基于靶点网络的中药甘草多靶点协同抗抑郁作用机制研究

Depression is a kind of psychological disorder with high mortality, and its existing therapeutic drugs generally have low efficacy and obvious side effects. As a traditional Chinese medicine (TCM), Glycyrrhiza uralensis (Gly) has drawn much attention due to its good antidepressant effect and low toxicity. However, the active components and mechanisms of action of Gly are not well clear. To this end, this project intends to build a set of research methods that are in line with the synergistic effects of multiple targets of TCM to elucidate the active ingredients and mechanism of action of Gly. Including: 1) rapid screening of potential antidepressant components in Gly using computational pharmacokinetic evaluation methods; 2) combining self-developed high- throughput target identification techniques and low- throughput experimental validation methods to determine multiple networks between targets and the key active ingredients of Gly; 3) the establishment of rat model of chronic mild unpredictable stimulation of depression, to determine the efficacy of key active ingredients; 4) integrating transcriptome data of rat model and depression patients with self- developed elementary subgraph dynamics analysis (ESDA), to clarify the potential synergistic mechanism of weak binding to multiple targets by the active ingredients. In summary, the project is carried out to determine the key anti-depressant active substances and mechanisms of action of Gly, providing new ideas and new methods for antidepressant research.

抑郁症是一种高致死的情感性精神障碍类疾病，其现有治疗药物存在效率低、副作用明显的问题。中药甘草由于其低毒和良好的抗抑郁效果备受关注，但其有效成分以及作用机制尚不十分明确。为此，本项目拟构建一套符合中药多靶点协同作用特色的研究方法，以阐明甘草的有效成分及作用机制。包括：1）运用计算药代动力学评价方法快速筛选甘草中潜在的抗抑郁活性成分；2）联合自主开发的高通量靶点信息识别技术和低通量实验验证方法，确定甘草多靶点作用网络以及关键活性成分；3）建立大鼠慢性温和不可预知刺激抑郁模型，确定关键活性成分药效；4）整合模型动物转录组和抑郁病人尸检转录组数据，借助自主开发的基元动力学技术，突破靶点结合力评价药效的限制，阐明甘草活性成分在通路水平上潜在的弱结合、多靶点协同整合作用机制。项目的开展以期确定甘草抗抑郁关键活性物质和作用机制，为抗抑郁药物研究提供新思路和新方法。

精神障碍，尤其是抑郁症，已成为全世界非致命性健康负担的最大诱因。过去数十年尽管科学家们做出了巨大的努力，但揭示抑郁症的病理生理学和开发有效的治疗手段仍然是一个巨大的挑战。由于传统的精神障碍疗法的局限性，导致患者对补充和替代疗法（CAM），特别是传统草药治疗方法的青睐日益增加。在本论文研究中，结合本实验室开发的中药系统药理学研究策略，我们揭示了甘草的抑郁治疗作用。（1）通过ADME筛选，从甘草中获取了具有良好药代动力学特性的化学成分和甘草的候选活性分子作用靶点，网络中的化合物或靶标均显示出多向药理学特性，表明甘草治疗中的多向药理学特性和协同作用。（2）通过大鼠慢性温和应激（CMS）模型，我们评估了甘草的抗抑郁作用，甘草治疗可以显著减少CMS大鼠在强迫游泳测试中的不动时间，并增加其在高架十字迷宫测试中开放臂的进入次数；进一步的生物化学和分子生物学实验支持了上述推测，甘草治疗能有效恢复纹状体异常的神经递质传递，并逆转涉及凋亡过程的基因异常表达。（3）我们提出了基因网络熵方法（NOGEA）用来对每个疾病候选基因的调控能力排序，推断关键调节基因。利用现有数据库中与疾病发生和发展相关的基因数据，我们发现NOGEA推断出的关键基因也参与了疾病的发生和发展过程。通过与其他类型的疾病候选基因排序算法作对比，我们证明了NOGEA方法是一种可靠的疾病关键基因推断技术。（4）最后，我们发现甘草诱导了肿瘤细胞的G0/G1细胞周期的阻滞作用，而且这种阻滞作用与其抑制CDK4-Cyclin D1 复合物的功能密切相关，此外，这种抑制作用还导致了PD-L1蛋白表达水平的显著增加。更进一步地，体内的研究实验证明，甘草抑制小鼠肿瘤的生长是依赖于多种抗原呈递基因的显著增加和肿瘤微环境中CD8+T 细胞的浸润提高的。本项目的研究成果在抗抑郁药物发现领域具有重要意义和应用价值，有望开发成为潜在的抗抑郁药物，为预防和治疗抑郁开辟新的路径，为临床选择有效的治疗手段提供重要的科学依据。