网络药理学和分子模拟揭示了鼠李糖脂及表面活性蛋白对阿尔茨海默病的多靶点神经保护作用

《Brain Research Bulletin》：Network Pharmacology and Molecular Simulations Reveal Multi-Target Neuroprotective Potential of Rhamnolipid and Surfactin against Alzheimer’s disease

阿尔茨海默病（AD）的潜在治疗策略基于生物表面活性剂Surfactin和Rhamnolipids的多靶点作用，通过网络药理学预测87个重叠靶点（如HSP90AA1、CASP3、SRC等），分子对接显示Rhamnolipids与靶蛋白结合能更高（?11.1 kcal/mol至?5.6 kcal/mol），且动态模拟证实其复合物稳定性优于Surfactin。研究揭示了Rhamnolipids通过调节神经炎症、凋亡及信号通路发挥神经保护作用，为AD治疗提供新方向。

　　### 生物表面活性剂在阿尔茨海默病治疗中的潜力

阿尔茨海默病（Alzheimer’s disease, AD）是全球范围内最常见的痴呆类型之一，占所有痴呆病例的60%至80%。这是一种复杂的神经退行性疾病，通常伴随着认知功能的逐渐下降，以及神经病理学上的特征，如神经纤维缠结（neurofibrillary tangles）和淀粉样斑块（amyloid plaques）的形成。尽管已有多种药物用于缓解AD的症状，如N-甲基-D-天冬氨酸（NMDA）受体调节剂和乙酰胆碱酯酶抑制剂，但这些药物往往无法从根本上治疗疾病。因此，开发更安全、更有效的药物成为对抗AD的重要课题。

近年来，天然产物及其衍生物在治疗研究中的应用日益受到关注。它们不仅具有结构多样性，而且相较于合成药物，毒性较低，具有多靶点活性。生物表面活性剂作为一类天然产物，因其独特的生物活性和环保特性，被认为是潜在的治疗剂。这类物质由微生物如酵母、真菌和细菌产生，能够降低表面和界面张力。相较于合成表面活性剂，生物表面活性剂具有较低的毒性、可生物降解性以及良好的环境友好性，因此在生物医学领域展现出广阔的应用前景。

生物表面活性剂中，Rhamnolipids和Surfactin是两个备受关注的类型。Rhamnolipids主要由革兰氏阴性菌如假单胞菌（Pseudomonas aeruginosa）合成，而Surfactin则由革兰氏阳性菌如枯草芽孢杆菌（Bacillus subtilis）生成。这两种表面活性剂都显示出广泛的药理活性，包括抗炎、抗菌和神经保护作用。随着网络药理学和计算生物学的快速发展，研究者能够更深入地探索这些生物活性物质在AD治疗中的分子机制。

网络药理学作为一种新兴的药物研发方法，能够在复杂疾病和药物之间建立多靶点的关联网络。它不仅能够预测药物可能的作用靶点，还能够揭示药物在疾病中可能的机制，包括网络分析、连接性、冗余性和多效性。通过这种方法，研究者可以识别出与AD相关的多个靶点，并进一步分析这些靶点之间的相互作用，从而揭示药物可能的多靶点作用机制。此外，分子对接和分子动力学模拟技术的应用，使得研究者能够预测药物与靶点之间的相互作用模式，并评估其在动态环境下的稳定性。

### 生物表面活性剂的靶点预测与网络分析

在本研究中，首先通过文献筛选确定了具有抗炎特性的生物表面活性剂，并利用PubChem数据库获取其结构信息、分子量和对应的SDF文件。随后，使用Swiss Target Prediction数据库预测这些生物活性物质的潜在人类靶点。通过整合这些数据并去除重复项，最终识别出268个独特的靶点。这些靶点随后与AD相关靶点进行比较，以确定哪些靶点可能同时受到这两种生物表面活性剂的影响。

为了进一步分析这些靶点的生物学功能，研究者采用了基因本体（Gene Ontology, GO）和KEGG通路富集分析。GO分析揭示了这些靶点在多个生物学过程中的重要性，包括突触信号传导、免疫调节、激酶活性和神经炎症等。KEGG通路分析则显示，这些靶点与多种关键的信号通路相关，如HIF-1信号通路、Ras信号通路、甲状腺激素信号通路和脂质代谢相关通路。这些结果表明，Rhamnolipids和Surfactin可能通过调控这些通路，发挥其神经保护作用。

### 蛋白质-蛋白质相互作用网络分析

为了深入理解这些靶点之间的相互作用，研究者构建了蛋白质-蛋白质相互作用（Protein-Protein Interaction, PPI）网络。STRING数据库被用来获取PPI数据，并将这些数据导入Cytoscape软件进行可视化分析。结果显示，87个重叠靶点形成了一个高度连接的网络，其中包含了多个关键的枢纽基因（hub genes），如CASP3、SRC、CTNNB1、HSP90AA1和STAT3。这些枢纽基因在神经炎症、细胞凋亡和突触信号传导等过程中发挥重要作用，因此可能是AD治疗的关键靶点。

进一步的分析表明，这些枢纽基因在多个功能模块中具有较高的重要性，尤其是在涉及神经炎症和细胞凋亡的通路中。通过CytoHubba插件，研究者确定了这些枢纽基因，并发现它们在调控网络功能方面具有重要作用。这些结果不仅揭示了生物表面活性剂与AD之间的潜在联系，还为后续的分子对接和分子动力学模拟提供了依据。

### 分子对接与动态模拟分析

为了验证这些生物表面活性剂与关键靶点之间的相互作用，研究者进行了分子对接分析。使用AutoDock Vina 1.2.7软件，将Rhamnolipids和Surfactin分别与五个枢纽蛋白（如CASP3、SRC、CTNNB1、HSP90AA1和STAT3）进行对接。结果显示，Rhamnolipids与这些靶点表现出更强的结合亲和力，尤其是与HSP90AA1、CASP3和SRC的结合能分别为-11.1 kcal/mol、-9.1 kcal/mol和-9.0 kcal/mol，而Surfactin的结合能则较低（-5.6到-3.4 kcal/mol）。这些结果表明，Rhamnolipids可能在AD治疗中具有更高的潜在价值。

为了进一步评估这些结合模式的稳定性，研究者进行了分子动力学（Molecular Dynamics, MD）模拟。MD模拟显示，Rhamnolipids与CASP3形成的复合物在100 ns的模拟时间内表现出最高的构象稳定性。RMSD（根均方偏差）分析显示，7SEO（CASP3）复合物的结构变化最小，说明其在药物结合后保持了较高的稳定性。此外，RMSF（根均方波动）分析也表明，7SEO复合物的残基波动最小，显示出更强的结构稳定性。

### 表面特性与构象稳定性分析

在分子动力学模拟过程中，研究者还分析了Rhamnolipids与不同靶点结合后的表面特性。结果显示，7SEO复合物的溶剂可及表面积（Solvent Accessible Surface Area, SASA）最小，表明其与靶点的结合更为紧密，形成更稳定的复合物。此外，RMSD和RMSF数据进一步支持了这一结论，说明7SEO是Rhamnolipids最合适的结合靶点。

在二级结构分析中，研究者发现所有三种复合物（1BYQ、7SEO和2SRC）在100 ns的模拟时间内都保持了其原始的二级结构，如α-螺旋和β-折叠。然而，7SEO复合物的二级结构保留最为完整，显示出更高的稳定性。这些结果表明，Rhamnolipids与7SEO的结合不仅在能量上具有优势，而且在结构上也表现出更高的稳定性。

### 通路网络与药理作用机制

通过构建化合物-靶点-通路网络，研究者进一步揭示了Rhamnolipids和Surfactin在AD中的作用机制。该网络包含了22个节点（两个生物表面活性剂、10个枢纽靶点和10个关键通路），并显示了这些节点之间的相互作用关系。分析表明，这些生物表面活性剂可能通过调控多个通路，如HIF-1信号通路、Ras信号通路、甲状腺激素信号通路和脂质代谢通路，发挥其神经保护作用。

此外，通路网络还显示了这些生物表面活性剂在免疫调节、神经炎症和细胞凋亡中的作用。例如，HIF-1被识别为Rhamnolipids和Surfactin的共同靶点，可能通过调控缺氧反应相关机制，发挥神经保护作用。同时，Rhamnolipids与CASP3、SRC和STAT3的结合，可能有助于抑制神经炎症和细胞凋亡，从而延缓AD的进展。

### 结论与展望

综上所述，Rhamnolipids和Surfactin作为生物表面活性剂，在AD治疗中展现出多靶点、多通路的药理作用潜力。通过网络药理学、分子对接和分子动力学模拟等方法，研究者不仅揭示了这些物质与AD相关靶点的相互作用模式，还评估了其在动态环境下的稳定性。结果表明，Rhamnolipids在与CASP3等靶点的结合中表现出更强的亲和力和稳定性，可能在AD治疗中具有更高的疗效。

尽管本研究提供了重要的理论依据，但仍需进一步的实验验证。未来的研究可以结合体外和体内实验，以确认这些生物表面活性剂在AD模型中的实际效果。此外，探索这些物质在不同病理条件下的作用机制，以及它们与其他药物的协同作用，也是未来研究的重要方向。通过这些努力，有望开发出更安全、更有效的治疗方案，为AD患者提供新的希望。