引言中药活性成分筛选是中药现代药理研究的核心命题。传统思路遵循“分离纯化 → 活性验证”的线性流程但中药体系动辄含数百种化合物单味药已如此复方则更为庞杂。这样一来逐一分离再验证的模式周期长、通量低难以满足当今研究需求。那么如何才能高效、精准地从“化学迷雾”中锁定关键活性分子目前学术界更推崇“化学成分鉴定 → 活性评价 → 成分溯源 → 靶点验证”的完整证据链。下面我们就沿着这一逻辑系统梳理从发现到验证的标准流程。总体策略从“成分导向”转向“靶点导向”传统路线可概括为中药样品 → 化学成分分析 → 候选活性成分筛选 → 药效验证 → 靶点解析 → 机制研究其痛点在于分离在前、验证在后大量精力耗费在非活性组分上。如今更推荐的策略则反其道而行之中药提取物/入血成分 → 质谱鉴定化合物谱 → 药效模型筛选有效组分 → 锁定关键活性成分 → 靶点筛选与验证核心转变是以疾病相关的靶点或药效为导向大幅提高筛选效率。第一步化学成分鉴要做筛选首先得知道样品里有什么。这一步有两种常用途径1.文献与数据库检索快速获取已知信息常用资源包括▶ TCMSP含OB、DL、半衰期、Caco-2等ADME参数▶ TCMID、ETCM▶ PubChem、DrugBank通过这些平台我们能获得化合物的结构、ADME性质、已知靶点及文献依据如黄芪中的黄芪甲苷、毛蕊异黄酮丹参中的丹参酮IIA等。2.LC-MS/MS非靶向检测数据库检索难免遗漏新成分或含量信息且无法反映实际吸收情况。因此现代研究更多采用高分辨液质联用技术如UPLC-Q-TOF-MS进行非靶向分析▶原药材全谱分析可系统性获得药材的化学成分轮廓。▶血清药物化学入血成分分析这才是关键 —— 因为只有被吸收入血的成分才有机会直接发挥药效。标准流程为动物/人给药 → 采血 → 血浆LC-MS/MS分析 → 鉴定原型成分及代谢物。第二步ADME与网络药理学 —— 初步过滤候选成分检测到的成分很多但并非都是有效成分。我们需要按药代动力学特征进行筛选。ADME性质筛选常用指标如下指标含义常见阈值口服生物利用度OB吸收能力≥20% 或 ≥30%类药性DL成药潜力≥0.1 或 ≥0.18半衰期体内暴露时间视需求而定TCMSP推荐的筛选阈值为OB≥20%、DL≥0.1而Lipinski五规则也是重要参考。当然这些阈值并非“铁律”需结合研究目标灵活调整。【网络药理学预测靶点】在ADME筛选后常借助SwissTargetPrediction、STITCH、BATMAN-TCM等工具构建“成分-靶点”网络、PPI网络并进行GO/KEGG富集分析预测可能的作用通路。但请注意网络药理学存在显著局限——它通常忽略剂量因素且不考虑成分的动态变化。有研究显示剂量加权与否会显著影响网络分析结果。因此预测结果必须经实验验证不可作为最终结论。第三步生物活性筛选 —— 预测检验预测不等于真实有效这一步不可或缺。方法1细胞模型活性评价选用疾病相关细胞系检测细胞活力、炎症因子、信号蛋白等。例如红芪抗炎研究中乙酸乙酯部位活性最强其中新化合物astragalinin A对TNF-α和IL-6的IC50 10μM效果显著。方法2活性导向分离这是经典的“追踪式”分离策略将提取物按极性分段逐级测试活性每次只保留活性最强的组分继续纯化直至得到单体。例如从Picrorhiza kurroa叶片中分离出4-羟基苯乙酮、木犀草素等抗氧化活性成分。第四步直接寻找靶蛋白 —— 从成分到靶点如果目标是明确某个活性成分具体作用于哪个蛋白下面三种方法非常推荐。1.小分子Pull-down联合质谱Pull-down-MS将活性小分子固定在琼脂糖或磁珠上从细胞裂解液中“垂钓”结合蛋白再经质谱鉴定。探针设计常引入生物素标签或光亲和基团但需确保修饰后仍保留生物活性。适用于黄酮、生物碱、萜类等多种天然产物。2.CETSA细胞热位移分析原理药物结合靶蛋白后提高其热稳定性。经过十年发展已形成Western blot-CETSA验证、TPP/MS-CETSA全蛋白质组筛选和高通量CETSA先导优化三种模式。无需化学修饰已成功用于槲皮素的靶点鉴定。3.DARTS药物亲和反应靶标稳定性原理药物结合后靶蛋白对蛋白酶如subtilisin的降解抗性增强。流程简单药物处理裂解液 → 蛋白酶消化 → SDS-PAGE比较差异条带 → 质谱鉴定。这是天然产物研究的“金标准”之一因为完全绕开了探针合成难题。白藜芦醇的靶点真核翻译起始机制和伪百部酸A的靶点发现均得益于DARTS。靶点验证与分子互作——交叉确认不留疑问发现候选靶点后还需用正交技术进行严格验证。1.SPR表面等离子体共振实时、无标记检测结合亲和力可固定化合物或蛋白是行业标杆。2.MST微量热泳动溶液中测定样品消耗少。3.ITC等温滴定量热法直接测量热力学参数Kd、ΔH等被公认为互作验证的“金标准”。三者可根据实验条件灵活选用互为补充。不同研究目标的方法选择速查研究目标推荐方法快速了解成分概貌数据库检索 LC-MS非靶向检测寻找主要有效成分LC-MS 细胞/动物活性筛选锁定真正入血成分血清药物化学血浆LC-MS发现关键活性单体活性导向分离寻找直接作用靶点小分子Pull-down-MS验证药物-蛋白结合CETSA / DARTS / SPR / MST解析作用机制转录组/蛋白组 功能验证结语当前中药活性成分筛选的大趋势正从“预测有效”迈向“真实暴露成分 → 直接作用靶点 → 因果机制链”的实证范式。对于高水平论文我们更建议形成“化学成分证据 药效证据 靶点证据 机制证据”的闭环。归根结底中药活性成分筛选是多学科协同的系统工程。从LC-MS/MS的化学解析到血清药物化学的入血追踪从活性导向分离的单体发现到CETSA/DARTS的靶点锁定。每一步都在搭建一座从“复杂中药”通向“明确靶点”的坚实桥梁。然而面对如此系统且环环相扣的研究流程一个现实的难题摆在眼前技术门槛高、实验周期长、多方法整合难度大。那么是否有一种解决方案能够帮助科研人员跨越这些障碍高效完成从成分到靶点的全程验证⬇️⬇️⬇️中药靶点及作用机制研究一站式解决方案▶保障阳性结果采用基于高通量无偏见筛选的数据驱动实验策略与传统的假设驱动的实验策略相比无需预设特定的靶标分子可以直接筛选出潜在的药物结合靶点从而有效避免了出现阴性结果的风险。▶结果图表丰富高通量组学结果联合多个数据库深入分析中药活性成分、作用靶点、功能富集通路、分子对接、蛋白质相互作用等多层面的结果包含7大分析模块25项分析内容交付4张核心组图报告数据结果能达到中科院2区文章90%的工作量标准。▶杂志接受度高从自身课题现象出发采集实验材料采用以高通量筛选技术获得关键靶标及通路的实验性研究相比于仅依靠数据库挖掘的方法更易受到学术杂志的认可。▶无科研诚信风险质谱高通量筛选产生信息庞大又相互关联的数据结果从原始数据到分析数据的整个过程我们将以文件夹清晰完整地交付给客户以便用于论文发表和数据上传从而杜绝项目数据造假的可能。参考资料1. Dong H, Yang X, Wang P, et al. Identification and verification of MTHFD1L as the binding target of natural product pseudolaric acid A. Nat Prod Bioprospect. 2025;15:21.2. Tan X, Wang A, Li H, Yang M, Peng H. Molecular networking guided phytochemical and anti-inflammatory profiling of Honglanqi, a distinctive commercial specification of Astragali Radix. Plants. 2026;15(10):1442.3. Ru J, Li P, Wang J, et al. TCMSP: a database of systems pharmacology for drug discovery from herbal medicines. J Cheminform. 2014;6:13.4. Elyasi L, Rosenholm JM, Jafari F, Jahanshahi M. The antioxidative effects of picein and its neuroprotective potential: a review of the literature. Molecules. 2022;27(15):e810.
引言中药活性成分筛选是中药现代药理研究的核心命题。传统思路遵循“分离纯化 → 活性验证”的线性流程但中药体系动辄含数百种化合物单味药已如此复方则更为庞杂。这样一来逐一分离再验证的模式周期长、通量低难以满足当今研究需求。那么如何才能高效、精准地从“化学迷雾”中锁定关键活性分子目前学术界更推崇“化学成分鉴定 → 活性评价 → 成分溯源 → 靶点验证”的完整证据链。下面我们就沿着这一逻辑系统梳理从发现到验证的标准流程。总体策略从“成分导向”转向“靶点导向”传统路线可概括为中药样品 → 化学成分分析 → 候选活性成分筛选 → 药效验证 → 靶点解析 → 机制研究其痛点在于分离在前、验证在后大量精力耗费在非活性组分上。如今更推荐的策略则反其道而行之中药提取物/入血成分 → 质谱鉴定化合物谱 → 药效模型筛选有效组分 → 锁定关键活性成分 → 靶点筛选与验证核心转变是以疾病相关的靶点或药效为导向大幅提高筛选效率。第一步化学成分鉴要做筛选首先得知道样品里有什么。这一步有两种常用途径1.文献与数据库检索快速获取已知信息常用资源包括▶ TCMSP含OB、DL、半衰期、Caco-2等ADME参数▶ TCMID、ETCM▶ PubChem、DrugBank通过这些平台我们能获得化合物的结构、ADME性质、已知靶点及文献依据如黄芪中的黄芪甲苷、毛蕊异黄酮丹参中的丹参酮IIA等。2.LC-MS/MS非靶向检测数据库检索难免遗漏新成分或含量信息且无法反映实际吸收情况。因此现代研究更多采用高分辨液质联用技术如UPLC-Q-TOF-MS进行非靶向分析▶原药材全谱分析可系统性获得药材的化学成分轮廓。▶血清药物化学入血成分分析这才是关键 —— 因为只有被吸收入血的成分才有机会直接发挥药效。标准流程为动物/人给药 → 采血 → 血浆LC-MS/MS分析 → 鉴定原型成分及代谢物。第二步ADME与网络药理学 —— 初步过滤候选成分检测到的成分很多但并非都是有效成分。我们需要按药代动力学特征进行筛选。ADME性质筛选常用指标如下指标含义常见阈值口服生物利用度OB吸收能力≥20% 或 ≥30%类药性DL成药潜力≥0.1 或 ≥0.18半衰期体内暴露时间视需求而定TCMSP推荐的筛选阈值为OB≥20%、DL≥0.1而Lipinski五规则也是重要参考。当然这些阈值并非“铁律”需结合研究目标灵活调整。【网络药理学预测靶点】在ADME筛选后常借助SwissTargetPrediction、STITCH、BATMAN-TCM等工具构建“成分-靶点”网络、PPI网络并进行GO/KEGG富集分析预测可能的作用通路。但请注意网络药理学存在显著局限——它通常忽略剂量因素且不考虑成分的动态变化。有研究显示剂量加权与否会显著影响网络分析结果。因此预测结果必须经实验验证不可作为最终结论。第三步生物活性筛选 —— 预测检验预测不等于真实有效这一步不可或缺。方法1细胞模型活性评价选用疾病相关细胞系检测细胞活力、炎症因子、信号蛋白等。例如红芪抗炎研究中乙酸乙酯部位活性最强其中新化合物astragalinin A对TNF-α和IL-6的IC50 10μM效果显著。方法2活性导向分离这是经典的“追踪式”分离策略将提取物按极性分段逐级测试活性每次只保留活性最强的组分继续纯化直至得到单体。例如从Picrorhiza kurroa叶片中分离出4-羟基苯乙酮、木犀草素等抗氧化活性成分。第四步直接寻找靶蛋白 —— 从成分到靶点如果目标是明确某个活性成分具体作用于哪个蛋白下面三种方法非常推荐。1.小分子Pull-down联合质谱Pull-down-MS将活性小分子固定在琼脂糖或磁珠上从细胞裂解液中“垂钓”结合蛋白再经质谱鉴定。探针设计常引入生物素标签或光亲和基团但需确保修饰后仍保留生物活性。适用于黄酮、生物碱、萜类等多种天然产物。2.CETSA细胞热位移分析原理药物结合靶蛋白后提高其热稳定性。经过十年发展已形成Western blot-CETSA验证、TPP/MS-CETSA全蛋白质组筛选和高通量CETSA先导优化三种模式。无需化学修饰已成功用于槲皮素的靶点鉴定。3.DARTS药物亲和反应靶标稳定性原理药物结合后靶蛋白对蛋白酶如subtilisin的降解抗性增强。流程简单药物处理裂解液 → 蛋白酶消化 → SDS-PAGE比较差异条带 → 质谱鉴定。这是天然产物研究的“金标准”之一因为完全绕开了探针合成难题。白藜芦醇的靶点真核翻译起始机制和伪百部酸A的靶点发现均得益于DARTS。靶点验证与分子互作——交叉确认不留疑问发现候选靶点后还需用正交技术进行严格验证。1.SPR表面等离子体共振实时、无标记检测结合亲和力可固定化合物或蛋白是行业标杆。2.MST微量热泳动溶液中测定样品消耗少。3.ITC等温滴定量热法直接测量热力学参数Kd、ΔH等被公认为互作验证的“金标准”。三者可根据实验条件灵活选用互为补充。不同研究目标的方法选择速查研究目标推荐方法快速了解成分概貌数据库检索 LC-MS非靶向检测寻找主要有效成分LC-MS 细胞/动物活性筛选锁定真正入血成分血清药物化学血浆LC-MS发现关键活性单体活性导向分离寻找直接作用靶点小分子Pull-down-MS验证药物-蛋白结合CETSA / DARTS / SPR / MST解析作用机制转录组/蛋白组 功能验证结语当前中药活性成分筛选的大趋势正从“预测有效”迈向“真实暴露成分 → 直接作用靶点 → 因果机制链”的实证范式。对于高水平论文我们更建议形成“化学成分证据 药效证据 靶点证据 机制证据”的闭环。归根结底中药活性成分筛选是多学科协同的系统工程。从LC-MS/MS的化学解析到血清药物化学的入血追踪从活性导向分离的单体发现到CETSA/DARTS的靶点锁定。每一步都在搭建一座从“复杂中药”通向“明确靶点”的坚实桥梁。然而面对如此系统且环环相扣的研究流程一个现实的难题摆在眼前技术门槛高、实验周期长、多方法整合难度大。那么是否有一种解决方案能够帮助科研人员跨越这些障碍高效完成从成分到靶点的全程验证⬇️⬇️⬇️中药靶点及作用机制研究一站式解决方案▶保障阳性结果采用基于高通量无偏见筛选的数据驱动实验策略与传统的假设驱动的实验策略相比无需预设特定的靶标分子可以直接筛选出潜在的药物结合靶点从而有效避免了出现阴性结果的风险。▶结果图表丰富高通量组学结果联合多个数据库深入分析中药活性成分、作用靶点、功能富集通路、分子对接、蛋白质相互作用等多层面的结果包含7大分析模块25项分析内容交付4张核心组图报告数据结果能达到中科院2区文章90%的工作量标准。▶杂志接受度高从自身课题现象出发采集实验材料采用以高通量筛选技术获得关键靶标及通路的实验性研究相比于仅依靠数据库挖掘的方法更易受到学术杂志的认可。▶无科研诚信风险质谱高通量筛选产生信息庞大又相互关联的数据结果从原始数据到分析数据的整个过程我们将以文件夹清晰完整地交付给客户以便用于论文发表和数据上传从而杜绝项目数据造假的可能。参考资料1. Dong H, Yang X, Wang P, et al. Identification and verification of MTHFD1L as the binding target of natural product pseudolaric acid A. Nat Prod Bioprospect. 2025;15:21.2. Tan X, Wang A, Li H, Yang M, Peng H. Molecular networking guided phytochemical and anti-inflammatory profiling of Honglanqi, a distinctive commercial specification of Astragali Radix. Plants. 2026;15(10):1442.3. Ru J, Li P, Wang J, et al. TCMSP: a database of systems pharmacology for drug discovery from herbal medicines. J Cheminform. 2014;6:13.4. Elyasi L, Rosenholm JM, Jafari F, Jahanshahi M. The antioxidative effects of picein and its neuroprotective potential: a review of the literature. Molecules. 2022;27(15):e810.
平方复杂度无法被常规优化消除｜TaoToken 统一 Key 通道实测)
