中药的现代化研究:DRUG-seq联合多组学技术重新定义中药质量研究

发布时间:2025-04-16        浏览量:[ 222 ]

 

中草药制剂的质量控制体系构建存在挑战。中药多组分具有协同作用的复杂性,易于鉴别的单一指标难以全面表征其质量属性与临床疗效的相关性。


此外,中药成分生物利用度参数的忽视,可能导致标志物选择与体内真实暴露量产生偏差,继而削弱质量评价体系与临床疗效的关联度。


因此,构建基于生物有效性的多维度质量评价模型,是提升中药制剂质量一致性与临床效应可预测性的关键策略。


多组学联合策略

赋能精准化中药质量研究


基于药代动力学研究基础,联合系统药理学技术,如DRUG-seq、转录组测序、代谢组学及网络药理学等,可系统解析中药多组分体系的药效物质基础及其代谢转化规律。


通过构建体内外多维数据整合分析平台,可系统解析药物作用机制与代谢网络调控规律,从而实现:

● 活性成分的高通量精准筛选与毒性组分智能辨识;

● 揭示复方配伍的协同增效机制并优化组方配比;

● 建立基于临床有效性的质量标志物(Q-marker)筛选体系;

● 动态监测其吸收、分布、代谢和排泄过程,建立药代动力学-药效学(PK-PD)关联模型;

多组学联合策略可为中药有效性评价、毒性预警及临床剂量优化等提供更精准和全面的科学依据。


应用案例








研究背景


莲花清瘟(LHQW)胶囊包含多种化合物,其复杂性和多样性使选择合适的组分作为潜在的质量控制标记物面临重大挑战。


研究目的


研究通过多组学整合与系统生物学方法,系统筛选了在LHQW中表现出体内高暴露量和显著活性潜能的化合物,分析药物吸收、代谢和药效学,构建“草药-体内化合物-靶点-通路”网络,以建立稳健的质量控制标记。


研究思路


DRUG-seq评估16种关键成分对PBMC基因表达的影响,筛选具有免疫或炎症调节活性的化合物。


代谢组分析大鼠体内的505种化合物,明确其吸收、分布、代谢和排泄(ADME)特性。


药代动力学研究通过建立HPLC-MS/MS方法定量分析46种成分的血浆浓度,筛选出15种高暴露成分,并研究其药代参数,如曲线下面积(AUC)、最大浓度(Cmax)、达到最大浓度的时间(Tmax)、和半衰期(t1/2)等。


体内外药效验证采用病理切片、免疫荧光、RNA-seq和RT-qPCR等方法在LPS诱导的小鼠肺炎模型中分析药理作用及机制。


网络药理学分析通过整合转录组学、网络药理学数据,构建 “草药-体内化合物-靶点-通路”网络,阐明连花清瘟胶囊多成分协同抗炎机制。


重点技术剖析——DRUG-seq


DRUG-seq(药物扰动数字RNA测序技术),即高通量药筛RNA测序,该技术突破了传统转录组分析的通量瓶颈,单次实验即可完成96至384孔板规模的高通量筛选,为中药复杂体系的机制研究提供了创新解决方案。


DRUG-seq三大核心技术:

① 基于孔特异性条形码标记技术实现高通量样本并行处理;

② 通过分子唯一标识符(UMI)实现转录本精准定量;

③ 采用一步法RT-PCR完成全长cDNA扩增。


DRUG-seq技术优势:

① 通过合并建库测序,大幅降低单位样本测序成本;

② 可同步解析中药多组分对数千个基因表达网络的调控效应,实现"成分-靶点-通路"多维互作图谱构建。

③ 结合机器学习算法,能够精准识别关键药效通路并定量表征剂量-效应关系。


DRUG-seq有望成为破解中药复方配伍规律、阐明多靶点协同机制及发现新型质量标志物的战略性研究工具,为中药现代化研究提供强有力的技术支撑。


DRUG-seq快速筛选LHQW主要作用成分


研究方法

根据LHQW中各药材的关键质量控制成分或其在体循环中的主要存在形式,筛选出16种化合物。384孔板培养PBMC,用不同浓度的16种化合物分别对细胞进行预处理, LPS刺激后收集PBMC,裂解细胞,随后进行DRUG-seq建库测序及生信分析。


研究结果

使用UMAP函数进行降维和聚类,发现所有DRUG-seq组可分为两个聚类(0和1),聚类0与对照组高度重叠。


所有测序组的UMAP降维和聚类结果


特征基因的热图也显示这两个簇之间的显著基因差异,表明16种化合物对LPS刺激后PBMC中的基因表达具有显著的调节作用。


两个不同聚类的前20个特征基因的热图


研究对不同浓度的每种化合物的处理组与对照组相比进行了DESeq2差异基因分析。结果显示,药物处理后,两个炎症相关基因(IL1B和CCR5)的表达均显著降低,表明LHQW胶囊具有抗炎作用。此外16种化合物的最佳浓度呈多样性。


不同浓度下所有化合物中IL1B和CCR5的Log2倍数变化值

(按化合物来源分类)


研究对差异表达的基因进行GO通路的GSEA富集分析,结果表明药物处理后,PBMC中的六种经典炎症免疫通路(细胞因子活性、细胞因子产生、信号传导受体调节剂活性、先天免疫应答、炎症应答、T细胞活化)均被显著抑制。


不同浓度下所有化合物GO通路的GSEA富集分析结果

(6种通路),按化合物来源分类。


使用CIBERSORT工具计算各组中的免疫细胞比例,并通过斯皮尔曼相关分析每种免疫细胞类型的比例与每种化合物浓度之间的关系。结果表明,化合物中的DL-甲状腺素可促进单核细胞向树突状细胞和M2巨噬细胞分化,并促进B淋巴细胞向浆细胞分化;另外,连翘酯苷可促进γδT细胞的功能。



每种化合物的处理浓度与从CIBERSORT获得的免疫细胞比例之间的斯皮尔曼相关性分析



多组学技术的整合,可以揭示复杂成分网络及作用机制,为中药复方的质量控制和现代化研究提供了系统化方法,推动中医药从经验医学向精准医学转型。


吉赛生物多组学分析平台提供DRUG-seq以及表观组、基因组、转录组、翻译组、蛋白组、代谢组、时空组等技术服务,为高效、精准的药物发现、验证、优化、质量分析及药效评估提供技术支撑。