《Food Science & Nutrition》：Computational Prediction of the Therapeutic Mechanisms From the Turmeric-Pueraria-Coix Seed Botanical Formula in Rheumatoid Arthritis
编辑推荐：
类风湿关节炎（rheumatoid arthritis，RA）以进行性滑膜炎和免疫代谢重编程为特征。富含多酚的姜黄-葛根-薏苡仁（Turmeric-Pueraria-Coix seed，TPC）配方显示出对RA的治疗潜力，但其多靶点机制尚未阐明。为探索TPC如
类风湿关节炎（rheumatoid arthritis，RA）以进行性滑膜炎和免疫代谢重编程为特征。富含多酚的姜黄-葛根-薏苡仁（Turmeric-Pueraria-Coix seed，TPC）配方显示出对RA的治疗潜力，但其多靶点机制尚未阐明。为探索TPC如何调控RA中的铁死亡（ferroptosis）和氧化应激（oxidative stress），研究人员将系统营养网络分析与多队列转录组数据集整合以识别候选靶点。集成机器学习算法和独立队列验证优先筛选关键生物标志物。分子动力学（molecular dynamics，MD）模拟评估多酚-靶点复合物的动态行为和相互作用持续性，单细胞计算机模拟过表达和敲除分析表征在RA滑膜网络中扰动这些靶点的调控后果。分析鉴定TPC配方中85种生物活性植物化学物，形成以多酚为主的基质并映射到40个RA靶点。算法和跨队列优先化分离出6个核心基因（ALOX5、CD38、CDK1、EZH2、MAPK8和PTGS2），其与RA滑膜转录组模式相关，并在不同外部队列中呈现不同预测性能。SHAP（SHapley Additive exPlanations）分析突出PTGS2、CD38和MAPK8；然而，MD模拟优先将CD38和MAPK8作为coumestrol的稳定靶点，而PTGS2表现出较低的动态稳定性。单细胞扰动分析显示，MAPK8和PTGS2调控后出现相似调控反应，而CD38敲除产生不同的网络反应。这些发现将TPC来源多酚与RA中的CD38/MAPK8信号及铁死亡联系起来，为实验验证提供可检验的分子假设。
类风湿关节炎（RA）等非传染性慢性病（NCDs）由慢性炎症和代谢功能障碍驱动，构成日益加重的全球健康负担。RA以慢性滑膜炎和进行性关节侵蚀为特征，系统生物学研究提示其发病不仅涉及免疫失调，还涉及滑膜微环境中的代谢重编程；缺氧和促炎因子持续刺激下，成纤维样滑膜细胞（RA-FLS）和巨噬细胞能量代谢模式发生重排，伴随局部活性氧（ROS）积累和铁代谢紊乱，继而触发脂质过氧化及铁死亡相关病理损伤。RA-FLS具有类肿瘤增殖特征且对铁死亡耐受，靶向RA-FLS中铁死亡相关通路被视为限制滑膜增生的潜在策略。传统网络药理学依赖静态公共数据库，难以捕捉疾病进展中的时空动态变化；常规刚性分子对接对构象柔性和水溶剂效应考虑不足，易因真实结合自由能评估不准而产生较高假阳性。TPC作为“药食同源”植物组合，含多酚（尤其黄酮类）和功能性脂质，其多靶点协同机制尚待系统阐明。因此，研究人员开展整合多队列滑膜转录组分析、可解释机器学习、分子对接、显式溶剂全原子MD模拟和单细胞计算机扰动的研究，以优先化TPC来源植物化学物与RA相关靶点关系，并提供可检验的分子假设。
研究人员开展的研究识别出TPC中85种候选生物活性植物化学物，构建多酚主导的基质并映射至40个RA相关靶点；通过算法和跨队列优先化得到ALOX5、CD38、CDK1、EZH2、MAPK8和PTGS2六个核心基因，SHAP分析突出PTGS2、CD38和MAPK8，而MD模拟将CD38和MAPK8优先为coumestrol的稳定靶点，PTGS2动态稳定性较低；单细胞计算机扰动显示CD38敲除产生独特网络反应，MAPK8和PTGS2调控呈部分趋同。该研究将TPC来源多酚与CD38/MAPK8信号及铁死亡联系起来，意义在于以转录组、结构动态和调控网络多层证据优先化候选机制，为实验验证提供框架。
关键技术方法概括：研究人员采用系统营养网络分析筛选TPC生物活性植物化学物及靶点，并从GeneCards、DrugBank、PharmGKB、OMIM和TTD获取RA靶点，结合FerrDb V2与MSigDB铁死亡/氧化应激基因集；用STRING/CytoNCA拓扑分析和15种机器学习算法组成的175种建模策略筛选特征；以GSE89408（152例RA、28例健康对照[HC]）为训练队列，GSE55235/GSE55457/GSE55584（20例HC、33例RA）为验证集1，GSE77298/GSE206848（14例HC、18例RA）为验证集2；用SHAP解释模型，AutoDock/QuickVina-W对接、GROMACS 100 ns全原子MD和MM/PBSA计算；用GSE200815单细胞RNA测序数据进行scTenifold/scTenifoldKnk虚拟过表达和敲除分析。
3.1 生物活性植物化学物筛选及TPC配方靶点网络构建：通过口服生物利用度（OB）≥30%、类药性（DL）≥0.18、分子量<500 Da及SwissADME、SwissTargetPrediction筛选，鉴定85种生物活性植物化学物和687个预测下游靶点；整合五个疾病数据库得4275个RA相关靶点，交集分析映射385个重叠靶点；拓扑分析提示2-monoolein（薏苡仁）、coumestrol（葛根）和bisdemethoxycurcumin（姜黄）为高度节点。
3.2 铁死亡和氧化应激特异性靶点鉴定：通过将植物化学物–RA共享靶点映射至铁死亡和氧化应激基因集，得40个交集候选靶点。
3.3 基于网络拓扑和机器学习的核心生物标志物筛选：通过STRING来源PPI网络和CytoNCA分析40个靶点，得8个枢纽节点（Gene Set A：NFKB1、BCL2、IL6、MAPK8、AKT1、PTGS2、SRC、HIF1A）；在GSE89408训练集中评估175种算法组合，偏最小二乘-广义线性模型（plsRglm）10折交叉验证预测性能最高（AUC=0.837），AUC-PR在训练集、验证集1、验证集2分别为0.998、0.930、0.690；模型识别15个核心特征基因（Gene Set B），包括ABCC1、ABL1、AKT1、ALOX5、APP、BCL2、CA3、CAPN2、CD38、CDK1、ERN1、EZH2、G6PD、HDAC2和HDAC6。
3.4 核心候选基因的跨队列外部评估：通过在合并外部验证集1和验证集2中进行差异表达分析和Wilcoxon秩和检验，鉴定6个具统计学显著差异表达的核心基因（p<0.05）：ALOX5、CD38、CDK1、EZH2、MAPK8和PTGS2。
3.5 列线图预测模型构建与性能评价：通过LASSO回归进一步选择特征以降低共线性并构建探索性列线图，PTGS2模型系数最大，其次为MAPK8；列线图在分析数据集中AUC为0.998，单个特征AUC均>0.85；校准曲线显示预测分类概率与观察类别在该数据集内一致，决策曲线分析用于探索净获益，Circos图展示六基因染色体定位和共表达关系。
3.6 基于SHAP算法的机器学习模型可解释性和特征归因：通过SHAP分析，PTGS2、CD38和MAPK8对模型输出贡献最大，高表达主要分布于正向SHAP值区域；置换特征重要性分析同样将三者列为最具影响力特征；三者合计占累计绝对SHAP贡献>80%，PTGS2的平均绝对SHAP值最高（Mean |SHAP|=0.121）；SHAP依赖图显示基因表达与RA分类概率呈非线性关系，示例样本中PTGS2高表达（表达值=9.52）产生最大正向SHAP贡献（+0.133）。
3.7 生物活性成分二次ADMET筛选：基于SHAP特征归因选择PTGS2、CD38和MAPK8进行后续对接，并按预设吸收、分布、代谢、排泄和毒性（ADMET）及类药性标准二次筛选TPC成分，10个化合物满足全部标准，包括coumestrol。
3.8 分子对接和全原子MD模拟评价：通过对coumestrol与CD38、MAPK8和PTGS2进行100 ns MD模拟，coumestrol在采样轨迹中与CD38残基ASP217、LYS214及MAPK8残基ASN156、ASP151保持反复接触；MM/PBSA计算CD38和MAPK8复合物结合能估计分别为?113.35和?129.83 kJ/mol；PTGS2复合物在100 ns模拟窗口内失去初始对接姿态；研究将结果解释为采样轨迹内相对动态行为，而非长期热力学稳定性证据。
3.9 优先靶点的单细胞计算机扰动：通过GSE200815单细胞转录组数据的虚拟过表达和敲除分析，保留30057个细胞和1000个基因；MAPK8和PTGS2过表达均引起MT-ATP6和MT-ND4显著调控位移；CD38敲除触发EEF1A1、RARRES3、RPL19、GIMAP7、CSF2RA、RPS2和RPL7A七个显著调控反应；MAPK8和PTGS2敲除均位移AES和RARRES3；表明CD38缺失产生独特网络反应，而MAPK8和PTGS2调控呈部分趋同反应。
讨论部分总结：讨论指出RA涉及免疫–代谢重编程并与炎症和氧化应激通路交汇，TPC中coumestrol及curcuminoid相关多酚为突出候选，2-monoolein等功能脂质可能具不同生物角色；多酚对炎症和氧化应激呈背景依赖调节，coumestrol在既往实验中被报道可影响基质降解酶、iNOS、COX-2/PGE
2、炎症因子及NO、PGE
2、ROS产生，支持其作为RA氧化应激和铁死亡相关网络调节候选。功能脂质可能经肠道菌群、丁酸和肠–关节轴发挥作用，但本研究未检测微生物组和代谢组，故仅作背景假设。铁死亡在RA中具细胞特异性：巨噬细胞或软骨细胞铁死亡放大炎症，而诱导RA-FLS铁死亡可抑制滑膜增生。CD38作为主要NAD
+消耗性外酶，炎症中耗竭NAD
+并抑制sirtuin活性，扰乱NADPH和谷胱甘肽稳态，损害抗氧化能力和GPX4依赖性脂质过氧化物控制，从而增加铁死亡易感性；MD模拟显示coumestrol与CD38结合区持续关联。MAPK8为应激信号枢纽，其异常激活与RA中MMP调节和关节损伤相关，但本研究未证明直接抑制MAPK8活性或改变其信号。GPX4和SLC7A11未保留在最终特征集中，可能部分反映降维时对相关变量的惩罚，提示模型捕获的信号集中在上游炎症和代谢通路而非终末铁死亡效应器。PTGS2在SHAP中预测权重最高且被报道为铁死亡相关标志，但PTGS2–coumestrol复合物在100 ns轨迹中失去初始对接姿态，说明仅依赖静态对接分数的局限；在该计算分析中将PTGS2列为直接coumestrol相互作用较低优先级，但不排除其潜力。单细胞扰动显示MAPK8和PTGS2过表达趋同于MT-ATP6和MT-ND4，敲除趋同于AES和RARRES3，CD38敲除产生更广泛且独特模式，提示不同上游扰动可传播至共享下游调控状态，线粒体编码基因反复位移涉及线粒体网络组织。局限包括：计算机ADMET预测不能完全反映体内吸收、代谢和首过处置；MD每复合物仅单条100 ns轨迹，可能遗漏稀有解离事件或完整构象景观；单配体–单受体模型不能捕捉复杂TPC基质体内网络调控；训练队列类别不平衡、外部验证集小，AUC-PR从训练集0.998降至验证集2的0.690，跨队列泛化受限；滑膜bulk转录组限制于滑膜腔室，六基因特征为分子优先化工具而非临床诊断分类器；预测的化合物–靶点相互作用缺乏直接实验验证。
研究结论翻译：通过整合多队列转录组学、机器学习、结构模拟和单细胞计算机扰动，本研究建立一个多维网络，将TPC来源多酚与RA中的炎症、代谢和氧化应激通路联系起来。Coumestrol作为生物活性成分出现，CD38和MAPK8作为主要相互作用靶点获得有力结构支持。PTGS2尽管在MD模拟中动态不稳定，仍显示突出的转录组和网络层面相关性，说明转录显著性与预测配体–靶点结合持续性之间存在分歧。此外，单细胞扰动表明MAPK8和PTGS2介导部分趋同的调控状态，而CD38驱动独特网络反应。这些发现桥接结构动力学与细胞网络状态，为实验验证提供优先化的分子框架。
