SD-tbd所对应的活性成分为原花青素、芹黄素、木犀草素、丹参酮IIA，紫丹参萜醚类物质，根据靶点基因拓扑值大小为胰岛素（INS）、双重特异分裂活性蛋白激酶1（MAP2K1）、白介素4（Interleukin-4，IL4）、内皮素1（EDN1）、葡糖6磷酸酶（G6PC）、内皮素1受体（EDNRA）等（见图3a）。
ZC-tbd所对应的活性成分为柚皮素、山奈酚，根据靶点基因拓扑值大小为脂连蛋白（ADIPOQ）、低密度脂蛋白受体（LDLR）、血管细胞黏附蛋白1（VCAM1）、甾醇O-酰基转移酶（SOAT1）、肝磷酸酯酶1（CES1）等（见图3b）。
表1  山楂-丹参与枳壳-柴胡抗高脂血症共有靶点基因拓扑值
基因    靶点    介度    连接度    紧密度
IL6    Interleukin-6    657.1251928    46    0.621794872
TNF    Tumor necrosis factor    552.9718004    46    0.610062893
VEGFA    Vascular endothelial growth factor A    404.4381505    41    0.584337349
MAPK1    Mitogen-activated protein kinase 1    390.0983948    41    0.598765432
MMP9    Matrix metalloproteinase-9    575.5511403    37    0.570588235
IL1B    Interleukin-1 beta    286.6257423    34    0.538888889
EGFR    Epidermal growth factor receptor    310.2332697    33    0.570588235
EGF    Pro-epidermal growth factor    319.2270501    32    0.567251462
CXCL8    Interleukin-8    78.60200785    30    0.538888889
MYC    Myc proto-oncogene protein    171.8278908    30    0.54494382
PTGS2    Prostaglandin G/H synthase 2    211.3781184    30    0.554285714
CCL2    C-C motif chemokine 2    96.27608084    29    0.54494382
IL10    Interleukin-10    119.1941766    28    0.541899441
ICAM1    Intercellular adhesion molecule 1    116.641607    28    0.535911602
FOS    Proto-oncogene c-Fos    645.5298    26    0.538889
MMP2    72 kDa type IV collagenase    135.952    26    0.530055
MAPK14
    Mitogen-activated protein kinase 14    47.72538    24    0.524324
PPARG    Peroxisome proliferator-activated receptor gamma    47.72538054    24    0.524324324
SERPINE1    Plasminogen activator inhibitor 1    233.5488    20    0.513228
NFKBIA    NF-kappa-B inhibitor alpha    31.61    16    0.4874
IL1A
    Interleukin-1 alpha    16.52696    15    0.453271
NOS2    Nitric oxide synthase, inducible    39.5979    14    0.485
F3    Tissue factor    48.35    11    0.4389
THBD    Thrombomodulin    15.03084    7    0.400826

2.3 KEGG通路分析
利用Metascape进行KEGG通路富集分析，构建成分-靶点-通路网络图。SD-ZC-bd富集的通路主要有流体剪切力和动脉粥样硬化、糖尿病并发症中的AGE-RAGE、Toll样受体、TNF、MAPK等信号通路，见图4a。
SD-tbd富集的通路主要有PI3K-Akt、HIF-1信号通路，细胞自噬，胰岛素信号等，见图4b。
ZC-tbd主要涉及低密度脂蛋白及血浆脂蛋白清除、脂肪酸代谢等信号通路，见图4c。



图4 成分-靶点-通路网络图
a. 山楂-丹参药对与枳壳-柴胡药对 b. 山楂-丹参药对 c. 枳壳-柴胡药对

2.4 GO-BP分析



图5  生物过程（GO-BP）a 共有靶点 b 山楂-丹参特有靶点 c 枳壳-柴胡特有靶点
由图5可看出，SD-ZC-bd对应的生物过程主要包括脂多糖的反应，细胞对脂质的反应，细胞因子调节的代谢通路，活性氧代谢及神经递质生物合成过程等。SD-tbd的生物过程包括氧化应激的反应、蛋白质水解的正调控、细胞对胰岛素刺激的反应等。ZC-tbd的生物过程包括胆固醇转运，甾醇转运，低密度脂蛋白颗粒清除等。
2.5 两药对共有活性成分与核心靶点对接分析
利用AutoDock软件分别对槲皮素、β-谷甾醇两种活性成分分别与IL-6、TNF、PPARG、VEGFA、 MAPK1五个核心靶点进行分子对接。每种活性成分均能与五个靶点成功对接， 根据结合能选取最优构型， 对接能量结果见表2。由表2可看出，结合能都小于-0.4kcal/mol，说明槲皮素、β-谷甾醇和5个核心靶点均能进行自发对接。选取结合能最低的两个靶点TNF、PPARG和槲皮素、β-谷甾醇的最优构型进行相互作用分析（见图6）。经Pymol软件的可视化分析发现，β-谷甾醇可与TNF中的Lys-98和Glu-116形成氢键；与PPARG中的Ile-262、Glu-259形成氢键。槲皮素与TNF中的Ser-99、Gln-102等四个氨基酸残基形成氢键；槲皮素与PPARG中的Ser-201、Glu-207等五个氨基酸残基形成氢键。
表2  药对共有活性成分与核心靶点分子对接预测结合能（kcal/mol）
    IL-6    TNF    PPARG    VEGFA    MAPK1
槲皮素    -5.8    -6.92    -6.54    -4.63    -6.19
β-谷甾醇    -7.12    -10.8    -8.32    -5.72    -7.04

图6 药对活性成分与核心靶点分子对接模型
（红色：活性成分；绿色：核心靶点；蓝色：靶点对接氨基酸残基。a:槲皮素与TNF对接模型；b: β-谷甾醇与TNF对接模型；c: 槲皮素与PPARG对接模型；d: β-谷甾醇与PPARG对接模型）
3.讨论
本研究利用网络药理学数据平台，对山楂-丹参，枳壳-柴胡的活性成分及抗高脂血症靶点进行了比较研究，构建了两药对抗高脂血症的共有及特有靶点的PPI互作网络图、活性成分-靶点-通路网络图、靶点生物过程富集图，并对关键活性成分和靶点进行了分子对接。
两经典药对抗高脂血症共有活性成分为槲皮素、β-谷甾醇和芦丁，抗高脂血症的重要靶点为IL6、TNF、VEGFA、PPARG、MAPK1、MMP9、EGFR、SERPINE1、THBD、ICAM、NOS2等，涉及共有通路为流体剪切力和动脉粥样硬化通路、糖尿病并发症AGE-RAGE信号通路、Toll样受体、TNF、MAPK等信号通路，这些基本都已经被证实与高脂血症相关[34,35]。
研究报道槲皮素可显著降低小鼠血浆TC、TG水平，降低脂蛋白残粒刺激下IL-6的mRNA水平[36,37]，通过MAPK通路降低脂肪合成相关的因子与酶的表达，减少脂肪生成[38]。槲皮素调控PPARG对抗高脂饮食喂养的大鼠肥胖[39]，通过下调VEGFA和MMP9的蛋白表达水平，达到抑制血管再生的效果[40]。槲皮素可降低VEGF，IL-6等细胞因子的表达，减轻糖脂毒性介导的ROS产生，加速脂肪酸氧化，降低甘油三酯的聚集[41]。β-谷甾醇属于甾醇类物质，和TC有相似的骨架结构，可有效地降低血液TC和TG水平，减少脂肪酸合成相关基因表达，增加脂肪酸氧化，减少脂质合成[42]。甾醇类对肝中胆固醇的生物合成和摄取主要通过MMP9基因来实现[43]，谷甾醇显著降低血清炎症因子TNF-α和IL-6的水平，抑制与肥胖相关的慢性炎症进展[44]。芦丁改善PPARG的蛋白表达量[45]，降低血清和免疫细胞中的TG，TC水平，通过干预MMP9等基因，保护脂多糖介导的小鼠心脏损伤[46]。