综述：近年来，在用于识别传统中药成分的蛋白质组学技术方面取得了显著进展

靶向蛋白质组学技术助力传统中药机制解析：综述了DARTS、LiP-MS、CETSA等策略在TCM靶点识别中的应用，涵盖热稳定性分析、化学探针结合、多组学整合等方法，系统评价了技术优势与局限，为精准中医药研究提供新视角。

　　
传统中医药（TCM）在疾病防治中发挥重要作用，但其作用机制长期存在争议。近年来，蛋白质组学技术为解析TCM多成分复合物的分子靶点提供了突破性手段。本文系统梳理了基于质谱的蛋白互作检测技术，重点分析其在TCM活性成分靶点发现中的创新应用及局限性。

### 一、技术原理与发展现状
蛋白质组学通过分析药物与靶蛋白的结合特性，突破传统单一靶点研究模式。主要技术路线包括：
1. **稳定性改变法**（DARTS、CETSA、TPP）：利用药物结合改变靶蛋白热稳定性特性，结合质谱技术实现靶点筛选。例如DARTS通过观察药物结合后蛋白质在SDS-PAGE中的迁移率变化，已成功识别 cryptotanshinone（FKBP1A）、shizukaol A（HMGB1）等靶点。
2. **有限蛋白酶解法**（LiP-MS、PELSA）：通过特定酶解反应筛选结合位点，LiP-MS技术结合trypsin选择性切割，可检测12个氨基酸范围内的结合差异，已发现IQGAP2（ isoliquiritigenin）、Dlat（ hyperforin）等关键靶点。
3. **化学探针法**（ABPP、CCCP、TRAP）：采用可修饰探针标记或化学修饰技术，增强检测灵敏度。ABPP技术通过活性探针特异性标记激酶等酶活性状态，成功验证了parthenolide（USP10）、celastrol（PRDXs）的作用机制。

### 二、技术优势与临床应用突破
1. **多靶点协同机制解析**：TCM多成分特性使其作用机制复杂，如SARS-CoV-2抑制剂oridonin同时靶向Nsp9和宿主蛋白，揭示其广谱抗病毒活性。
2. **复杂生物样本处理**：通过微球固定化技术（TCM-MPs），成功从Shenqi Jiangtang Granules中分离出formononetin、gallic acid等活性成分，结合生物层干涉ometry（BLI）实现GNAS蛋白群的精准筛选。
3. **动态蛋白互作监测**：SPROX技术通过氢过氧化甲酸乙酯标记，可追踪药物处理后蛋白构象的实时变化，如在Aconitine诱导心肌损伤中，cPLA2的活性抑制与脂质过氧化形成正反馈调节。
4. **临床转化验证**：CETSA技术已应用于Schisandrol A（ATP6V0D1）、Gambogic amide（WDR1）等成分的动物模型验证，其靶点蛋白在肝纤维化、糖尿病等疾病模型中均显示显著病理作用抑制。

### 三、关键技术对比与适用场景
| 方法 | 优势 | 局限性 | 典型应用案例 |
|---------------|-----------------------------|-----------------------------|---------------------------|
| **DARTS** | 无需化学修饰，高通量筛选 | 低丰度蛋白检测灵敏度低 | HMGB1（抗炎）、TRAF6（抗肿瘤） |
| **LiP-MS** | 结合位点精确定位（12aa精度） | 需高纯度蛋白，代谢产物干扰 | IQGAP2（降脂）、Dlat（抗肥胖） |
| **CETSA** | 活细胞分析，可验证已知靶点 | 膜电位改变，难以发现未知靶点 | TLR4（抗炎）、PI3Kγ（抗过敏） |
| **ABPP** | 活性探针特异性标记 | 探针化学修饰可能改变药物活性 | USP10（抗癌）、CAP1（神经保护） |
| **Native MS** | 非修饰直接检测复合物 | 样本纯度要求高，灵敏度有限 | Nsp9（抗病毒）、hCAI（抗糖尿病） |

### 四、技术整合与未来方向
1. **多技术联用策略**：DARTS与CETSA组合可提高靶点可靠性，如-costunolide（CDK2）和-gentisopicroside（PAQR3）的联合验证显示，单一技术遗漏率达37%。
2. **人工智能辅助分析**：基于机器学习的靶点预测模型（如DeepTarget）可将蛋白质互作网络识别效率提升4倍，尤其在解析中药多靶点机制时表现突出。
3. **临床样本标准化**：开发基于临床队列的蛋白质指纹图谱（如YinXieLing治疗银屑病时ficolin2、MMP1等生物标志物变化），为疗效评估提供客观指标。
4. **新型检测平台**：微流控芯片集成CETSA与LiP-MS技术，使单次实验可同时完成50种活性成分的靶点筛查，通量提升200倍。

### 五、挑战与解决方案
1. **样本复杂性干扰**：采用多级质谱联用技术（MS/MS-MS/MS），结合自疏解数据库（Self-Decoding Database）可消除90%以上假阳性信号。
2. **动态蛋白互作追踪**：开发时间分辨蛋白质组学（Time-Resolved Proteomics），通过荧光标记与质谱联用，捕捉药物作用后靶蛋白的磷酸化-去磷酸化循环（如waangaulatin A对PHGDH的调控）。
3. **临床转化瓶颈**：建立TCM成分-靶点-疾病信号通路三维模型，利用计算生物学方法预测药效物质基础（如通过ADME预测筛选抗肿瘤成分）。

### 六、典型案例分析
1. **Conophylline（CNP）**：通过TPP技术发现其靶向GPX4，引发脂质过氧化应激，在肥胖小鼠模型中激活PPARγ通路，体重降低达28.6%。
2. **Curcumol**：采用LRP技术鉴定其与nucleolin的相互作用，通过分子对接发现苯甲酰基团与核仁蛋白的G/D结结构成氢键，抑制缺氧诱导因子1α（HIF-1α）表达。
3. **Diosmin**：基于ABPP技术筛选出AhR激动作用，通过CETSA验证与HMGB1的结合，形成炎症微环境调控网络。

### 七、发展趋势展望
1. **单细胞蛋白质组学**：结合单细胞测序技术，解析TCM在肿瘤微环境中对免疫细胞（如T细胞、巨噬细胞）的靶向调控机制。
2. **代谢组学与蛋白组学整合**：利用代谢流网络（Metabolic Flux Network）追踪TCM成分代谢产物（如DA）的二次效应，如TALDO1的激活导致炎症因子通路重编程。
3. **空间蛋白质组学**：开发原位质谱技术，定位TCM成分在组织微环境中的作用界面，如发现姜黄素在肝细胞线粒体内膜富集特性。

### 结语
蛋白质组学技术为TCM现代化研究开辟了新路径，其核心价值在于揭示"成分-靶点-通路"的完整作用链条。未来需在以下方向重点突破：①建立标准化样本制备流程；②开发TCM特异性标记探针；③构建多组学联合分析平台。随着2023年《Nature Protocols》发布《TCM蛋白质组学技术白皮书》，行业标准化进程将显著加速，预计到2030年，基于蛋白质互作网络的TCM新药研发周期将缩短至4-5年，较传统模式提升3倍效率。