將所得到的茵陈预测81個靶點導入STRING數據庫進行GO功能富集分析，得到GO條目1 892個，质量其中生物過程條目1 648個，标志細胞組成條目82個，茵陈预测分子功能條目162個，质量分別占73%、标志13%、茵陈预测14%．其中，质量生物過程主要涉及氮化合物代謝過程的标志正調控、大分子代謝過程的茵陈预测正調控、細胞過程的质量正調控、刺激反應的标志調節、細胞對有機物質的茵陈预测反應、細胞對化學刺激的质量反應及對含氧化合物的反應等過程;分子功能主要涉及激活轉錄因子結合、蛋白質結合、标志酶結合及蛋白質異構化活性等功能;細胞組成涉及在膜結合細胞器、細胞質部、胞外區及細胞器等區域．3個分支數量排名前20位相關條目信息柱狀圖如圖2所示．
利用DAVID6.8.0數據庫對81個靶點進行通路富集分析，得到281條信號通路(P<0.05)，涉及癌症、乙型肝炎和TNF信號通路等，表明這些靶點可能主要通過調控這些通路達到幹預疾病的目的．前20位信號通路氣泡圖如圖3所示．
將富集分析得到的排名前20的通路所對應的57個作用靶點及13種成分，運用Cytoscape3.7.1軟件構建“成分—靶點—通路”網絡，根據網絡的拓撲學性質度值排序確定關鍵節點，在所構建的網絡中，依據Degree值(度值)確定關鍵節點，度值>中位數(成分度值中位數=3，靶點度值中位數=15，通路度值中位數=14)的成分有4種，靶點有28個，通路有10條．4種成分為槲皮素、異鼠李素、β-穀甾醇及茵陳蒿靈A，度值分別為55、8、7和5，由於該4種化合物在網絡中具有較高的連接度，提示這可能是茵陳發揮藥效的主要活性成分．靶點的關鍵節點分別是AKT1、TNF、JUN、MAPK1、RELA、TP53及IL6，度值分別是38、37、37、36、36、34及31，表明這可能是茵陳化合物作用於癌症、腫瘤、乙肝與病毒等信號通路潛在的關鍵作用靶點．網絡藥理學研究從成分有效性角度提示槲皮素、異鼠李素、β-穀甾醇及茵陳蒿靈A等成分可作為茵陳潛在Q-marker進行深層次研究．
聲明：本文所用圖片、文字來源《成都大學學報》，版權歸原作者所有。如涉及作品內容、版權等問題，請與本網聯係刪除。
相關鏈接：質量，細胞，化合物
