Science子刊 | 中医研究重大突破！中美科学家首次用现代科学解释中药治疗系统原理

近日，南京信息工程大学智慧医疗研究院徐军教授团队成员甘晓博士和北京交通大学周雪忠教授、美国东北大学Albert-László Barabási教授，以及中国中医科学院和湖北省中医院等联合团队在Science子刊Science Advances上发表了题为 “Network medicine framework reveals generic herb-symptom effectiveness of traditional Chinese medicine”的研究论文。

该论文发现中药“辨证论治”的传统治疗原则可以通过中药与疾病症状在蛋白质网络上的拓扑邻近关系解释，并通过真实世界临床数据验证，首次探索建立了解释中药治疗系统原理的科学理论。

研究背景

中医药是我国独具优势与特色的传统医学体系，具有显著的临床疗效，科学阐释中药治疗规律是中药现代化的迫切需求和国家“十四五”规划的优先发展领域。辨证论治作为中医临床主体诊疗方法，是基于中医四诊及症状体征的中医特色个体化诊疗体系，涉及药物、疾病和人体等复杂系统规律。因此，“说明白、讲清楚中医药的临床疗效”仍是未解难题。

作为辨证论治的重要环节，承载随症加减普遍性规律的中药-症状（药症关系）临床疗效的机制有待阐释是关乎中医临床疗效与中药药理研究的关键科学问题。近年来，借助逐渐完整的人类蛋白质相互作用网络，新兴的西药网络医学理论与方法揭示了西药靶标和疾病关联蛋白在人类蛋白质网络上具备普遍性拓扑邻近关系。

研究结果

甘晓博士在此论文中提出了中药的网络医学理论与方法，认为中医临床辨证论治的中的“对症下药”，可以由完整人类蛋白质网络上的中药靶标和症状关联蛋白模块的拓扑邻近关系解释。（图1）

图1– 中药网络医学理论将中医治疗原则解释为中药-症状在蛋白质网络上的拓扑关系：（a）症状关联蛋白的网络模块化；（b）中药-症状的网络邻近关系可以预示疗效

论文首先提出并验证了症状关联基因在人类蛋白质网络上形成显著的集聚模块，并且症状集聚模块间的网络距离越接近，症状越容易共现（图2）。

图2– 症状的关联蛋白形成本地化的网络模块，且模块间的网络距离可以预示症状共现

然后，论文指出具有疗效的中药-症状存在普遍性的网络邻近关系，即中药靶标在蛋白质网络上邻近症状关联蛋白时更易有疗效，同时提出了多种网络邻近度指标作为数学模型，量化地描述这一邻近关系， 并成功通过《中国药典》中记载的有效中药-症状数据验证了这一结论。（图3）

图3– 中药-症状的网络邻近关系可以预示疗效。（A）药－症网络邻近关系示意；（B）设计了八种指标描述网络邻近关系；（C）（D）《中国药典》记载有效的中药－症状更加网络邻近，AUC=0.65-0.72。（Ｅ）示例：银柴胡和黄柏的靶标与发热症状网络邻近，因此用于治疗发热；川乌与发热症状不邻近，与腹痛邻近，因此用于治疗腹痛

随后，论文通过真实世界的医院临床患者数据，系统验证了中药-症状临床疗效的网络邻近规律（图4）。最后，论文指出人类蛋白质网络上的网络邻近关系可以作为中药疗效预测、药物重定向的指标，并预测了一系列《中国药典》未记载，但在临床数据中显著有效的药-症组合，作为有开发潜力的中药治疗方案。

图4– 真实世界中的医院患者数据验证了中药的网络医学理论。(A)症状相对风与症状模块的网络距离负相关；（B）医生在临床处方中开具的中药和症状更加邻近；（C）&（Ｄ）临床有效的中药和症状更加邻近

意义与展望

这一工作是原创科学理论，首次从复杂网络与系统角度提出中药治疗原理的现代科学解释，并结合真实世界临床数据进行了有效性验证。这一理论对推进中药现代化、国际化具有突破性意义。同时，此研究建立了新的中药原理研究范式，指明完整的人类蛋白质网络可能是中药药理研究的下一个热点方向。

最后，论文提出的中药网络医学理论可能转化为新中药/药用化合物的疗效预测、药物重定向等应用。

该论文第一作者为南京信息工程大学甘晓博士。甘晓博士、北京交通大学周雪忠教授和美国东北大学Albert-László Barabási教授为共同通讯作者。

作者简介

甘晓，南京信息工程大学人工智能学院讲师，智慧医疗研究院徐军教授团队成员。主要研究方向为生物医药系统中的复杂网络与其数学建模理论。

周雪忠，北京交通大学计算机学院教授，博士生导师，长期从事中医人工智能、数据挖掘与网络医学研究。承担国家科技重大专项、国家重点研发计划项目等国家级项目10余项。获国家科技进步二等奖1项，省部级奖励10余项。

Albert-László Barabási教授是欧洲艺术与科学院院士，网络科学学会的创始人及会长。Barabási教授研究复杂网络，研究领域极为广泛，从无标度网络、网络控制理论，到前沿的脑网络、网络医学、食物科学、科学学和成功科学，总引用数超过280,000（Google scholar）。

本文由论文作者团队特邀供稿，文中观点仅为作者团队观点，不代表Science/AAAS立场。