研究背景：脑缺血被认为是由多途径诱导的相互作用所引起,是涉及一系列生物化学和分子机制变化的多基因、多通路、多靶点的复杂疾病。药物干预的系统分析仍显匮乏。王永炎院士领导的973课题组倡导“生物活性导向下的化学研究思路”,提出以中药有效组分配伍为依据组成新复方的方剂架构新模式,旨在使药物组分明确化、作用靶点具体化,组方机制清晰化。然而摆在面前的难题是复杂疾病通常源于一种联合的机制,包括基因组变化、表观遗传因素和环境因素以及这些因素的不同组合,而药物靶点更随多组分配伍呈指数增长。网络分析作为一种新的工具用以整合疾病与药物之间的复杂关系,为系统地揭示药物作用的复杂机制提供契机。证据显示生物网络具有模块性,模块结构的识别有助于生物网络的降维和简化,是理解生物系统的一个关键因素。模块药理学的提出,认为复杂疾病的治疗由于/需要模块化干预/设计来影响多个靶点,可以基于模块平台对复杂生物网络进行分析、理解,用以度量和整合药物干预网络的特征。事实上,在过去的10年中,关于网络模块大多数的研究集中在模块结构与功能以及划分网络模块的计算方法的开发,而忽略了模块间关系的探索,忽略了在这一水平系统演化过程中来自内部的压力级联,忽略了导致这一压力的系统内部不平衡的缘由。因此,认清这一包含众多模块子网的复杂网络内部主次关系可能有助于理解网络瞬时结构功能,预测未来动力行为特征,是具有重要意义的。另外,在模块药理学理论指导下的药物与疾病表型的模块化对接使靶点明确但不孤立,使复杂网络降维,又不失信息整合,能为药物干预复杂疾病和药物联合应用的复杂药理机制提供高效的分析策略。本课题组前期针对精制清开灵有效组分黄芩苷(baicalin, BA)、栀子苷(jasminoidin, JA)、去氧胆酸(Ursodeoxycholic acid、UA)和珍珠母(concha margaritiferausta, CM)以及组分配伍干预脑缺血再灌注损伤展开了一系列研究,药物干预MCAO小鼠全基因表达谱检测,药效学显示BA、JA、UA均能够有效降低梗死体积。本研究基于模块药理学的理论框架,希望通过运用系统生物学技术,进一步深化对精致清开灵有效组分干预脑缺血的药理机制的理解。研究目的：本次研究的目的是通过对清开灵有效组分干预脑缺血小鼠全基因表达谱数据结果构建的蛋白质网络进行模块识别,并确定模型组与药物组各自主要模块,对其功能加以比较分析,探索主要药理机制,并为进一步分析药物间相互关系,指导联合用药打下基础。研究方法：本研究对网络数据主体采用多维度处理,降维分析策略。通过清开灵有效组分BA、JA、UA干预脑缺血小鼠全基因表达谱检测,经IPA数据分析后,生物功能具有统计学意义的基因集作为用于网络映射的目标基因。单尺度与多尺度背景骨架提取于STRING蛋白质全局数据库用以网络映射,多尺度骨架提取需要利用网络模块性计算和目标节点映射比例确定SigScore。将构建的无权与加权的蛋白质相互作用网络,采用分层与非分层两种类型模块划分方法进行模块的划分,非分层方法由网络模块最小熵值计算确定,分层模块划分方法选用Pyramabs。将划分出的模块进行复连及赋权,基于模块间组件相关性,即网络背景骨架中分子间相互作用关系,模块间组件连线计数计入模块间边的权值,从而构建了以模块为节点的加权模块网络。利用节点强度、介数中心性和页面等级排序三种计算方法筛选模块网络中的候选核心模块。引入模块对网络平均特征路径长度的扰动对候选核心模块进行二次筛选,最终得到各组主要模块。分别评估尺度类型与权重因素对模块划分结果及模块网络的影响。分别比较三种主次排序方法对核心模块一致性检出率的结果。GO功能注释工具(DAVID)用于各组主要模块生物学功能及KEGG通路富集分析,合并各组主要模块功能信息集,比较各组结果的共性与差异性。最后,采用Westen blot从蛋白水平对所选蛋白进行验证。研究结果：1单尺度网络的构建,GVehicle：N=2853,E=13117；GBA：N=2572,E=14187；GJA：G=3656,E=16617；GUA：N=3059,E=16878；网络呈幂律分布,节点间权值范围：0.9<W<1。多尺度网络的构建,利用模块性计算和目标映射比例确定SigScore=0.8, GVehicle:N=3750, E=9162; GBA:N=2813, E=6217; GJA:N=3416, E=7581; GUA:N=3407, E=9057;网络呈幂律分布,节点间权值范围：(0<W<1)。2非分层模块划分方法的选择利用网络模块最小熵值计算,确定选用MCODE方法。3模块划分结果3.1利用网络模块结构熵值确定MCODE方法。单尺度无权网络Vehicle、BA、 JA、UA组分别被划分出37、21、25、26个模块；多尺度无权网络Vehicle、BA、 JA、UA组分别被划分出30、24、24、19个模块。3.2Pyramabs模块划分结果,单尺度无权网络、Vehicle、BA、JA、UA高层与低层模块数分别为20、75,9、39,13、74,14、75；单尺度加权网络Vehicle、 BA、JA、UA高层与低层模块数分别为10、42,7、41,20、110,10、96；多尺度无权网络Vehicle、BA、JA、UA高层与低层模块数分别为35、175,19、93,31、142,23、113；多尺度加权网络Vehicle、BA、JA、UA高层与低层模块数分别为20、89,22、90,24、150,21、115。4　Vehicle、BA、JA、UA分别得到14、15、10、12个主要模块。介数中心性与页面等级排序的首位模块检出结果趋同,检出比例为82.5%。上下层具有包含关系的主要模块对,表明中心性地位向上或向下地延续,而非包含关系则体现了这种地位在层次间的转移。各组中无论是网络尺度类型的差异,还是模块识别方法的不同,所得到主要模块组件几乎均有重叠的部分。5功能富集分析。模型组与药物组各自主要模块GO功能富集总体与脑缺血相关。Vehicle、BA、JA、UA四组主要模块分别富集出1457、1408、1342、1228个生物学功能,100、111、86、85条KEGG通路,四组中功能与通路既有重叠也有非重叠部分。6Western blot结果显示,与假手术组相比,模型组蛋白表达水平明显上调(P<0.05)；与模型组相比,BA、JA两个治疗组中PDZK1蛋白表达水平均明显下调(P<0.05)。结论1针对脑缺血模型及BA、JA、UA药物干预后的蛋白质相互作用网络采用节点强度、介数中心性、页面等级三种方法进行主要模块识别具有可行性。2在不同尺度类型与权重有无的蛋白质网络背景下识别主要模块具有创新性,各组主要模块具有多态性。3各药物组主要模块针对模型组在生物功能和信号通路两个角度均显示了重叠和特异的调控倾向。4模块网络的构建及主要模块的识别将为理解药物干预复杂疾病和药物联合应用的复杂药理机制提供高效的分析策略。