26年中药活性成分靶点筛选

26年中药活性成分靶点筛选演讲人2026-04-29

CONTENTS引言：中药活性成分靶点筛选的时代命题与研究意义26年研究的核心挑战与未来方向目录01ONE引言：中药活性成分靶点筛选的时代命题与研究意义

引言：中药活性成分靶点筛选的时代命题与研究意义中药作为中华民族数千年智慧的结晶，其“辨证论治”“整体调节”的理论体系，在现代医学面临复杂疾病治疗困境的今天，愈发彰显独特价值。然而，中药“成分复杂、多靶点、多通路”的特性，长期制约着其作用机制的明确性和国际认可度。活性成分靶点筛选，作为连接“中药药效物质”与“生物作用机制”的核心桥梁，自20世纪90年代末至今，已走过了26年的探索历程。这26年，既是中国中医药现代化从“跟跑”到“并跑”的缩影，也是多学科交叉融合推动中药研究范式转型的生动实践。作为一名亲历者，我仍记得2000年初初入实验室时，导师指着《本草纲目》中的一味方剂说：“我们要做的，就是用现代科学语言，讲清楚‘为它能治病’。”彼时，中药活性成分的分离纯化已相对成熟，但“成分找到了，靶点在哪里”仍是横亘在面前的难题。26年后的今天，高通量筛选、组学技术、人工智能的迭代，

引言：中药活性成分靶点筛选的时代命题与研究意义让我们不仅能“看见”活性成分与靶点的结合，更能从系统层面解析其调控网络。这26年的积累，不仅为中药新药研发提供了关键支撑，更让“传统智慧”与“现代科学”实现了从“对话”到“融合”的跨越。本文将基于这26年的研究脉络，系统梳理中药活性成分靶点筛选的技术演进、核心挑战与未来方向，以期为行业同仁提供参考，共同推动中药研究的纵深发展。二、早期探索（1998-2010年）：从经验摸索到技术启蒙的艰难起步

传统活性成分筛选的局限性与靶点发现的“偶然性”20世纪末至21世纪初，中药活性成分研究多聚焦于“单一成分-单一靶点”的线性模式，即通过溶剂萃取、柱层析等传统分离技术，从中药中分离具有明确药理活性的单体成分，再通过离体实验（如酶活性检测、受体结合实验）推测其潜在靶点。这一阶段的典型代表是青蒿素的发现——屠呦呦团队从青蒿中分离出青蒿素，通过抗疟活性筛选确定其作用靶点为疟原虫的亚铁血红素，最终获得诺贝尔奖。然而，此类研究多依赖于“经验导向”的活性追踪，靶点发现具有极强的偶然性，且难以解释中药复方“多成分协同”的作用特点。以我早期参与的丹参研究为例，丹参作为心血管常用药，其水溶性成分丹参素和脂溶性成分丹参酮IIA均被报道具有抗心肌缺血作用。但通过离体心肌细胞实验发现，两者对钙通道的调控效应截然不同：丹参素通过抑制钙内流保护心肌，而丹参酮IIA则通过开放钾通道发挥作用。这一现象让我们意识到：“中药活性成分并非‘万能钥匙’，每种成分可能作用于不同的靶点节点，而复方的疗效正是这些节点协同作用的结果。”然而，受限于当时的检测技术，我们难以同时追踪多个成分的靶点，更无法解析其网络调控机制。

靶点数据库的初步建立与高通量筛选技术的引入随着人类基因组计划的推进，21世纪初，一批生物靶点数据库（如KEGG、DrugBank、OMIM）逐渐建立，为中药活性成分靶点预测提供了“参照系”。同时，高通量筛选（HTS）技术开始进入中药研究领域，其核心是通过自动化设备和微量化检测，在短时间内对大量化合物或靶点进行活性测试，显著提高了筛选效率。2005年，我们团队首次将高通量筛选技术应用于黄连素（小檗碱）的研究。当时，黄连素已报道具有降糖作用，但具体靶点尚不明确。我们构建了包含120个与糖代谢相关靶点的蛋白芯片库，通过荧光标记法筛选发现，黄连素不仅能激活AMPK（腺苷酸活化蛋白激酶）——当时已知的关键降糖靶点，还能与PPARγ（过氧化物酶体增殖物激活受体γ）结合，增强胰岛素敏感性。这一结果首次通过高通量数据证实了黄连素的多靶点作用机制，也为后续“基于网络药理学的中药复方靶点研究”奠定了基础。

靶点数据库的初步建立与高通量筛选技术的引入然而，这一阶段的高通量筛选仍存在明显局限：一是靶点库覆盖范围有限，主要集中于已知疾病相关靶点，难以发现新靶点；二是中药成分复杂，提取物中的多酚、黄酮等物质易干扰检测信号，导致假阳性或假阴性结果；三是体外模型与体内环境的差异，使得部分筛选出的靶点在整体动物水平难以验证。这些问题的存在，促使我们思考：如何突破“单一靶点、离体模型”的束缚，更接近中药在体内的真实作用过程？三、技术革新期（2010-2020年）：从“单一靶点”到“网络靶点”的范式转变

组学技术的爆发与中药靶点研究的“系统化”转向2010年后，随着二代测序技术、质谱技术的成熟，基因组学、转录组学、蛋白质组学、代谢组学等“组学”技术迎来爆发式发展，为中药活性成分靶点研究提供了“全景式”视角。与早期“单一靶点”的研究范式不同，组学技术强调从“系统层面”解析药物对生物体的影响，即通过检测药物干预后基因表达、蛋白质丰度、代谢物谱的变化，反向推断其潜在靶点及调控通路。以我们2015年开展的黄芪多糖免疫调节机制研究为例，早期研究认为黄芪多糖主要通过激活巨噬细胞发挥作用，但其具体靶点网络未知。我们通过转录组学分析发现，黄芪多糖干预后，巨噬细胞中TLR4（Toll样受体4）/NF-κB信号通路的12个关键基因表达显著上调，同时代谢组学显示其能纠正免疫应激小鼠的氨基酸代谢紊乱。进一步通过蛋白质组学验证，证实黄芪多糖通过结合TLR4受体，

组学技术的爆发与中药靶点研究的“系统化”转向激活下游MyD88依赖的信号级联反应，最终促进巨噬细胞吞噬细胞因子释放。这一研究不仅明确了黄芪多糖的核心靶点（TLR4），还揭示了其“免疫-代谢”双调节的网络机制，成为中药多靶点研究的典型案例。组学技术的应用，让我们对中药活性成分靶点的认识从“点”扩展到“面”：不再局限于某个单一靶点，而是关注靶点之间的相互作用、通路之间的交叉调控。这种“系统化”转向，更符合中药“整体调节”的理论特点，也为中药复方的作用机制解析提供了新思路。

网络药理学的兴起与“成分-靶点-疾病”网络的构建2008年，AndrewL.Hopkins首次提出“网络药理学”（NetworkPharmacology）概念，强调“药物通过干预疾病网络中的多个节点，恢复网络平衡”的作用机制，这与中药“多成分、多靶点、多通路”的特性高度契合。2010年后，网络药理学逐渐成为中药活性成分靶点筛选的主流方法，其核心流程包括：①中药化学成分数据库（如TCMSP、TCMID）检索活性成分；②活性成分潜在靶点预测（通过SwissTargetPrediction、STITCH等数据库）；③疾病相关靶点收集（通过GeneCards、DisGeNET等数据库）；④构建“成分-靶点-疾病”网络，并通过拓扑分析筛选核心成分与核心靶点。

网络药理学的兴起与“成分-靶点-疾病”网络的构建2018年，我们团队应用网络药理学研究“血府逐瘀汤”治疗心肌缺血的机制。首先从TCMSP数据库中检索到血府逐瘀汤的237个化学成分，筛选出符合条件的活性成分68个（OB≥30%，DL≥0.18）；通过SwissTargetPrediction预测这些成分对应的潜在靶点1216个，结合GeneCards数据库中“心肌缺血”相关的靶点1920个，取交集得到共同靶点156个；通过Cytoscape构建“成分-靶点-疾病”网络，拓扑分析发现核心成分包括槲皮素、山奈酚、川芎嗪，核心靶点包括VEGFA（血管内皮生长因子A）、CASP3（半胱氨酸蛋白酶3）、AKT1（丝氨酸/苏氨酸蛋白激酶1）。进一步通过动物实验验证，发现血府逐瘀汤通过上调VEGFA表达促进血管新生，抑制CASP3表达减少心肌细胞凋亡，从而发挥治疗作用。

网络药理学的兴起与“成分-靶点-疾病”网络的构建网络药理学的应用，实现了“从中药到靶点”的逆向推理，不仅提高了靶点筛选的效率，还能直观展示中药复方“君臣佐使”配伍的科学内涵——核心成分对应君药，关键靶点对应核心病理环节。然而，网络药理学仍存在“数据库依赖性强、预测结果需实验验证”的局限，其“静态网络”也难以反映药物干预后靶点动态变化的真实过程。这些问题，推动着我们进一步探索更精准、更动态的靶点筛选技术。四、智能化时代（2020年至今）：从“数据驱动”到“机制解析”的深度跨越

人工智能与多组学数据融合：靶点预测的“精准化”革命2020年后，人工智能（）技术的突破，尤其是机器学习、深度学习模型的应用，为中药活性成分靶点筛选带来了“精准化”革命。与传统基于结构相似性或药效团模型的靶点预测不同，模型能通过学习“化合物结构-靶点活性”的大数据，建立非线性映射关系，从而实现对未知靶点的高精度预测。同时，多组学数据（基因组、转录组、蛋白质组、代谢组、表观组）的整合分析，让我们能够从“时间维度”和“空间维度”动态解析药物对生物体的影响，构建更接近真实的“靶点调控网络”。以我们2022年开展的青蒿素衍生物抗肿瘤靶点研究为例，传统研究发现青蒿素及其衍生物对多种肿瘤细胞有抑制作用，但具体靶点不明。我们首先通过深度学习模型DeepDTA（基于化合物序列和靶点序列预测结合活性），预测青蒿素衍生物与2000个肿瘤相关靶点的结合活性，

人工智能与多组学数据融合：靶点预测的“精准化”革命筛选出潜在靶点32个；然后通过多组学分析（转录组+蛋白质组+代谢组）发现，青蒿素衍生物干预后，肝癌细胞中“铁死亡”通路的关键基因（如ACSL4、TFRC）表达显著上调，代谢组显示脂质过氧化产物（MDA）积累、谷胱甘肽（GSH）消耗；进一步通过分子对接和分子动力学模拟，证实青蒿素衍生物通过结合铁蛋白轻链（FTL），促进细胞内铁离子释放，诱导铁死亡。这一研究首次明确了青蒿素衍生物抗肿瘤的“铁死亡”新机制，也为模型在中药靶点筛选中的应用提供了范例。与多组学融合的优势在于：一是“预测-验证”闭环的形成，预测结果可通过多组学数据初步筛选，再通过实验验证，显著降低假阳性率；二是“动态网络”的构建，通过时间组学数据，可揭示药物干预后靶点调控的先后顺序和反馈机制；三是“个性化靶点”的探索，结合患者基因组数据，可实现“因人施治”的靶点筛选。例如，2023年我们团队基于机器学习模型，分析了2型糖尿病患者对黄连素的响应差异，发现携带PPARγ基因Pro12Ala多态性的患者对黄连素更敏感，这为中药个体化用药提供了靶点依据。

类器官与微流控技术：靶点验证的“类生理化”突破传统靶点验证多依赖于细胞系（如HepG2、HEK293）或动物模型，但细胞系缺乏组织特异性，动物模型则存在种属差异，导致部分靶点在体内难以重现。近年来，类器官（Organoid）和微流控芯片（MicrofluidicChip）技术的发展，为靶点验证提供了更“类生理化”的模型。类器官是由干细胞或组织祖细胞在体外自组织形成的3D结构，能模拟真实器官的结构和功能，如肝类器官、肠类器官、脑类器官等。2021年，我们利用肝类器官模型验证了姜黄素的代谢靶点。传统研究发现姜黄素在肝脏中快速代谢为四氢姜黄素，但其代谢酶靶点尚不明确。通过肝类器官培养，结合LC-MS/MS检测代谢物，发现姜黄素主要经UGT1A1（尿苷二磷酸葡萄糖醛酸转移酶1A1）代谢为姜黄素葡萄糖醛酸苷，而UGT1A1的抑制剂（如利福平）能显著增加姜黄素的暴露量。这一结果在传统肝细胞系中未能重现，凸显了类器官模型在靶点验证中的优势。

类器官与微流控技术：靶点验证的“类生理化”突破微流控芯片则通过微通道系统模拟体内的微环境（如血流、细胞间相互作用），实现“器官-on-a-chip”。例如，2023年我们构建了“肠-肝微流控芯片”，研究葛根素口服后的吸收和代谢靶点。通过模拟肠道上皮细胞和肝细胞的共培养，发现葛根素主要通过肠道的PEPT1（寡肽转运蛋白1）吸收，然后在肝脏经CYP3A4代谢，这与临床药代动力学结果高度一致。类器官与微流控技术的结合，让我们能在更接近人体的模型中验证靶点，大大提高了靶点筛选的“临床转化率”。02ONE26年研究的核心挑战与未来方向

26年研究面临的核心挑战尽管26年来中药活性成分靶点筛选取得了显著进展，但仍面临三大核心挑战：1.成分复杂性与靶点识别的“特异性”问题：中药成分多达上千种，包括原型成分、代谢产物、结合产物等，如何区分“活性成分”与“非活性成分”，并明确其特异性靶点，仍是难题。例如，丹参酮IIA在体内可与血浆蛋白结合，结合后的成分是否仍具有活性？其靶点是否与原型成分不同？这些问题需要更精准的成分分析技术（如高分辨质谱、成像技术）和靶点捕获技术（如亲和层析-质谱联用）来解决。2.多靶点协同机制的“动态性”问题：中药通过多靶点协同调节疾病网络，但靶点之间的相互作用是动态变化的——不同时间点、不同浓度下，靶点的调控优先级可能不同。例如，黄连素在低浓度时激活AMPK，高浓度时抑制PPARγ，这种“浓度依赖性”靶点切换机制，需要建立“动态靶点谱”来解析，目前的技术仍难以实现这一目标。

26年研究面临的核心挑战3.临床转化的“鸿沟”问题：实验室筛选出的靶点，在临床中可能因患者个体差异（基因、年龄、合并症）、给药方式（口服、注射）、药物相互作用（复方中的其他成分）等因素而失效。例如，青蒿素在疟疾治疗中靶点明确，但在抗肿瘤研究中，部分临床试验未能重复其体外效果，可能与肿瘤微环境的复杂性有关。如何缩短“实验室靶点”到“临床靶点”的距离，需要开展更多“真实世界研究”和“多中心临床试验”。

未来研究的重点方向面向未来，中药活性成分靶点筛选应聚焦以下方向：1.“时空分辨”靶点筛选技术的开发：结合单细胞测序、空间转录组、活体成像等技术，实现靶点在“细胞类型”（如肿瘤细胞vs免疫细胞）、“组织位置”（如肿瘤中心vs边缘）、“时间动态”（如给药后1h、24h、72h）的精准定位。例如，通过单细胞RNA测序解析中药复方在不同免疫细胞中的靶点分布，为“精准用药”提供依据。2.“人工智能+大数据”的智能决策系统：整合中药化学成分数据库、靶点数据库、临床数据库、文献数据库，构建“中药活性成分靶点知识谱”，通过算法实现“成分-靶点-疾病-个体”的智能匹配。例如，基于患者的基因突变谱和代谢特征，可推荐最适合的中药活性成分组合及其靶点干预策略。

未来研究的重点方向3.“中西医融合”的靶点评价体系：