《ChemistryOpen》：Systems Pharmacology Investigation of Phytochemicals From Scilla peruviana L.: Integrated Gas Chromatography–Mass Spectrometry Profiling, Network Pharmacology, and Molecular Docking Reveal Potential Anti-Inflammatory Mechanisms
编辑推荐：
本研究旨在表征Scilla peruviana L.（地中海蓝铃花）的挥发性成分与脂肪酸组成，并探讨其潜在的抗炎作用机制。研究人员采用顶空固相微萃取联用气相色谱–质谱（HS-SPME-GC–MS）技术鉴定挥发性化合物，脂肪酸则在衍生化处理后通过GC–MS进行分
本研究旨在表征Scilla peruviana L.（地中海蓝铃花）的挥发性成分与脂肪酸组成，并探讨其潜在的抗炎作用机制。研究人员采用顶空固相微萃取联用气相色谱–质谱（HS-SPME-GC–MS）技术鉴定挥发性化合物，脂肪酸则在衍生化处理后通过GC–MS进行分析。对已鉴定的植物化学成分进行靶点预测，随后开展蛋白质–蛋白质相互作用（PPI）、基因本体（GO）、京都基因与基因组百科全书（KEGG）通路富集分析及分子对接研究。HS-SPME-GC–MS分析共鉴定出11种挥发性化合物，以六氢法尼基丙酮（48.4%）和二氢猕猴桃内酯（23.5%）为主，其次为脱氢-β-紫罗兰酮（5.6%）、2-甲基丁醛（5.5%）和3-甲基丁醛（5.1%）。脂肪酸谱分析显示棕榈酸为主要脂肪酸（47.7%），其次为α-亚麻酸（29.9%）、亚油酸（11.6%）和硬脂酸（10.8%）。网络药理学确定了植物化学成分相关蛋白与炎症相关基因之间的253个重叠靶点，其中TNF、IL1B、PTGS2、EGFR、STAT3和PPARG为主要枢纽蛋白。KEGG富集分析显示在炎症相关通路中显著富集，包括NF-κB、IL-17、NOD样受体以及晚期糖基化终末产物（AGE）-晚期糖基化终末产物受体（RAGE）信号通路。分子对接预测了主要植物化学成分与所选靶点之间的相互作用，其中棕榈酸对COX-2的预测结合能最低（?7.0 kcal/mol），而六氢法尼基丙酮和硬脂酸对PPARγ的预测结合能最低（?8.3 kcal/mol）。
论文解读
一、研究背景与意义
天然产物因其显著的化学多样性和广泛的药理活性，一直是药物发现的重要来源。植物能够合成多种次生代谢物，包括萜类、酚类、黄酮类、生物碱和脂肪酸等，其中许多具有抗氧化和抗炎特性。炎症是机体抵御感染和组织损伤的复杂生物学反应，但炎症通路的持续激活会促进慢性疾病的发生发展，如心血管疾病、糖尿病、关节炎、神经退行性疾病和癌症等。TNF-α、IL-1β、COX-2、iNOS及NF-κB信号通路等关键介质已成为开发更安全抗炎药物的重要靶点。
Scilla属（天门冬科）为地中海盆地广泛分布的多年生鳞茎植物，其丰富的植物化学成分——特别是高异黄酮类、蟾蜍二烯内酯类、皂苷和酚类化合物——已被报道具有抗氧化、抗菌、抗癌和抗炎等多种生物活性。然而，以往研究主要集中于非挥发性次生代谢物，Scilla属植物的挥发性成分和脂质组成仍缺乏系统表征。Scilla peruviana L.作为该属中研究相对有限的物种，其脂肪酸在植物膜结构、细胞代谢和生物学调控中的重要功能尚未得到全面探讨。因此，本研究旨在通过GC–MS全面表征S. peruviana的挥发性植物化学特征，并利用网络药理学、PPI分析、功能富集和分子对接等综合计算策略，揭示其潜在的抗炎分子靶点、信号通路及关键活性成分，为后续实验验证提供理论框架。
二、主要技术方法
研究人员采用顶空固相微萃取联用气相色谱–质谱（HS-SPME-GC–MS）技术对S. peruviana干燥粉末样品进行挥发性成分分析；脂肪酸经氯仿–甲醇（2:1）提取和三氟化硼–甲醇甲酯化处理后，通过GC–MS测定脂肪酸组成。植物材料采集自阿尔及利亚东北部君士坦丁省Jebel El Ouahch森林。网络药理学分析中，化合物靶点预测通过SwissTargetPrediction服务器完成（概率阈值≥0.1），炎症相关基因从GeneCards、OMIM和DisGeNET三个数据库整合获取，交集靶点利用STRING数据库构建PPI网络，经Cytoscape及CytoHubba插件进行拓扑分析鉴定枢纽基因，功能富集分析采用ShinyGO v0.81平台，分子对接使用AutoDock Vina 1.2.7版本完成。
三、研究结果
3.1 挥发性成分分析
HS-SPME-GC–MS分析共鉴定出11种挥发性化合物，以含氧萜类衍生物和类胡萝卜素来源的降异戊二烯类为主。六氢法尼基丙酮为主要成分（48.4%），其次为二氢猕猴桃内酯（23.5%）。其他成分包括脱氢-β-紫罗兰酮（5.6%）、2-甲基丁醛（5.5%）、3-甲基丁醛（5.1%）及少量巨豆三烯酮、桃金娘烯醛、松香芹酮等。六氢法尼基丙酮已被报道具有抗氧化、抗菌、杀虫和抗炎等多种生物活性，而二氢猕猴桃内酯等降异戊二烯类化合物提示类胡萝卜素氧化降解是S. peruviana的重要代谢途径。该研究首次提供了该物种挥发性组分的详细表征，显著拓展了其植物化学认知。
3.2 脂肪酸组成分析
脂肪酸谱分析显示棕榈酸（C16:0）为主要脂肪酸（47.7%），其次为α-亚麻酸（C18:3n2，29.9%）、亚油酸（C18:2n6，11.6%）和硬脂酸（C18:0，10.8%）。饱和脂肪酸占总脂肪酸的58.5%，不饱和脂肪酸占41.5%。α-亚麻酸作为必需ω-3多不饱和脂肪酸，可通过调节细胞因子产生和NF-κB等炎症信号通路发挥抗炎作用；亚油酸作为主要ω-6脂肪酸，参与膜完整性和细胞信号传导。饱和与不饱和脂肪酸的共存提示S. peruviana具有化学平衡的脂质谱，可能通过互补或协同效应贡献其整体生物学特性。
3.3 分子对接分析
3.3.1 重叠治疗靶点鉴定：采用SwissTargetPrediction概率阈值≥0.1时，共预测获得254个植物化学成分相关靶点，与23,438个炎症相关基因取交集后获得253个共同靶点，占预测靶点的99.6%，表明S. peruviana植物化学成分可能通过多靶点协同作用模式发挥抗炎活性。
3.3.2 PPI网络分析：利用STRING数据库构建253个重叠靶点的PPI网络并导入Cytoscape可视化，结果显示大部分靶点蛋白之间存在广泛的相互作用关系，呈现高度互联的网络特征，支持植物化学成分通过同时调控多个分子靶点发挥抗炎作用的假设。
3.3.3 枢纽基因鉴定：通过CytoHubba的degree算法进行拓扑分析，排名前十的枢纽基因为TNF（度值158）、IL1B（143）、EGFR（131）、SRC（128）、PTGS2（123）、STAT3（121）、ESR1（119）、BCL2（119）、PPARG（118）和HSP90AA1（117）。TNF和IL1B作为促炎细胞因子的核心地位凸显了其在炎症反应中的关键调控作用；EGFR、SRC和STAT3参与细胞内信号转导；PTGS2（COX-2）和PPARG则是炎症疾病中公认的药理靶点，提示植物化学成分可能同时调控炎症介质合成和炎症反应的转录调控。
3.3.4 功能富集分析：GO生物学过程富集分析显示靶点主要参与炎症反应调控、应激反应、含氧化合物反应、脂质反应和蛋白质磷酸化等过程；细胞组分分析显示靶点主要定位于膜筏、质膜筏、膜微区、小窝和核膜等膜相关区室；分子功能分析显示蛋白激酶结合、磷酸酶结合、核受体结合和转录因子结合等显著富集。KEGG通路富集分析揭示靶点显著富集于IL-17信号通路、NF-κB信号通路、C型凝集素受体信号通路、AGE-RAGE信号通路及NOD样受体信号通路等炎症相关通路，反映了炎症、免疫调控和细胞应激反应之间的广泛串扰。
3.3.5 分子对接分析：针对TNF-α、COX-2、PPARγ、STAT3和EGFR五个关键靶蛋白进行分子对接。所有对接方案的RMSD值均低于2.0 ?，验证了对接方案的可靠性。对TNF-α的对接结果显示，亚油酸和α-亚麻酸预测结合能最低（?6.1 kcal/mol），与共晶配体（?7.4 kcal/mol）相比亲和力较弱，但占据相同结合区域并与TYR59、LYS98、ILE118、TYR119等关键残基相互作用。对COX-2的对接中，棕榈酸预测结合能最低（?7.0 kcal/mol），略低于共晶配体（?6.4 kcal/mol），与ARG120形成静电相互作用，该残基是多种COX抑制剂的重要锚定位点。对PPARγ的对接中，六氢法尼基丙酮和硬脂酸预测结合能最低（?8.3 kcal/mol），接近共晶激动剂罗格列酮（?8.6 kcal/mol），与TYR473和HIS323等关键残基形成氢键相互作用。
四、结论
本研究首次系统表征了Scilla peruviana L.的挥发性成分和脂肪酸组成，其中六氢法尼基丙酮（48.4%）和棕榈酸（47.7%）分别为各自类别中的主要成分。网络药理学分析确定了253个植物化学成分与炎症相关基因的共同靶点，TNF、IL1B、PTGS2、EGFR、STAT3和PPARG为核心枢纽蛋白。KEGG富集分析显示NF-κB、IL-17、NOD样受体和AGE-RAGE信号通路显著富集。分子对接预测棕榈酸对COX-2结合能最低（?7.0 kcal/mol），六氢法尼基丙酮和硬脂酸对PPARγ结合能最低（?8.3 kcal/mol）。这些发现为S. peruviana的潜在抗炎机制提供了计算层面的理论依据，但研究团队明确指出，分子对接结果仅代表计算预测的结合模式，不能直接确立COX-2抑制或PPARγ激动活性，所有预测均需通过后续实验验证。该研究建立的整合计算框架可为未来实验验证和该物种药用价值的深入开发提供重要指导。
