基于生物信息学及机器学习探讨苍术治疗非酒精性脂肪肝的作用机制

中国医药导刊 ›› 2025, Vol. 27 ›› Issue (9): 919-929.

基于生物信息学及机器学习探讨苍术治疗非酒精性脂肪肝的作用机制

黄馨妮¹，卢艾华²，张舒²，方汝雪³，刘旭凌¹，李俊雄^4*

1.上海市普陀区中心医院，上海 200333；

2.上海市真新社区卫生服务中心，上海 201824；

3.昆山市第四人民医院，江苏昆山 215300；

4.复旦大学附属华东医院，上海 200040

收稿日期:2025-03-18 修回日期:2025-09-02 接受日期:2025-11-12 出版日期:2025-09-28 发布日期:2025-11-18
基金资助:
上海市普陀区科委项目（ptkwws202223）

Integrating Bioinformatics and Machine Learning Algorithms to Elucidate Target Characteristics and Molecular Mechanisms of CangZhu in Non-Alcoholic Fatty Liver Disease Intervention

HUANG Xinni¹， LU Aihua²， ZHANG Shu²， FANG Ruxve³， LIU Xuling¹， LI Junxiong^4*

1.Shanghai Putuo District Central Hospital， Shanghai 200333， China；
2.Shanghai Zhenxin Community Health Service Center， Shanghai 201824， China；
3.Kunshan Fourth People's Hospital， Jiangsu Kunshan 215300， China；
4.Huadong Hospital， Fudan University， Shanghai 200040， China

Received:2025-03-18 Revised:2025-09-02 Accepted:2025-11-12 Online:2025-09-28 Published:2025-11-18

摘要/Abstract

摘要：

目的：旨在运用网络药理学结合生物信息学方法探讨苍术治疗非酒精性脂肪性肝病（ non-alcoholic fatty liver disease， NAFLD）的潜在分子机制。方法：采用网络药理学方法获取苍术的潜在的靶点，通过检索基因表达数据库（gene expression omnibus，GEO）获取NAFLD的靶点，并通过构建靶点PPI网络筛选核心目标靶点。运用R4.2.2软件对靶点进行差异分析、相关性分析，以获得显著差异表达的核心基因（SDECGs）。接着，对SDECGs进行富集分析和免疫浸润分析。利用SDECGs构建机器学习模型以筛选特征基因并构建Nomo图。采用分子对接和GSE63067数据集外部验证法对上述结果进行初步验证。结果：本研究确定了NAFLD和正常组之间的14个SDECGs，这些SDECGs主要富集于IL-17、AGE-RAGE等信号通路，且与免疫细胞存在多种相互调节关系。XGBoost模型（XGB）是多种机器学习中最优的模型，确定了CTNNB1、IL10、PTGS2、IL6、JUN为XGB模型中前5个特征基因，并用于构建nomo图。外部数据集证明了该模型的可靠性（AUC值为0.73）。最后，分子对接确定了苍术核心有效成分（OB值排名前4位）（MOL000179、MOL000186、MOL000449以及MOL000188）与NAFLD特征基因之间可形成稳定结构。结论：苍术及其有效活性成分可能通过作用CTNNB1、IL10、PTGS2、IL6、JUN，并调节免疫和炎症相关途径从而缓解NAFLD，这些发现对临床实践和未来的研究具有潜在影响。

关键词: 非酒精性脂肪性肝病, 苍术, 机器学习, 网络药理学, 分子对接

Abstract:

Objective To explore the potential molecular mechanism of CangZhu in the treatment of non-alcoholic fatty liver disease （NAFLD） by network pharmacology combined with bioinformatics methods. Methods Network pharmacology method was used to obtain the potential targets of CangZhu. The targets of NAFLD were obtained by searching the Gene Expression Omnibus （GEO） database， and the core targets were screened by constructing the target PPI network. Then R4.2.2 software was used for differential analysis and correlation analysis of the target genes to obtain the core genes with significant differential expression （SDECGs）. Next， enrichment analysis and immune infiltration analysis of SDECGs were performed. SDECGs was used to construct a machine learning model to screen feature genes and construct a Nomo map. Finally， the molecular docking and external validation methods of GSE63067 dataset were used to validate the above results. Results Fourteen SDECGs were identified between NAFLD and normal subjects. These SDECGs were mainly enriched in IL-17， AGE-RAGE and other signaling pathways， and had a variety of mutual regulatory relationships with immune cells. XGBoost model （XGB） is the best model in a variety of machine learning. CTNNB1， IL10， PTGS2， IL6 and JUN were identified as the top five feature genes in the XGB model and used to construct the nomo map. External data sets demonstrated the reliability of the model （AUC=0.73）. Finally， molecular docking confirmed that the core active components of CangZhu （MOL000179， MOL000186， MOL000449 and MOL000188） could form a stable structure with NAFLD characteristic genes. Conclusion CangZhu and its active components may alleviate NAFLD by regulating CTNNB1， IL10， PTGS2， IL6， JUN， and immune-and inflammation-related pathways. These findings have potential implications for clinical practice and future research.

Key words: Nonalcoholic fatty liver disease； , Atractylodis Rhizoma； , Machine learning； , Network pharmacology； , Molecular docking

中图分类号:

R962.1

黄馨妮, 卢艾华, 张舒, 方汝雪, 刘旭凌, 李俊雄.

基于生物信息学及机器学习探讨苍术治疗非酒精性脂肪肝的作用机制 [J]. 中国医药导刊, 2025, 27(9): 919-929.

HUANG Xinni, LU Aihua, ZHANG Shu, FANG Ruxve, LIU Xuling, LI Junxiong.

Integrating Bioinformatics and Machine Learning Algorithms to Elucidate Target Characteristics and Molecular Mechanisms of CangZhu in Non-Alcoholic Fatty Liver Disease Intervention [J]. CHINESE JOURNAL OF MEDICINAL GUIDE, 2025, 27(9): 919-929.

参考文献

［1］范建高，徐小元，南月敏，等.代谢相关（非酒精性）脂肪性肝病防治指南（2024年版）［J］.实用肝脏病杂志，2024，27（4）：494-510.

［2］ Ng CH， Lim WH， Chin YH， et al. Living in the non-alcoholic fatty liver disease silent epidemic： a qualitative systematic review of patients’ perspectives［J］.Aliment Pharmacol Ther， 2022， 56（4）： 570-579.

［3］赵文霞，许二平，王宪波，等.非酒精性脂肪性肝炎中医诊疗指南［J］.临床肝胆病杂志，2023，39（5）：1041-1048.

［4］ Dai X， Feng J， Chen Y， et al. Traditional chinese medicine in nonalcoholic fatty liver disease： molecular insights and therapeutic perspectives［J］.Chin Med， 2021， 16（1）：68.

［5］ Zhang WJ， Zhao ZY， Chang LK， et al. Atractylodis rhizoma： a review of its traditional uses， phytochemistry， pharmacology， toxicology and quality control［J］.J Ethnopharmacol， 2021， 266： 113415.

［6］李科迪，曹章净，敖慧.苍术化学成分及药理作用研究进展［J］.成都中医药大学学报，2024，47（6）：73-80.

［7］ Ren Z， Xiao G， Chen Y， et al. SBC （sanhuang xiexin tang combined with baihu tang plus cangzhu） alleviates NAFLD by enhancing mitochondrial biogenesis and ameliorating inflammation in obese patients and mice［J］.Chin J Nat Med， 2023， 21（11）：830-841.

［8］王梦羽，沈洁，刘杰，等.苍术酮对肥胖斑马鱼的降脂作用［J］.中成药，2024，46（4）：1360-1364.

［9］ Zhang P， Zhang D， Zhou W， et al. Network pharmacology： towards the artificial intelligence-based precision traditional chinese medicine［J］.Brief Bioinform， 2023， 25（1）：bbad518.

［10］ Valerio M， Awad AB. β-sitosterol down-regulates some pro-inflammatory signal transduction pathways by increasing the activity of tyrosine phosphatase SHP-1 in J774A.1 murine macrophages［J］.Int Immunopharmacol， 2011， 11（8）：1012-1017.

［11］ Liu L， Gao Q， Zhang Z， et al. Elsholtzia rugulosa： phytochemical profile and antioxidant， anti-alzheimer’s disease， antidiabetic， antibacterial， cytotoxic and hepatoprotective activities［J］.Plant Foods Hum Nutr， 2022， 77（1）：62-67.

［12］ Hu T， Liu QM， He XW， et al. Identification of bioactives from astragalus chinensis L.f. and their antioxidant， anti-inflammatory and anti-proliferative effects［J］.J Food Sci Technol， 2017， 54（13）：4315-4323.

［13］ Abo-Zaid OA， Moawed FS， Ismail ES， et al. β-sitosterol attenuates high- fat diet-induced hepatic steatosis in rats by modulating lipid metabolism， inflammation and ER stress pathway［J］.BMC Pharmacol Toxicol， 2023， 24（1）：31.

［14］ Khan Z， Nath N， Rauf A， et al. Multifunctional roles and pharmacological potential of β-sitosterol： Emerging evidence toward clinical applications［J］.Chem Biol Interact， 2022， 365： 110117.

［15］ Gumede NM， Lembede BW， Brooksbank RL， et al. β-sitosterol shows potential to protect against the development of high-fructose diet-induced metabolic dysfunction in female rats［J］.J Med Food， 2020， 23（4）：367-374.

［16］ Xin Y， Li X， Zhu X， et al. Stigmasterol protects against steatohepatitis induced by high-fat and high-cholesterol diet in mice by enhancing the alternative bile acid synthesis pathway［J］.J Nutr， 2023， 153（7）：1903-1914.

［17］ Song Y， Oh GH， Kim MB， et al. Fucosterol inhibits adipogenesis through the activation of AMPK and wnt/β-catenin signaling pathways［J］.Food Sci Biotechnol， 2017， 26（2）：489-494.

［18］ Mo W， Wang C， Li J， et al. Fucosterol protects against concanavalin a-induced acute liver injury： focus on P38 MAPK/NF-κB pathway activity［J］.Gastroenterol Res Pract， 2018， 2018： 2824139.

［19］ Bak EJ， Kim J， Choi YH， et al. Wogonin ameliorates hyperglycemia and dyslipidemia via PPARα activation in db/db mice［J］.Clin Nutr， 2014， 33（1）：156-163.

［20］ Yamada Y， Saito H， Araki M， et al. Wogonin， a compound in scutellaria baicalensis， activates ATF4-FGF21 signaling in mouse hepatocyte AML12 cells［J］.Nutrients， 2022， 14（19）：3920.

［21］ Yoon CS， Lee H， Liu Z， et al. Cycloolivil isolated from nardostachys jatamansi inhibits TNF-α/IFN-γ-induced chemokine production by blocking NF-κB and JAK/STAT activation in HaCaT keratinocytes［J］.Int J Mol Sci， 2024， 25（6）：3342.

［22］ Cheng F， Li Q， Wang J， et al. Investigation of the potential mechanism of danggui shaoyao san for the treatment of non-alcoholic fatty liver disease （NAFLD） with network pharmacology and molecular docking［J］.Curr Comput Aided Drug Des， 2022， 18（4）：258-270.

［23］ Cobbina E， Akhlaghi F. Non-alcoholic fatty liver disease （NAFLD） - pathogenesis， classification， and effect on drug metabolizing enzymes and transporters［J］.Drug Metab Rev， 2017， 49（2）：197-211.

［24］ Zhong B， Xie Z， Zhang J， et al. Identification of key genes increasing susceptibility to atrial fibrillation in nonalcoholic fatty liver disease and the potential mechanisms： mitochondrial dysfunction and systemic inflammation［J］.Front Pharmacol， 2024， 15： 1360974.

［25］ Zheng J， Wu H， Zhang Z， et al. Dynamic co-expression modular network analysis in nonalcoholic fatty liver disease［J］.Hereditas， 2021， 158（1）：31.

［26］ Yan FJ， Wang X， Wang SE， et al. C-jun/C7ORF41/NF-κB axis mediates hepatic inflammation and lipid accumulation in NAFLD［J］.Biochem J， 2020， 477（3）：691-708.

［27］ Yeh MM， Shi X， Yang J， et al. Perturbation of Wnt/β-catenin signaling and sexual dimorphism in non-alcoholic fatty liver disease［J］.Hepatol Res， 2022， 52（5）：433-448.

［28］ Porukala M， Vinod PK. Network-level analysis of ageing and its relationship with diseases and tissue regeneration in the mouse liver［J］.Sci Rep， 2023， 13（1）：4632.

［29］ Yang D， Yang L， Cai J， et al. A sweet spot for macrophages： focusing on polarization［J］.Pharmacol Res， 2021， 167： 105576.

［30］闫文勇，贺昭昭，庞卫军. 脂肪组织中巨噬细胞在肥胖过程中的作用及其调控机制［J］.中国生物化学与分子生物学报， 2023， 39（5）：638-647.

［31］ Rőszer T. Understanding the mysterious M2 macrophage through activation markers and effector mechanisms［J］.Mediators Inflamm， 2015， 2015： 816460.

［32］ Llovet JM， Willoughby CE， Singal A G， et al. Nonalcoholic steatohepatitis-related hepatocellular carcinoma： pathogenesis and treatment［J］.Nat Rev Gastroenterol Hepatol， 2023， 20（8）：487-503.

［33］ Ferrer M D， Busquets-Cortés C， Capó X， et al. Cyclooxygenase-2 inhibitors as a therapeutic target in inflammatory diseases［J］.Curr Med Chem， 2019， 26（18）：3225-3241.

［34］ Huang W， Hong Y， He W， et al. Cavin-1 promotes M2 macrophages/microglia polarization via SOCS3［J］.Inflamm Res， 2022， 71（4）：397-407.

［35］ Kennedy L， Meadows V， Sybenga A， et al. Mast cells promote nonalcoholic fatty liver disease phenotypes and microvesicular steatosis in mice fed a western diet［J］.Hepatology， 2021， 74（1）：164-182.

［36］方金鸣. LncRNA XIST沉默对非酒精性脂肪肝小鼠T细胞免疫功能的作用机制［J］.免疫学杂志， 2023， 39（9）：769-776.

[1]	柳志慧, 陆美静, 尹立, 杨沅沅, 王嘉鑫, 王式功. 基于机器学习的攀枝花地区循环系统疾病特征及气象诱因研究 [J]. 中国医药导刊, 2025, 27(9): 974-981.
[2]	欧阳博慧, 窦乘华, 阳建伶, 苏德美, 周春逢, 韦大成. 基于网络药理学及细胞实验探究青风藤治疗强直性脊柱炎附着点炎的作用机制 [J]. 中国医药导刊, 2025, 27(8): 832-839.
[3]	任前军, 李素, 陈雨晴, 孟效祖, 陆炜琴, 刘旭东, 赵晓芳. 基于网络药理学和实验验证探索荷叶治疗代谢相关脂肪性肝病的机制 [J]. 中国医药导刊, 2025, 27(8): 821-831.
[4]	李开楊, 杨梅, 卢娜, 田蓉, 赵一鸣, 唐东, 杨秀菊, 王子魁, 赵琦. 基于网络药理学探讨中药及其有效成分在治疗肝纤维化中的作用 [J]. 中国医药导刊, 2025, 27(8): 814-820.
[5]	魏鹏程, 王荣洁, 关智宇. 三七治疗骨质疏松性骨折的网络药理学分析 [J]. 中国医药导刊, 2025, 27(8): 840-846.
[6]	杜玉晗, 宋明泽, 王海, . 明清儿科医家对小儿水肿病的用药规律分析及作用机制研究 [J]. 中国医药导刊, 2025, 27(4): 368-375.
[7]	姚筱朵, 祖国秀, 沈悦, 汤继芹. 基于生物信息学和机器学习的溃疡性结肠炎活动期与非活动期特征基因及靶向中药预测研究 [J]. 中国医药导刊, 2025, 27(3): 247-256.
[8]	骆实, 曹凤朝, 韩亮. 全球药品监管机构药品AI应用监管法规框架 [J]. 中国医药导刊, 2025, 27(2): 109-116.
[9]	宋元林, 蒋维芃, 胡洁, 白春学, . 医学新质生产力研究进展及展望 [J]. 中国医药导刊, 2025, 27(2): 135-141.
[10]	郭颖, 王点墨, 邹碧君, 何莲珠, 李苏. 基于机器学习方法的临床研究报告规范和建议 [J]. 中国医药导刊, 2025, 27(2): 201-206.
[11]	夏天雨a, 周怡b, 尤翀, 周晓华ab, 国家重点研发计划“面向药品现代化监管的智能化服务平台”项目团队. 面向临床研究的统计软件系统开发 [J]. 中国医药导刊, 2024, 26(11): 1080-1086.
[12]	余金兰, 李思琪, 朱屹韬, 王五兵, 康国娇, 陈凌云. 基于网络药理学和分子对接的柴桂颗粒作用机制与质量标准研究 [J]. 中国医药导刊, 2024, 26(10): 1028-1036.
[13]	刘爱萍, 刘明, 高亚, 田金徽, . 基于网络药理学和分子对接的四妙散治疗糖尿病周围神经病变机制研究[J]. 中国医药导刊, 2023, 25(3): 271-280.
[14]	李梦兰, 徐天, 李全, 邓亚静, 李鹏飞. 基于网络药理学探究复方丹参滴丸治疗冠状动脉粥样硬化性心脏病的作用机制[J]. 中国医药导刊, 2023, 25(2): 156-162.
[15]	赵青, 陈挺a, 庞涛b, 郑敏, 杨钰凤, 项泽慧, 张凤b, 马红妹b, 舒薇. 基于数据挖掘与网络药理学的中医药治疗甲亢用药规律与潜在分子机制研究#br#[J]. 中国医药导刊, 2023, 25(11): 1144-1152.

快速检索引用检索图表检索高级检索