茵陈中的黄酮类化合物在黄疸治疗中发挥双重调节作用

《Computational Biology and Chemistry》：Flavonoids from Artemisia Capillaris Play Dual Regulatory Effects in the Treatment of Jaundice

　　共收集了43种来自茵陈（*A. capillaris*）的黄酮类化合物。基于这些黄酮类化合物的SMILES结构，通过rdkit工具预测了其分子性质，包括药物相似性的定量估计。通过AI引导的分子对接评估了这些黄酮类化合物对UGT1A1的抑制作用，并与实验数据进行了比较。基于三个选定的复合物，在分子动力学下，黄酮类化合物可以稳定地与FXR结合。尽管黄酮类化合物通过抑制UGT1A1会阻碍胆红素的代谢，但它们可能通过对FXR发挥调节作用，从而有助于治疗黄疸的疗效。引言传统药用植物茵陈（*Artemisia capillaris*，中文名为茵陈）具有广泛的药用价值，包括治疗病毒性肝炎（Geng等，2018）、肝硬化（Cai等，2024；Liang等，2024）、肝细胞癌（Park等，2026）和黄疸（Yang等，2023）。这些疗效可归因于该药用植物中的主要或次要生物活性成分。然而，解释这些生物活性化合物的作用机制仍然是一个挑战。因为已从茵陈中分离并鉴定出100多种化合物（Yan等，2024），且这些化合物所引发的疗效远非简单的过程。人尿苷二磷酸葡萄糖醛酸转移酶家族1成员A1（UGT1A1）是唯一能代谢胆红素的酶（Liu等，2021）。激活UGT1A1是治疗新生儿黄疸的关键步骤（Watchko，2025）。然而，黄酮类化合物作为茵陈中的一类主要物质，可抑制UGT1A1，这已在多项研究中报道（Liu等，2019；Ma等，2013；Wu等，2011）。这一结果在茵陈用于治疗黄疸方面呈现出明显的药理学悖论。最近，Yang等人发现，在黄疸小鼠模型中，茵陈提取物表现出与熊去氧胆酸（UDCA）相同的缓解黄疸效果（Yang等，2023）。这一结果表明，茵陈提取物也可能像UDCA一样与法尼醇X受体（FXR）相互作用（Henry等，2025；Peng等，2024）。Zhang等人报道，高异黄酮类化合物作为选择性FXR调节剂，通过FXR和AMPK通路减轻代谢相关脂肪性肝炎（MASH）（Zhang等，2026）。考虑到黄酮类化合物构成了茵陈中主要的生物活性化合物类别，这些黄酮类化合物可能对FXR发挥调节作用，从而有助于抗黄疸的疗效。在此，我们收集了从茵陈中鉴定出的43种黄酮类化合物，并分析了它们的药物相似性特征。随后，进行了先进的AI引导的分子对接，以评估它们对UGT1A1的抑制活性。基于黄酮类化合物与FXR的类似分子对接，进一步通过分子动力学和能量分解分析研究了复合物的结合模式。总体而言，这些结果不仅揭示了黄酮类化合物对UGT1A1和FXR的双重调节作用，还突显了茵陈的多药理学特性。章节片段配体性质预测迄今为止，共鉴定和收集了43种来自茵陈的黄酮类化合物。基于其SMILES结构，通过rdkit工具预测了分子性质，包括分子量（MW）、辛醇-水分配系数的对数（logP）、氢键受体数（HBA）、氢键供体数（HBD）、极性表面积（PSA）、可旋转键数（ROB）和药物相似性定量估计（QED）（Bickerton等，2012）。茵陈中黄酮类化合物的理化性质茵陈的广泛药用应用和潜力应归因于其多种生物活性物质（Hsueh等，2021；Yan等，2024；Yang等，2023）。黄酮类化合物存在于许多中药中（Yu等，2025），也是茵陈中的一类主要物质。目前，已从茵陈中鉴定出共43种黄酮类化合物，如槲皮素（Song等，2026；Wang等，2022）、木犀草素（Huang等，2026；Singh等，2024）、。讨论从茵陈中鉴定出结构多样的黄酮类化合物。这些黄酮类化合物的MW、logP、HBA、HBD、PSA和ROB的比较结果列于表S1。这些黄酮类化合物的总体值表明，它们通常具有药物相似性，是结构优化的合适先导化合物。虽然大多数黄酮类化合物的MW小于500 Da，但QED表明这些黄酮类化合物具有不同的成药性质。黄酮苷类化合物是亲水性的，这作为。结论茵陈是一种广泛用于治疗黄疸的传统中药。有趣的是，其主要生物活性成分黄酮类化合物已被鉴定为UGT1A1的抑制剂——UGT1A1是负责胆红素代谢的独特酶。这导致了一个明显的药理学悖论。为了解决这一矛盾，我们分别对黄酮类化合物与UGT1A1和FXR进行了AI引导的分子对接和分子动力学模拟。我们的研究结果揭示了。资金声明本工作得到了广西自然科学基金（2025GXNSFAA069144）、广西科技计划项目（编号：LT2600640033、JF2503980030）和广西中医药大学青年创新团队（2023TD003）的资助。生成式人工智能使用声明本手稿的写作或准备过程中未使用任何生成式人工智能工具。CRediT作者贡献声明Kai Liu：写作——审阅与编辑，写作——初稿，项目管理，概念化。Fuli Long：写作——审阅与编辑，概念化。Yonghong Liu：写作——审阅与编辑，概念化。Yin Li：写作——审阅与编辑，数据管理。Lantian Yang：写作——审阅与编辑，写作——初稿，形式分析，数据管理。利益冲突声明作者声明，不存在可能影响本论文所报告工作的已知竞争性经济利益或个人关系。致谢计算资源由广西中医药大学海洋药物研究所高性能计算平台提供。Lantian Yang|Yin Li|Yonghong Liu|Fuli Long|Kai Liu