中醫(yī)藥領域的朋友，大家對 “網(wǎng)絡藥理學”的常規(guī)認知是什么？是純生信發(fā)不了高分文章了？還是很多期刊不接受純網(wǎng)藥的文章了？ 其實小云之前的認知也是這樣的，畢竟看到的高分文章確實都是干濕結(jié)合，所以小云前面也推薦了幾篇干濕結(jié)合高分文章（比如網(wǎng)藥+實驗+組學簡單測序或者網(wǎng)藥+功能實驗+機制實驗）。但今天分享這篇文章真的做到了打破認知，小云剛看到的時候也大吃一驚，原來網(wǎng)藥還可以這么做！? 網(wǎng)藥和常規(guī)預后分析目前發(fā)表高分純生信的難度都比較高，但文章大開腦洞——將網(wǎng)藥與腫瘤預后分析完美融合，避開主要陣地（非腫瘤疾?。俅钆渖厦庖邿狳c和單細胞數(shù)據(jù)分析的加分buff，將2個目前都不好發(fā)純生信的方向成功盤活了，直接拿下7分+文章！看完這個思路設計，小云真是不得不拍案稱絕，簡直太適合中醫(yī)藥領域的朋友們了，小伙伴趕快來領取吧，換上自己研究的中藥和疾病，馬上就又出一篇高分！

（ps：對這個方向感興趣的話可以持續(xù)關注文章推送哦，小云會持續(xù)更新的?。?/p>

l?題目：結(jié)合網(wǎng)絡藥理學和生物信息學分析探討薏苡附子敗醬散治療結(jié)直腸癌免疫炎癥表型的潛在機制

雜志：

Computers in Biology and Medicine

影響因子：IF=7.7

發(fā)表時間：2023年8月

研究背景

結(jié)直腸癌（CRC）的發(fā)生發(fā)展與其復雜的腫瘤微環(huán)境(TME)密切相關，對免疫細胞浸潤?(ICI)?模式的評估將有助于增加關于TME浸潤特征的知識。已有研究表明，薏苡附子敗醬散（YYFZBJS）對腸癌免疫微環(huán)境的調(diào)節(jié)具有積極作用，然而其藥理學靶點和分子機制仍有待闡明。

數(shù)據(jù)來源

研究流程

作者首先基于免疫細胞浸潤通過無監(jiān)督聚類將TCGA隊列中的480例CRC樣本分為三種不同的ICI模式，并根據(jù)ssGSEA和GSVA分析區(qū)分的這三種聚類的免疫學特征進一步鑒定284例免疫炎癥表型(IIP)樣本。通過比較高和低免疫或基質(zhì)評分組間的差異基因，獲得CRC微環(huán)境DEGs。接下來從TCMSP收集YYFZBJS的活性成分，并通過TCMSP和Swiss Target Prediction獲取藥物靶點。利用DisGeNet 和 DigSee數(shù)據(jù)庫挖掘CRC的潛在治療靶點，將藥物靶點、CRC靶點與CRC微環(huán)境DEGs取交集獲得35個基因。基于這35個基因在TCGA隊列中利用LASSO Cox和多因素Cox回歸建立包含11個基因的CRC預后模型，并進行生信分析和模型評估驗證。然后針對11個預后基因進行PPI網(wǎng)絡分析、GO和KEGG富集分析，并構(gòu)建草藥-化合物-靶標網(wǎng)絡。最后利用TISCH2數(shù)據(jù)庫在單細胞水平上分析了TME預后特征基因的細胞亞群分布和表達。

主要結(jié)果

1. CRC中ICI模式的鑒定和分析

首先在TCGA隊列中通過CIBERSORT評估每個患者樣本的免疫浸潤豐度，并基于免疫浸潤利用無監(jiān)督聚類分析識別每個樣本的不同ICI模式，確定了三種不同的ICI模式（圖1A）。針對3個ICI模式進行ssGSEA免疫浸潤分析，結(jié)果顯示簇A中有相當多的先天免疫細胞浸潤，而簇B在所有樣品中具有最低的ICI分數(shù)，為免疫“冷”表型，簇C比簇A有更高水平的巨噬細胞、肥大細胞、中性粒細胞等浸潤（圖1B）。進一步的GSVA富集分析確定了3種ICI模式的生物學特征(圖2C-D)，簇A中富集了與完全免疫激活相關的途徑，簇B與趨化因子信號通路和產(chǎn)生IGA的腸道免疫網(wǎng)絡負相關，簇C明顯富含基質(zhì)和致癌激活途徑。由此作者將簇A歸類為IIP，其特征為免疫激活和適應性ICI；簇B為免疫沙漠表型，以免疫抑制為特征；簇C為免疫排斥表型，其特征在于先天免疫細胞浸潤和基質(zhì)活化。

圖1?CRC中ICI模式的鑒定和分析

2. 網(wǎng)絡藥理學分析和IIP預后模型的建立

作者利用ESTIMATE計算CRC樣本的免疫和基質(zhì)評分，進一步鑒定了在高和低免疫評分組和高和低基質(zhì)評分組之間顯著差異表達的基因，取兩組之間的交叉基因得到1328個DEGs。接下來在TCMSP中篩選YYFZBJS中3種草藥（薏苡仁、附子和敗醬草）的活性成分，并進一步在TCMSP和Swiss Target Prediction篩選藥物靶點，共得到744個YYFZBJS靶標。在DisGeNet 和 DigSee 數(shù)據(jù)庫中收集1008個CRC靶標。然后將藥物靶點、CRC靶點與CRC微環(huán)境DEGs取交集獲得35個基因（圖2A）。作者接下來要了利用這個35個基因建立IIP患者預后模型，先274名IIP患者分為訓練組和測試組，在訓練組中針對35個基因進行LASSO回歸和多因素COX回歸分析，建立了一個包含11個基因的預后模型（圖2B）。隨后進行KM生存分析，并利用ROC曲線評估模型性能，結(jié)果顯示訓練隊列中，高風險組患者的OS明顯短于低風險組患者，ROC曲線顯示該預后模型具有較高的敏感性、特異性和可信度，AUC值為0.84(圖2C)。測試隊列中，高風險組的生存率也明顯短于低風險組，AUC值為0.793（圖2D）。

圖2網(wǎng)絡藥理學分析和IIP預后模型的建立?

3. 藥效物質(zhì)基礎和分子機制分析

作者基于11個預后基因利用String構(gòu)建PPI網(wǎng)絡，MCODE分析顯示，MMP9、TGFB1、CAV1、PTGS2和SERPINE1構(gòu)成了PPI網(wǎng)絡的核心模塊（圖3A）。隨后針對11個預后基因進行KEGG富集分析，顯示預后基因主要富集在癌癥中蛋白聚糖，花生四烯酸代謝、代謝途徑和IL-17信號途徑（圖3B）。最后建立了草藥-化合物-靶標網(wǎng)絡，其中YYFZBJS的三種草藥(薏苡仁、附子和敗醬草)、草藥的關鍵活性化合物(分別為5、8和11種化合物)和相應的靶標(分別為2、7和6種靶標)相互映射，該網(wǎng)絡清晰地描述了三味藥、24個關鍵化合物和11個預后基因之間的多邊隸屬和靶向關系（圖3C）。

圖3 藥效物質(zhì)基礎和分子機制分析

4. 細胞亞群中預后基因的表達分析

為了探索預后基因在TME細胞中的表達分布，作者利用TISCH2數(shù)據(jù)庫在單細胞水平上分析了預后基因的表達（圖4）。結(jié)果顯示，PRF1和PIK3CG主要表達于CD4/CD8 +T細胞， C5AR1和MMP9主要表達于單核/巨噬細胞，HPGDS和PTGS2主要表達于單核/巨噬細胞和肥大細胞。SERPINE1顯著表達于內(nèi)皮細胞和腸道神經(jīng)膠質(zhì)細胞，而CAV1和TGFB1不僅在以上兩種類型的細胞中大量檢測到，而且還分別在肌成纖維細胞(CAV1)和CD4/CD8+ T細胞和單細胞/巨噬細胞(TGFB1)中明顯表達。

文章小結(jié)

這篇文章將中藥網(wǎng)絡藥理學分析和常規(guī)腫瘤預后模型進行了完美地有機結(jié)合，分析并不復雜，單純靠出其不意的思路設計來突出文章創(chuàng)新性，打造出一篇7分+的純生信文章！這個思路對于中醫(yī)藥方向的小伙伴就是大大的福利，兩者的結(jié)合使網(wǎng)藥和腫瘤預后這2個不太好發(fā)高分純生信的方向煥發(fā)新的生機，小云真誠建議大家趕緊抄作業(yè)，換個中藥和疾病下一篇發(fā)表高分網(wǎng)藥分析文章的就是你！