本文为一项原创性研究（类型a），以下是根据文档内容撰写的学术报告。

一、研究作者、机构与发表信息

本研究由Linlin He、Kai Shen、Lei He、Yuqing Chen和Zhiyuan Tang共同完成，其中Linlin He和Kai Shen为共同第一作者。研究机构为南通大学附属医院药学部（Department of Pharmacy, Affiliated Hospital of Nantong University）和南京中医药大学药学院（College of Pharmacy, Nanjing University of Chinese Medicine）。该研究发表于《Endocrine, Metabolic & Immune Disorders-Drug Targets》期刊，文章于2023年1月7日投稿，2023年6月28日修订，2023年7月20日接受，DOI为10.2174/1871530323666230915100355。

二、研究背景与目的

糖尿病肾病（diabetic nephropathy，DN）是糖尿病常见且严重的慢性并发症之一。随着糖尿病发病率和死亡率的增加，DN的发病率急剧上升，并呈现年轻化趋势。约40%的DN患者最终会进展为终末期肾病（end-stage renal disease，ESRD）。DN的早期病理特征包括肾小球基底膜增厚、系膜扩张、结节性肾小球硬化以及肾小管间质纤维化，涉及炎症、细胞凋亡（apoptosis）、焦亡（pyroptosis）和自噬（autophagy）等多种病理过程。目前临床上主要通过严格控制血糖、血压和使用肾素-血管紧张素-醛固酮系统（RAAS）阻断剂来延缓DN进展，但仍有大量患者病情无法得到有效控制，因此寻找新的治疗策略十分迫切。

车前子（Plantaginis Semen，PS）是植物车前（Plantago asiatica L.）的干燥成熟种子，作为传统中药已有数千年历史，具有利尿、抗炎、抗氧化和免疫调节等多种药理作用。已有研究表明车前子多糖可通过改善肾脏炎症来减轻痛风性肾病大鼠的肾损伤，但车前子对DN的作用机制尚不明确。网络药理学（network pharmacology）能够从系统层面研究药物活性成分、靶点与通路之间的关系，而分子对接（molecular docking）技术可以预测和模拟药物小分子与靶蛋白之间的结合模式。本研究旨在通过网络药理学和分子对接技术，系统筛选车前子治疗DN的主要活性成分、关键靶点及潜在作用通路，为后续实验研究提供理论依据。

三、研究流程与方法详解

本研究总体上分为八个主要步骤。

第一步，筛选车前子的活性成分。研究者使用中药系统药理学数据库与分析平台（TCMSP）收集车前子的活性成分，以口服生物利用度（oral bioavailability，OB）≥30%和类药性（drug-likeness，DL）≥0.18作为筛选标准。随后利用PharmMapper数据库平台获取活性成分的蛋白质靶点信息，上传活性成分的mol2文件，参数设定为“最大生成构象”300个、“保留匹配靶点数”300个、靶点集合限定为“仅人类蛋白靶点”。最终将得到的靶点通过UniProt蛋白数据库进行统一标准化处理，合并去重后获得车前子活性成分的相关靶点。

第二步，识别DN相关靶点。研究者从DisGeNET、OMIM、DrugBank、GeneCards和TTD五个数据库中，以“diabetic nephropathy”为关键词，分别获取了253、43、3350、26和1189个DN相关靶点。合并五个数据库的结果并删除重复基因后，共得到3906个DN相关靶点。

第三步，确定共同靶点。利用Venn图网络工具对车前子活性成分靶点与DN靶点取交集，获得216个共同靶点，车前子靶点对DN的映射率为5.5%。随后利用Cytoscape软件构建“活性成分-共同靶点”网络图，该网络包含227个节点和1555条边。通过拓扑分析，以度值（degree）、中介中心性（betweenness centrality）和接近中心性（closeness centrality）为指标，对9个活性成分进行排序，确定了它们在网络中的重要程度。

第四步，构建蛋白质-蛋白质相互作用（protein-protein interaction，PPI）网络并筛选核心靶点。将216个共同靶点导入STRING数据库（v.11.5），物种设定为“homo sapiens”，置信度评分设定为0.4，构建PPI网络。随后利用Cytoscape软件中的CytoHubba插件，采用12种拓扑算法（包括betweenness、bottleneck、closeness、clustering coefficient、degree、DMNC、eccentricity、EPC、MCC、MNC、radiality和stress）筛选核心靶点（hub gene）。最终综合各算法结果，确定了42个核心靶点，包括ALB、AKT1、EGFR、CASP3、MMP9、SRC等。

第五步，进行基因本体（Gene Ontology，GO）功能富集分析和京都基因与基因组百科全书（Kyoto Encyclopedia of Genes and Genomes，KEGG）通路富集分析。将216个共同靶点导入Metascape平台进行GO和KEGG分析。GO分析从生物学过程（biological process，BP）、细胞组分（cellular component，CC）和分子功能（molecular function，MF）三个层面进行功能注释；KEGG分析用于推断靶点参与的信号通路。结果通过生物信息学平台进行可视化。

第六步，利用GEO数据库进行靶点验证。研究者以“diabetic nephropathy”和“homo sapiens”为关键词在GEO数据库中检索，选取了数据集GSE30529进行后续分析。该数据集包含22个样本，其中12个为正常对照，10个为糖尿病肾病患者。使用GEO2R在线工具计算差异表达基因，筛选标准为校正后p值<0.05且|log2 fold change|>1。共筛选出154个差异表达基因，将这些差异基因与前述42个核心靶点通过Venn图取交集，最终得到关键基因CASP3。

第七步，进行分子对接验证。使用Discovery Studio软件（版本4.5.0）将车前子的活性成分与CASP3蛋白进行对接。从PubChem数据库下载车前子成分的二维结构，从RCSB PDB数据库下载靶蛋白的PDB格式结构，并通过计算RMS偏差（RMSD）值评估蛋白结构的可靠性（RMSD<200 pm为可靠标准）。对蛋白结构进行删除水分子、补全缺失残基、加氢、分配电荷等处理，利用“LibDock”模块以默认参数进行对接，以“LibDock score”作为评价结合能力的指标。

第八步，构建“成分-CASP3-通路”关系网络。将9个活性成分、CASP3靶点以及富集到的相关信号通路进行整合，展示车前子通过CASP3作用于DN的潜在机制。

四、主要结果

活性成分与靶点筛选结果：共获得9个车前子活性成分，包括(4aS,6aR,6aS,6bR,8aR,10R,12aR,14bS)-10-hydroxy-2,2,6a,6b,9,9,12a-heptamethyl-1,3,4,5,6,6a,7,8,8a,10,11,12,13,14b-tetradecahydropicene-4a-carboxylic acid、dinatin、sitosterol、daucostero_qt、dihydrotricetin、hypolaetin、orobanchoside_qt、plantaginin_qt和quercetin。合并去重后获得419个活性成分靶点。网络拓扑分析显示，度值最高的成分为(4aS,6aR,6aS,6bR,8aR,10R,12aR,14bS)-10-hydroxy-2,2,6a,6b,9,9,12a-heptamethyl-1,3,4,5,6,6a,7,8,8a,10,11,12,13,14b-tetradecahydropicene-4a-carboxylic acid（度值165），其次为dihydrotricetin（度值156）、hypolaetin（度值154）、quercetin（度值153）等，表明这些成分可能在车前子治疗DN中发挥较重要的作用。

PPI网络与核心靶点分析结果：通过STRING数据库和CytoHubba的12种算法分析，共获得42个核心靶点。这些核心靶点在PPI网络中连接度较高，提示它们在生物功能调控和信息传递中具有重要地位。

GO和KEGG富集分析结果：GO功能分析显示，216个靶点涉及5496条生物学过程条目、478条细胞组分条目和925条分子功能条目。生物学过程主要包括对激素的反应、对脂质的反应、管状形态发生、细胞黏附、细胞迁移、细胞群体增殖等；细胞组分主要包括囊泡腔、黏着斑、细胞外基质等；分子功能主要包括核受体活性、脂质结合、胰岛素受体结合、抗氧化活性等。KEGG通路富集分析共获得288条信号通路（p<0.01），主要包括脂质与动脉粥样硬化、胰岛素信号通路、黏着连接、PPAR信号通路、细胞凋亡和2型糖尿病等，提示车前子可能通过多条通路协同发挥治疗DN的作用。

GEO数据库验证结果：GSE30529数据集分析共筛选出154个差异表达基因。将差异基因与42个核心靶点取交集后，得到关键基因CASP3。进一步GO分析显示，CASP3参与的生物学过程包括细胞黏附调控、对氧水平的反应、管状形态发生、上皮细胞分化和凋亡过程调控等；细胞组分涉及膜筏（membrane raft）、膜微区（membrane microdomain）和质膜蛋白复合物等；分子功能涉及内肽酶活性（endopeptidase activity）、肽酶活性（peptidase activity）、磷脂酶激活活性等。KEGG分析显示，CASP3同时参与DN相关的主要通路包括：AGE-RAGE信号通路、凋亡通路、脂质与动脉粥样硬化通路、MAPK信号通路、TNF信号通路、IL-17信号通路和p53信号通路。

分子对接结果：CASP3与车前子9个活性成分的对接结果显示，所有成分均能稳定结合至CASP3的活性位点。以quercetin（槲皮素）为例，其LibDock评分为112.357。对接分析显示，槲皮素分子位于CASP3蛋白受体的活性位点内，通过多种化学键与受体相互作用：甘氨酸（glycine）、丝氨酸（serine）和谷氨酸（glutamic acid）通过常规氢键（conventional hydrogen bond）与槲皮素作用，组氨酸（histidine）通过pi-供体氢键（pi-donor hydrogen bond）作用，精氨酸（arginase）通过pi-阳离子（pi-cation）作用，蛋氨酸（methionine）通过pi-sigma作用，半胱氨酸（cysteine）通过pi-硫（pi-sulfur）和pi-烷基（pi-alkyl）作用。这些结果表明槲皮素可通过与CASP3结合发挥对DN的治疗作用。

“成分-CASP3-通路”网络：研究构建了车前子9个活性成分通过CASP3作用于DN的信号通路网络，涉及AGE-RAGE信号通路、凋亡、脂质与动脉粥样硬化、MAPK信号通路、TNF信号通路、IL-17信号通路和p53信号通路。

五、研究结论与意义

本研究通过网络药理学方法，系统筛选了车前子治疗DN的活性成分、关键靶点和作用通路，得出以下结论：车前子可通过CASP3对DN发挥治疗作用。其9个活性成分中，槲皮素（quercetin）可与CASP3结合，从而抑制DN中的细胞凋亡。车前子可能通过多条信号通路（包括AGE-RAGE信号通路、凋亡通路、MAPK信号通路、TNF信号通路、IL-17信号通路和p53信号通路等）对DN产生多通路协同调节作用。

本研究的科学价值在于：首次从网络药理学角度系统揭示了车前子治疗DN的潜在分子机制，明确了CASP3作为关键靶点的重要性，为理解车前子“多成分-多靶点-多通路”的作用特点提供了数据支持。应用价值在于：为车前子在DN治疗中的进一步实验研究和临床开发提供了理论依据和候选靶点。此外，研究也注意到GEO数据库分析中还存在另一个差异靶点MMP7，未来需要进一步关注其在车前子治疗DN中的潜在作用。

六、研究亮点

本研究的亮点主要体现在以下几个方面：第一，研究方法上将网络药理学、GEO数据库差异表达分析和分子对接技术有机结合，形成了从“成分筛选—靶点预测—实验数据验证—结合能力确认”的完整研究链条，提高了结果的可信度。第二，研究首次揭示了CASP3是车前子治疗DN的关键靶点，并明确了槲皮素与CASP3的具体结合方式和化学键类型。第三，研究不仅停留在单一通路的分析，而是通过KEGG富集分析展示了车前子可能通过多条信号通路协同作用于DN的整体调控图景。第四，研究还发现了MMP7可能是另一个值得进一步研究的重要靶点，为后续工作指明了方向。

七、研究局限性

作者在讨论部分也客观指出了本研究的局限性。本研究主要依赖网络药理学和数据库挖掘技术，由于不同数据库的差异和实时更新，部分活性成分可能因现有筛选条件而被过滤掉；数据库中的数据量有限，来自既往已发表文献，限制了可预测靶点的数量，因此车前子的药理作用未能被完全揭示。研究结论仍需通过体外细胞实验和体内动物实验进一步验证。作者表示，后续研究将集中在细胞和动物层面验证本文结论。