 半夏”治疗肺结节的靶点所富集的关键通路。将上述核心药物组合治疗PN 的共有靶点进行GO 富集分析，设定 P ＜0.01 ，错误发现率（false discovery rate ，FDR ）＜0.01 ，选取 P 值排名前10 的功能信息，通过R 语言clusterProfiler 包进行数据整理，并运用ggplot2 包对结果可视化，见图7 。富集比较明显的前10 个生物过程包括：DNA 结合转录因子活性的调控（regulation of DNA-binding transcription factor activity ）、上皮细胞增殖（epithelial cell proliferation ）、蛋白质定位建立的正向调控（positive regulation of establishment of protein localization ）、对脂多糖的应答（response to lipopolysaccharide ）、对细菌源分子的应答（response to molecule of bacterial origin ）、蛋白质转运的正向调节（positive regulation of protein transport ）、对氧化应激的反应（response to oxidative stress ）、细胞因子产生的正调控（positive regulation of cytokine production ）、对活性氧代谢过程的调节（regulation of reactive oxygen species metabolic process ）、细胞对生物刺激（cellular response to biotic stimulus ）的反应过程；富集比较明显的前10 个细胞组分包括：核染色质（nuclear chromatin ）、转录因子复合体（transcription factor complex ）、RNA 聚合酶II 转录因子复合物（RNA polymerase II transcription factor complex ）、核转录因子复合体（nuclear transcription factor complex ）、膜筏（membrane raft ）、膜微域（membrane microdomain ）、膜区（membrane region ）、水泡腔（vesicle lumen ）、膜小凹（caveola ）、质膜筏（plasma membrane raft ）；富集比较明显的前10 个分子功能包括：细胞因子受体结合（cytokine receptor binding ）、细胞因子活性（cytokine activity ）、受体配体活性（receptor ligand activity ）、DNA 结合转录激活剂活性及RNA 聚合酶II 特异性（DNA-binding transcription activator activity ，RNA polymerase II-specific ）、磷酸酶结合（phosphatase binding ）、生长因子受体结合（growth factor receptor binding ）、蛋白磷酸酶结合（protein phosphatase binding ）、生长因子活性（growth factor activity ）、泛素样蛋白连接酶结合（ubiquitin-like protein ligase binding ）、蛋白丝氨酸/ 苏氨酸激酶活性（protein serine/threonine kinase activity ）。通过DAVID 数据库进行KEGG 通路功能富集分析，并通过R 语言ggplot2 包实现可视化做图。富集比较明显的前10 个通路包括：糖尿病并发症的晚期糖基化终产物及其受体（advanced glycation end products-receptor for advanced glycation end products ，AGE-RAGE ）信号通路、查加斯病（Chagas disease ）、乙型肝炎（hepatitis B ）、卡波济肉瘤相关疱疹病毒感染（Kaposi sarcoma-associated herpesvirus infection ）、癌症中的蛋白多糖（proteoglycans in cancer ）、辅助性T 细胞17 （T helper 17 ，Th17 ）细胞分化（Th17 cell differentiation ）、人类巨细胞病毒感染（human cytomegalovirus infection ）、MAPK 信号通路、IL-17 信号通路、耶尔森氏菌感染（Yersinia infection ）（表5 、图8 ）。

2.5.4中药活性成分- 靶点- 疾病通路网络图 将核心药物组合“甘草- 茯苓- 半夏”的活性成分、靶蛋白及KEGG 通路文件用Cytoscape 3.7.2 软件构建中药活性成分- 靶点- 疾病多通路网络图，见图9 。运用Network Analyzer 分析网络拓扑性质，该网络共有2121 个节点，38 个活性成分及1034 个靶点节点，共有1916 条边，结果显示度值大于平均值的前6 位（度值＞20 ）活性成分主要有槲皮素（quercetin ，MOL000098 ）、山柰酚（kaempferol ，MOL000422 ）、黄芩素（baicalein ，MOL002714 ）、柚皮苷（naringenin ，MOL004328 ）、常春藤素（hederagenin ，MOL000296 ）、消旋卡文定碱（cavidine ，MOL002670 ），见表6 。因此可以预测槲皮素（quercetin ）、山柰酚（kaempferol ）、黄芩素（baicalein ）等为中医药治疗肺结节的主要有效成分，这些有效成分具有清除自由基、抑制炎症反应、抗病毒、抗肿瘤活性，改善局部微循环和营养供给，及防治心脑血管疾病、预防癌症等作用。

2.6分子对接验证

利用AutoDock Tools 1.5.6 对接工具对PPI 网络中排名前5 的关键靶点与度值最高的前3 个主要活性成分进行半柔性对接，以结合能表示小分子与靶蛋白结合的优劣，结合能计算结果如表7 所示。通常结合能小于0 代表小分子与靶蛋白可自由结合，当结合能≤ −5.0 kcal/mol ，提示对接靶点与成分间结 合性较好。表7 中93.33% 的结合能小于 −5.0 kcal/mol ，在一定程度上验证成分- 靶点之间的结合活性。结果中黄芩素（baicalein ）与MAPK3 展示出最好的结合性，见图10 ，左图为整体视图，右图为局部视图，图中蓝紫色为小分子，淡青色为蛋白，黄色虚线表示氢键作用，灰色虚线表示疏水作用。

3讨论

目前，应用低剂量计算机断层扫描（low dosage computerized tomography ，LDCT ）进行早期诊断是 降低肺癌死亡率的首要策略和最有效方法。但需要注意的是，肺结节的早期临床表现不明显，且缺乏有效的治疗手段，对于CT 筛查结果为良性肺结节的患者，临床上多以“随访- 监测”为主，但循环往复的筛查模式无形中进一步加重了患者的焦虑抑郁情绪和经济负担。不同医家基于中医动态观与整体观的防治理念，针对肺结节患者不同阶段的需求采用不同治疗思路并调整配伍用药，积累了丰富的肺结节治疗经验，亦为肺结癌转化的长时性空窗期缺乏有效干预措施提供了充足的临床证据。然而，由于缺乏对临床疗效与理法方药间作用关系的具体阐述，未能将肺结节的病因病机认识与组方用药经验进行有效转化，因而中医药治疗肺结节的临床经验尚未形成系统性的诊治理念，而基于数据挖掘方法和现代化的生物信息学技术无疑为高效提取并处理中医药诊治肺结节相关研究中不同过程与阶段的信息提供了有效手段。

值得一提的是，尽管既往有一项类似研究基于数据挖掘初步探索了中医药治疗肺结节的遣方用药规律 [14] ，但需要指出的是该研究混淆了“肺结节”与“ 肺结节病”。具体来说，肺结节病是一种病因未明的多系统多器官的肉芽肿性疾病 [15] ，常侵犯肺、双侧肺门淋巴结、眼、皮肤等器官，通常会有结节性红斑、双肺淋巴结肿大、关节炎、肌肉痛、发烧等典型的临床症状表现；而肺结节则主要依据影像学表现进行诊断，其临床症状不明显，无特异性症状与体征。更重要的是，有必要在挖掘遣方用药规律的基础上进一步深入探索药理学机制和生物信息学基础，以期为后续的中医药干预肺结节临床研究与基础实验提供参考。

既往定性文献总结表明，现代医家多将肺结节的病因病机 [16-24] 归于气滞痰瘀、虚实夹杂，由正气不足、外邪入侵，导致血疲、气滞、痰浊而产生结节；故以化痰活血、通络散结为基本治法，兼以顾护正气、调畅气机。本研究结果契合了古今医家对肺结节“虚实夹杂、气血湿痰阻滞”病机及以“化痰活血、通络散结为主，兼顾肺脾之气”为基本治则治法的临证认识。首先，肺结节中药复方性味归经统计结果显示，当前临床组方以性寒、味甘苦、归肺经的药物最多，在此基础上得到药物使用频次最高的前3 味药物为“甘草”“茯苓”和“半夏”，这也是关联规则中支持度与置信度最高的药物组合（提升度1.36 ）。其中，甘草归心、肺、脾、胃经，可补中益气、祛痰止咳；茯苓归心、肺、脾、肾经，善利 水渗湿健脾；半夏归肺、脾、胃经，可燥湿化痰、消痞散结，善治脏腑湿痰；核心药物组合“甘草- 茯苓- 半夏”共奏补脾益肺、化湿祛痰之功。最后，需要指出既往有研究将甘草视为方剂中调和诸药 [25] 的配角，通常舍去甘草后探究高频药物组合。然而，本研究发现甘草不仅是关联强度最高和关联节点最多的药物，系统聚类算法将其与化痰药半夏共同归为C2 药对，充分说明了甘草在肺结节的中药方剂中不仅是起到调和药性的作用，且现代药理学表明甘草含有三萜类、黄酮类、多糖类、香豆素类等多种化学成分，具有抗肿瘤、抗菌、抗病毒、抗炎、调节免疫、抗纤维化等多种药理活性 [26-30] ，因此，核心药物组合“甘草- 茯苓- 半夏”治疗肺结节的作用机制与靶点值得进一步研究。

进一步的网络药理学结果揭示核心药物组合“甘草- 茯苓- 半夏”治疗肺结节的有效成分包括槲皮素、山柰酚、黄芩素等，主要作用于STAT3 、JUN 、AKT1 、IL6 、MAPK3 、MAPK1 、TNF 等关键靶点。首先，度值最高的有效成分槲皮素在本研究中的药物来源是甘草，其是一种天然黄酮类化合物 [31] ，具有清除自由基、抗癌防癌等多种生物活性，可抑制炎症介质生成以影响MAPK 信号通路和TNF 信号通路等炎症相关信号通路，从而抑制氧化应激及炎症反应 [32] 。具体而言，有研究已证实TNF 在肺结节炎性病变及抑制扩散过程中发挥重要作用 [33] ；MAPK3 则属于丝裂原活化蛋白激酶家族，其可通过诱导特异性炎症介质、生长因子等与细胞膜受体结合，以激活细胞内MAPK3 信号通路，引起细胞增殖和炎症等相关反应，且与肿瘤的发生、发展及侵袭和转移过程密切相关 [34-35] 。山柰酚是一种抗氧化剂，能帮助防止细胞和DNA 氧化损害，有助于预防癌症、防止异变，还能提升癌细胞对化疗药物和抗癌药物的敏感性，并被认为具有预防动脉硬化的功效 [36-37] 。另外，黄芩素能够通过清除自由基和抗氧化、抑制α- 葡萄糖苷酶活性、调节炎症细胞因子等途径来调控炎性环境 [38-39] 。关键靶点中，STAT3 的高表达是患者预后不良的有力预测因子 [40] ，其基因编码的蛋白是STAT 蛋白家族的成员。STAT 家族成员作为细胞因子和生长因子，被受体相关激酶磷酸化，然后形成同源或异源二聚体，转移到细胞核中，并作为转录激活因子被各种细胞因子和生长因子磷酸化激活 [41] ，包括表皮生长因子受体（epidermal growth factor receptor ，EGFR ）、IL5 、IL6 、肝细胞生长因子（hepatocyte growth factor ，HGF ）、白血病抑制因子（leukemia inhibitory factor ，LIF ）和骨形态发生蛋白2 （bone morphogenetic protein 2 ，BMP2 ）。同时，STAT3 基因编码的蛋白介导多种基因在细胞刺激下的表达，在细胞生长和凋亡等许多细胞过程中发挥关键作用 [42] ，通过阻断细胞凋亡和诱导细胞增殖，控制着细胞的增殖和分化，并参与肿瘤的发生和发展。此外，IL6 作为炎症介质，可直接影响炎症相关信号通路，以抑制炎症的发展 [43] 。原癌基因 JUN 和 FOS 参与多个基因的转录调节，多种细胞外信号可引起其转录激活，控制着细胞的增殖和分化。同时， STAT3 还作为 JUN 、 FOS 的上游基因，通过磷酸化等途径促使 JUN 、 FOS 基因高表达，从而使激活蛋白-1 （activator protein-1 ，AP-1 ）高表达，最终推动细胞的增殖并抑制细胞凋亡，促使肿瘤的生成 [44] ；另一方面，在多种肿瘤组织中都存在AKT 蛋白的过度表达和活化，AKT1 是AKT 基因的重要亚型之一，已被确定为癌基因，在多种肿瘤组织中都有 AKT1 基因的扩增，活化的AKT 通过发挥介导细胞生长增殖、细胞侵袭、细胞凋亡等方面的作用 [45] ，参与了多种肿瘤的发生和发展。选取关键靶点中的STAT3 、JUN 、AKT1 、IL6 ，与筛选出的关键有效成分槲皮素、山柰酚、黄芩素进行分子对接验证，结果显示核心靶标与关键化合物结合活性良好。黄芩素与 MAPK3 的 M125 （蛋氨酸， methionine ， Met ）形成 1 个氢键，与 V100 （缬氨酸， valine ， Val ）、 V56 、 K71 （赖氨酸， lysine ， Lys ）残基形成了较强的疏水作用。总之，上述关键基因与肿瘤细胞的增殖、血管生成、侵袭及转移密切相关，在阻延肺结节恶性转化为肺癌中扮演着重要角色。

从GO 富集分析结果来看，核心药物组合“甘草- 茯苓- 半夏”治疗肺结节的生物过程主要定位于核染色质、转录因子复合体、RNA 聚合酶II 转录因子复合物、核转录因子复合体、膜筏、膜微域等结构，参加DNA 结合转录因子活性的调控、上皮细胞增殖、蛋白质定位建立的正向调控、对脂多糖的应答等遗传信息处理与信号传导过程；其分子功能参与了细胞因子受体结合、细胞因子活性、受体配体活性、DNA 结合转录激活剂活性及RNA 聚合酶II 特异性、磷酸酶结合等各种信息传递与分解代谢活动，对生物体内的物质运输、DNA 复制、细胞生长和死亡等生命活动具有重要作用，并与肿瘤的发生发展、侵袭、转移、耐药及预后不良等密切相关。KEGG 信号通路分析显示，核心药物组合“甘草- 茯苓- 半夏”治疗肺结节涉及多种癌症通路、凋亡通路以及各种经典信号通路如Th17 细胞分化、IL-17 信号通路和MAPK 信号通路等。有研究表明 [46] ，Th17 细胞对肺癌有促进和抑制的双向调控作用，与肿瘤微环境和Th17 细胞/ 调节性T 细胞比例失衡有关。一方面，Th17 细胞分泌的IL-17A 介导炎症，同时通过积聚细胞因子，促进内皮损伤、细胞增殖、促进血管生成、抑制肿瘤免疫并增加细胞黏附可介导肿瘤的发生；另一方面，通过分泌特异细胞因子，介导自身免疫反应或者趋化效应性T 细胞等方面，在抗肿瘤免疫中发挥重要作用。IL-17 家族成员（IL-17A 、IL-17B 、IL-17C 、IL-17D 、IL-17E 和IL-17F ）可通过其相应受体发出信号并激活下游通路 [47-48] ，包括核因子-κB （nuclear factor-κB ，NF-κB ）、MAPK 和CCAAT/ 增强子结合蛋白（CCAAT/enhancer binding protein ，C/EBP ），以诱导抗微生物肽、细胞因子和趋化因子的表达，IL-17 信号通路能通过影响细胞的增殖、促进血管的生成及炎性细胞的聚集和活化等多种机制促进癌症的发展 [49-50] 。“甘草- 茯苓- 半夏”不仅能够通过诱导多种细胞内信号通路（包括细胞凋亡和细胞存活以及炎症和免疫反应）参与癌症的发生发展进程，还可作用于关键大分子癌症中的蛋白多糖，即肿瘤微环境中的多种蛋白多糖，涉及增殖、黏附、血管生成和转移等在内的肿瘤生物学过程 [51-52] ，最终影响肿瘤进展。据此推测核心药物组合“甘草- 茯苓- 半夏”可能通过诱导肿瘤细胞凋亡、增强机体免疫功能、抑制肿瘤细胞血管内皮的增殖和迁移、抑制肿瘤细胞核酸转录等多种机制治疗肺结节并阻延肺的结癌转化进程。此外，核心药物组合“甘草- 茯苓- 半夏”还可通过参与调控糖尿病并发症中AGE-RAGE 信号通路及其他复杂通路与卡波济肉瘤相关疱疹病毒感染、人类巨细胞病毒感染、乙型肝炎等病毒通路达到治疗肺结节的目的，对于KEGG 富集结果所涉及得多条通路与病毒感染、血管生物学之间的复杂关系需要基于实验研究进一步证实。

4结论

本研究运用数据挖掘技术和网络药理学方法，通过对中医药治疗肺结节的组方用药规律进行多角度分析与探讨，初步明确了现代医家对肺结节病机的认识及相关药物配伍规律，进而得到中医药防治肺结节的核心药物组合，即“甘草- 茯苓- 半夏”；并运用网络药理学方法预测了“甘草- 茯苓- 半夏”核心药物组合治疗肺结节的潜在靶点、机制通路和生物学过程，通过分子对接技术较好地预测和揭示关键活性成分与靶点之间的三维空间结构和结合活性，为开展临床及基础研究进一步挖掘和探索确切疗效与作用机制提供了数据支撑。此外，由于不同类型或不同风险分层肺结节不仅在影像学等方面存在固有的特征性差异，亦是影响中医药干预疗效及患者预后转归的重要因素，未来的临床研究应基于中医药辨证施治思想，针对个体化的疾病分型进行精准化和定量化的多角度分层分析，以期形成中医药防治肺结节的系统性诊疗体系和充分明确临床干预策略要点。

利益冲突所有作者均声明不存在利益冲突

参考文献（略）

来 源：董 敬，彭小芸，付 西，任益锋，张龙飞，李林炯，祝 捷，由凤鸣．基于数据挖掘和网络药理学的中医药治疗肺结节用药规律及作用机制分析 [J]. 中草药, 2022, 53(20): 6544-6557 .

【福利时刻】毕业季找工作点击链接，多家企业30W+年薪工作招聘任你选（赶紧点击进入注册，上传简历吧~）。

推荐一个小程序：免费查全球新药数据，新药立项必用，想要节省时间&金钱的人都在用的智慧芽全球新药情报库