中藥毒性相關數(shù)據(jù)庫的研究現(xiàn)狀及對比研究

聶嘉璇，錢文秀，王曼姝，王佳藝，張 悅，劉慧敏，馬 寧，宋麗麗，李遇伯

中藥毒性相關數(shù)據(jù)庫的研究現(xiàn)狀及對比研究

聶嘉璇，錢文秀，王曼姝，王佳藝，張 悅，劉慧敏，馬 寧，宋麗麗*，李遇伯*

天津中醫(yī)藥大學中藥學院，天津 301617

中藥毒性研究是中藥安全性研究的重要議題，將具有毒性的中藥成分及其作用機制進行整理是進行中藥毒性研究的基礎。因此，通過當前國內外中藥毒性研究相關的數(shù)據(jù)庫進行綜述，總結中藥毒性研究相關數(shù)據(jù)庫的研究現(xiàn)狀，突出中藥毒性研究相關數(shù)據(jù)庫在科學研究中的重要性，為中藥毒性研究工作提供參考，促進中藥毒性研究的進一步發(fā)展。

中藥；毒性；數(shù)據(jù)庫；對比研究；毒性成分

中藥作為我國的寶貴財富，已有數(shù)千年歷史[1-2]，廣泛用于預防和治療疾病[3]，在新型冠狀病毒肺炎期間發(fā)揮了重要作用[4–6]，是中華民族的智慧結晶。隨著中藥的現(xiàn)代化和國際化，對其質量控制的要求也越來越高[7]。同時，由于用藥不合理、質量不穩(wěn)定等原因，導致中藥引發(fā)不良反應的情況時有發(fā)生。當前社會各界對中藥安全重視程度越來越高，但其在發(fā)揮強大的治療作用的同時，安全性問題也不容忽視[8]。同時，中藥中化合物的數(shù)量龐大，其功效、理化性質和藥動學的評價多樣[9]，使得研究者較難篩選適用的藥物及成分[10]，降低了中藥研究者的工作效率，如何通過快速、高效手段推動中藥安全性研究進程是一項亟待解決且重要的工作。

進入21世紀，數(shù)據(jù)庫技術迎來了快速發(fā)展的時期，數(shù)據(jù)庫具有對數(shù)據(jù)信息進行挖掘、存儲、計算、分析等功能，能夠幫助提高科研工作的效率，有助于提高中藥研究的效率和準確性[10-11]，因而將其應用于中醫(yī)藥領域是研究者關注的熱點。目前，用于輔助科研工作的數(shù)據(jù)庫一般不會只用于數(shù)據(jù)存儲，而是會在數(shù)據(jù)庫中設置多種功能以提高數(shù)據(jù)庫的使用價值，已在多個領域[12-18]被廣泛使用。通過資料考察發(fā)現(xiàn)，當前數(shù)據(jù)庫技術在中醫(yī)藥領域的研究中已逐漸占據(jù)重要地位，目前已上線使用的數(shù)據(jù)庫種類多樣[19]，能夠基本滿足不同科研方向的研究需求。中藥毒性研究相關數(shù)據(jù)庫的構建有助于開展中藥毒性研究[20]，本文通過對現(xiàn)有用于中藥毒性研究相關的數(shù)據(jù)庫進行分類并簡要介紹，闡述數(shù)據(jù)庫在中藥毒性研究中的重要作用，為從事中藥毒性研究的研究者提供參考。

1 中藥毒性研究相關數(shù)據(jù)庫現(xiàn)狀

數(shù)據(jù)庫是在各種信息研究過程中對大量的原始資料進行分析、整理、補充和完善而建立起來的。隨著計算機技術的不斷發(fā)展，數(shù)據(jù)庫在中藥毒性領域研究發(fā)揮著重要作用。本文通過PubMed、Web of Science和中國知網等在線數(shù)據(jù)庫使用“traditional Chinese medicine”“toxicity”“database”等檢索詞檢索并篩選在中藥毒性研究中使用的到數(shù)據(jù)庫進行整理。將目前常用于中藥毒性研究的數(shù)據(jù)庫主要分為以下幾種。（1）疾病相關數(shù)據(jù)庫：這類數(shù)據(jù)庫收錄了導致疾病損傷的中藥及成分，闡明了疾病與環(huán)境暴露等之間的關系，可以更好地說明化學成分和疾病間的關系，如LiverTox數(shù)據(jù)庫[21]、藥物性肝損傷專業(yè)數(shù)據(jù)庫（Hepatox）[22]、TCM-Mesh數(shù)據(jù)庫[23]；（2）成分相關數(shù)據(jù)庫：這類數(shù)據(jù)庫收集了與中藥成分相關信息，可以將藥材與成分進行關聯(lián)，該類數(shù)據(jù)庫用于中藥毒性研究時常用于收集毒性成分的相關信息，如TCM Database@Taiwan數(shù)據(jù)庫[24]、中醫(yī)藥綜合數(shù)據(jù)庫（traditional chinese medicine integrated database，TCMID）[25]、本草組鑒數(shù)據(jù)庫（HERB）[26]，中藥系統(tǒng)藥理學數(shù)據(jù)庫和分析平臺（traditional Chinese medicine systems pharmacology database and analysis platform，TCMSP）[27]；（3）機制靶點相關數(shù)據(jù)庫：這類數(shù)據(jù)庫包含了中藥的藥物及靶點信息，將藥物與靶點信息進行關聯(lián)，有助于中藥功能及機制研究，如比較毒物基因組學數(shù)據(jù)庫（comparative toxicogenomics database，CTD）[28]、副作用資源數(shù)據(jù)庫（side effect resource，SIDER）[29]、中醫(yī)藥百科全書數(shù)據(jù)庫（encyclopedia of traditional Chinese medicine，ETCM）[30]、中藥系統(tǒng)毒理學數(shù)據(jù)庫（traditional Chinese medicine system toxicology database，TCMSTD）[31]、中藥血液吸收成分及代謝物數(shù)據(jù)庫（database of constituents absorbed into the blood and metabolites of TCM，DCABM-TCM）[32]、TCMBank數(shù)據(jù)庫[33]；（4）代謝相關數(shù)據(jù)庫：可提供中藥毒性成分代謝相關的信息，為中藥毒性成分代謝研究提供基礎，如草藥成分體內代謝數(shù)據(jù)庫（herbal ingredients in-vivo metabolism database，HIM）[34]；（5）風險評估相關的數(shù)據(jù)庫：這類數(shù)據(jù)庫收錄中藥潛在有毒元素的信息，并利用模擬模型進行風險評估，可以提高風險評估效率，如中藥中金屬和類金屬概率風險評估數(shù)據(jù)庫（risk assessment of metals and metalloids in traditional Chinese medicine，MRTCM）[35]。

1.1 CTD數(shù)據(jù)庫

CTD數(shù)據(jù)庫是由毒理學數(shù)據(jù)網絡提供的可以公開免費訪問的毒理信息資源庫，該數(shù)據(jù)庫通過人工整理和相互關聯(lián)已發(fā)表文獻中的化學、基因、表型、解剖學、疾病、分類群和暴露內容，協(xié)調了化學暴露及其生物影響的跨物種異質數(shù)據(jù)，收集了17 117種化學成分、54 355個基因、6187種表型、7274種疾病和202 000次暴露事件等，包括化學-基因相互作用、化學-疾病、基因-疾病、化學-表型和化學-環(huán)境暴露數(shù)據(jù)，可供研究者查閱有毒化學品相關的信息，為研究者更好地理解疾病與患病的關系，有助于研究者探索受環(huán)境影響疾病的發(fā)病機制[28,36-41]。

1.2 TCM Database@Taiwan數(shù)據(jù)庫

TCM Database@Taiwan數(shù)據(jù)庫由臺灣中國醫(yī)藥大學整理完成，適應目前中藥研究中需要更多的中藥三維小分子結構的要求，研究者通過收集文獻信息等方式進行構建，包含從453種中藥中分離出的20 000多種化合物及化合物的cdx（2D）和Tripos mol2（3D）2種格式的下載和虛擬篩選，研究者可通過簡單和高級檢索查找分子特性、子結構、中藥成分和中藥分類等信息，方便研究者進行中藥成分的查找和滿足其虛擬篩選的需要[24]。

1.3 TCMID數(shù)據(jù)庫

TCMID數(shù)據(jù)庫最初于2013年推出，旨在實現(xiàn)中醫(yī)藥現(xiàn)代化和標準化的綜合數(shù)據(jù)庫，通過文獻信息收集和整合TCM Database@Taiwan、HIT等多個數(shù)據(jù)庫信息，包括超過49 000個處方、8159種藥材、43 413種成分、4633種疾病和8182種藥物。此外，附加了中藥材與中藥成分相關的質譜圖，以顯示不同產地中藥材品質的差異，為藥材和成分鑒定提供依據(jù)，加強對中藥不同藥理作用的潛在生物過程的探索，促進了方劑和藥材的機制研究[9,25]。

1.4 LiverTox數(shù)據(jù)庫

LiverTox數(shù)據(jù)庫由美國國家糖尿病、消化和腎病研究所的肝病研究院與美國國家醫(yī)學圖書館合作創(chuàng)立，是1個多層次、信息和互動的數(shù)據(jù)庫，公開提供有關化學藥、中草藥和食品補充劑引起的肝損傷的全面準確信息，提供已知或可能導致肝損傷的藥物超過1400多種，包括其診斷、原因、頻率、臨床模式、病程和已知或可能的肝損傷機制，供醫(yī)生、研究者和公眾免費訪問，該網站還提供每種藥物肝損傷完整、準確的臨床特征信息摘要及文獻，有助于患者尋求藥物引起的肝損傷信息，并對相關專家的研究有很大幫助。同時，該網站簡要描述了每種藥物的肝毒性風險，可用于支持肝損傷預防和控制的臨床研究，為臨床診斷和管理肝損傷提供指導[21,36,42-43]。

1.5 Hepatox數(shù)據(jù)庫

Hepatox數(shù)據(jù)庫依托上海交通大學醫(yī)學院附屬仁濟醫(yī)院承擔的國家科技部十二五重大專項課題構建，是中國建立的第1個在線藥物性肝損傷數(shù)據(jù)庫，且為免費開放，其包括最新資訊、醫(yī)學知識、藥物信息、專業(yè)術語、行業(yè)資源、資料下載和在線應用7大版塊。其中藥物信息版塊整理總結了400多種化學藥和中草藥導致藥物肝損傷的癥狀、診斷和機制等信息，尤其總結了導致肝毒性的中藥診療信息，有助于公眾了解不同藥物的肝毒性信息，還可以幫助醫(yī)生或患者在處方或服藥時監(jiān)測可能發(fā)生的肝損傷風險。該數(shù)據(jù)庫允許用戶根據(jù)藥物名稱或藥物類別搜索感興趣的藥物。有助于用戶快速獲取信息。同時，Hepatox是一個交互式網站，允許用戶提交與藥源性肝損傷相關的病例報告，極大幫助了藥物性肝病的診斷、管理、預防和治療[22,36,44]。

1.6 TCMSP數(shù)據(jù)庫

TCMSP數(shù)據(jù)庫是在中藥系統(tǒng)藥理學的框架下建立的，包括499種中草藥的29 384種成分、3311種靶點和837種相關疾病，并提供了12個重要的吸收、分布、代謝和排泄（absorption, distribution, metabolism and excretion，ADME）相關特性，如人體口服生物利用度、半衰期、藥物親和性、Caco-2滲透性、血腦屏障和類藥五項規(guī)則等，TCMSP數(shù)據(jù)庫還提供每種活性成分的作用靶點和相關疾病，可以建立化合物靶點和疾病靶點網絡，供用戶查看和分析藥物作用機制，有助于研究者對中草藥作用機制的研究，可用于藥物篩選和評價，加速了中藥的藥物發(fā)現(xiàn)[27]。

1.7 SIDER數(shù)據(jù)庫

SIDER數(shù)據(jù)庫將藥物、靶點和不良反應的數(shù)據(jù)結合起來，記錄1430種藥物、5880種不良反應和140 064對藥物不良反應的數(shù)據(jù)，收集了上市藥品及其記錄的藥品不良反應的信息，包括藥物不良反應頻率、不良反應分類、藥物-靶點關系等，更全面記錄藥物治療作用機制和引起不良反應的方式，有助于闡明并減少藥物不良反應。此外，SIDER數(shù)據(jù)庫還包含1組藥物適應證和不良反應發(fā)生頻率，這些信息可用于降低藥物不良反應發(fā)生，并降低假陽性率，提高藥物使用安全[29]。

1.8 HERB數(shù)據(jù)庫

HERB數(shù)據(jù)庫是1個中藥高通量實驗和參考指導的數(shù)據(jù)庫，分析了來自1037個高通量實驗的6164個基因表達譜，并將全面的藥物轉錄組學數(shù)據(jù)集與現(xiàn)代藥物的最大數(shù)據(jù)集CMap進行映射，總結中藥材/成分與現(xiàn)代藥物機制之間的聯(lián)系，包括7263種草藥、12 933種靶標和49 258種成分，成為評估藥物療效和發(fā)現(xiàn)新藥物靶點的有力方法，為中藥現(xiàn)代化和新藥發(fā)現(xiàn)提供依據(jù)[26]。

1.9 HIM數(shù)據(jù)庫

HIM數(shù)據(jù)庫收集了中草藥活性成分的體內代謝信息，及其相應的生物活性、毒性、ADME和臨床研究概況。目前，HIM包含了來自673種藥材的361種成分和1104種相應的體內代謝物，可用于搜索中藥活性成分的代謝物，還可用于獲得與查詢化合物潛在相似的生物活性的化合物，并且可以提供查詢分子的其他化學和生物學信息。因此，HIM數(shù)據(jù)庫可以為中藥活性成分體內代謝信息提供系統(tǒng)準確的數(shù)據(jù)，為中藥、藥物設計、生藥、藥物代謝等領域研究者提供有價值的信息[34]。

1.10 TCM-Mesh數(shù)據(jù)庫

TCM-Mesh數(shù)據(jù)庫系統(tǒng)記錄了從各種資源中收集的中藥相關信息，用于搜索中藥制劑、小分子及基因和疾病。該數(shù)據(jù)庫包含6235個中藥材、383 840個化合物、14 298個基因、6204個疾病、144 723個基因與疾病關聯(lián)、3 440 231對基因相互作用、163 221個不良反應記錄和71個毒性記錄，基于Web的軟件構建了中藥與治療疾病之間的網絡，基于此數(shù)據(jù)庫可以有效建立“化合物-蛋白質/基因-疾病”網絡，并以高通量的方式揭示小分子的調控原理，有助于從分子水平上了解中藥制劑的潛在機制[23]。

1.11 ETCM數(shù)據(jù)庫

ETCM數(shù)據(jù)庫包括中醫(yī)常用藥材和配方及其成分的全面和標準化的信息，納入403種中藥、3962個復方、7274個中藥成分、2266個疾病靶標，包括草藥基本性質和質量控制標準、配方組成、成分藥物相似性、中藥成分、草藥和配方的預測靶基因和其他信息。不僅包括中藥材和配方的詳細藥用特性，而且還提供了中藥靶基因與現(xiàn)代疾病間的潛在聯(lián)系。此數(shù)據(jù)庫為用戶提供了1個易于使用的平臺，可以從各方面瀏覽、搜索和分析中醫(yī)藥相關信息，促進中藥的功能和機制研究[30]。

1.12 TCMSTD數(shù)據(jù)庫

TCMSTD數(shù)據(jù)庫是由天津中醫(yī)藥大學2022年創(chuàng)建的國內外首個中藥系統(tǒng)毒理學數(shù)據(jù)庫，該數(shù)據(jù)庫通過手動收集文獻信息等方法，收錄有毒中藥252種、不良反應制劑22首、化學成分4361種、有毒成分226種、毒性靶點2425種，系統(tǒng)整合和分析有毒中藥的研究成果，提供中藥成分毒性作用和毒性靶點預測功能，有助于更好地進行中藥毒性研究[31]。

1.13 MRTCM數(shù)據(jù)庫

MRTCM是1個綜合性數(shù)據(jù)庫，包括消費數(shù)據(jù)庫、污染物數(shù)據(jù)庫和概率風險評估算法，涉及4000萬條消費數(shù)據(jù)和14種中藥潛在有毒元素濃度及利用蒙特卡羅模擬評估8個要素的風險，適用于中藥的風險評估?？傮w而言，通過該數(shù)據(jù)庫中醫(yī)藥風險管理可以顯著提高風險評估效率，為決策者優(yōu)化風險管理提供合理指導[35]。

1.14 DCABM-TCM數(shù)據(jù)庫

DCABM-TCM數(shù)據(jù)庫是第1個系統(tǒng)收集中藥方劑和中草藥血液成分的數(shù)據(jù)庫，包括血液中實驗檢測到的原型和代謝物，及通過人工文獻挖掘得到的相應的詳細檢測條件。DCABM-TCM數(shù)據(jù)庫收集了192個處方和194種中草藥的1816種血液成分及其化學結構，并整合了其相關注釋，包括理化、ADME和毒性特性及相關靶點、途徑和疾病。此外，DCABM-TCM數(shù)據(jù)庫還支持2種基于血液成分的分析功能，用于中藥分子機制闡釋的網絡藥理學分析，及用于中藥新藥研發(fā)的基于靶點/途徑/疾病的候選血液成分、中藥或方劑篩選[32]。

1.15 TCMBank數(shù)據(jù)庫

TCMBank數(shù)據(jù)庫是目前世界最大的中醫(yī)藥數(shù)據(jù)庫，該數(shù)據(jù)庫提供了9192種草藥、61 966種成分、15 179個靶標、32 529種疾病及其內在關聯(lián)信息，該數(shù)據(jù)庫還提供了草藥中活性成分以mol2格式存儲的3D結構。研究者可以在TCMBank的下載頁面訪問這些數(shù)據(jù)，并用于中藥的虛擬篩選。此外，該數(shù)據(jù)庫還針對中西藥間可能發(fā)生的不良反應，設計了1個新穎算法的技術，利用人工智能輔助的預測模型獲得了中西醫(yī)可能的不良反應風險的預測結果，為用戶提供了一個方便的網站，讓用戶可以自由探索草藥、成分、基因靶標及相關通路或疾病間的關系[33]。

2 數(shù)據(jù)庫在中藥毒性研究中的應用情況

中藥毒性研究是現(xiàn)代藥學中的一個重要領域，其主要目的是研究中藥的毒性和不良反應，為臨床用藥提供科學依據(jù)。目前，數(shù)據(jù)庫主要用于毒性成分篩選、毒性信息整理、核心毒性靶標挖掘等多方面，是中藥毒性研究中的重要基礎，為中藥毒性研究提供幫助。見圖1。

2.1 毒性成分篩選

中藥毒性成分的篩選是進行中藥毒性研究的基礎，可以通過相關數(shù)據(jù)庫收集毒性成分作為后續(xù)研究的前提。闡明中藥的活性成分對于理解中藥的機制，促進中藥的合理使用及中藥衍生藥物的開發(fā)尤為重要。通過數(shù)據(jù)庫技術可以更加高效的篩選出中藥毒性成分，將闡明中藥的藥理機制并促進其現(xiàn)代化。李雅秋等[45]使用SIDER等數(shù)據(jù)庫收集與心臟毒性有關的化合物作為構建定量構效關系模型的訓練集，模型靈敏度高達95%，特異度為60%，整體預測準確率達到83%，構建良好的預測心臟毒性的模型，可以篩選出具有潛在心臟毒性的中藥化學成分，減少不良反應，為中藥的安全性研究和藥物開發(fā)提供有價值的信息。張丹等[46]使用TCMSP等數(shù)據(jù)庫收集成分及靶標信息，通過蛋白相互作用分析及通路富集分析和分子對接等方法發(fā)現(xiàn)雷公藤堿乙、雷酚內酯和山海棠二萜內酯A可與細胞周期蛋白D1、絲裂原活化蛋白激酶8、血管內皮生長因子A、腫瘤抑制基因p53、白細胞介素-6（interleukin-6，IL-6）、腫瘤壞死因子毒性靶標有著較好的相互作用與結合活性，從而初步確定以上3種成分可能為昆明山海棠的毒性成分，為發(fā)現(xiàn)昆明山海棠的可能毒性機制提供依據(jù)。

2.2 毒性信息整理

毒性信息可以幫助研究者了解相關藥物與臨床數(shù)據(jù)，為中藥安全性提供幫助。近年來，隨著中醫(yī)藥的廣泛接受和認可，其誘發(fā)的肝毒性也逐漸增多。我國約26.81%的肝毒性臨床病例是由草藥和膳食補充劑引起的。因此，應重視草藥引起的肝毒性[47]。Li等[48]通過分析Hepatox數(shù)據(jù)庫收集藥物性肝損傷患者的臨床數(shù)據(jù)。發(fā)現(xiàn)接受治療護肝片組丙氨酸氨基轉移酶和天冬氨酸氨基轉移酶的正常化率顯著高于對照組，為探索護肝片對不同致敏藥物誘導的藥物性肝損傷提供幫助。Teschke等[49]使用LiverTox數(shù)據(jù)庫整理自2011年以來報道的肝毒性藥物，為快速找到與某種藥物相關的肝毒性信息。通過對上述信息的分析，可以更好地了解藥物的作用機制和潛在風險，以提高中藥質量和安全性。

圖1 中藥相關毒性數(shù)據(jù)庫應用情況概述

2.3 核心毒性靶標挖掘

由于中藥的復雜性，對中藥的療效、不良反應和作用機制不明，阻礙了其發(fā)展。在研究毒理學信息中，可以通過相關數(shù)據(jù)庫需要收集毒性靶點，發(fā)現(xiàn)與毒性成分密切相關的靶點，闡明其蛋白靶標及化合物與靶標間的關系。Dai等[50]利用TCMSP等數(shù)據(jù)庫建立了馬錢子靶點和中樞神經系統(tǒng)相關基因集，構建了“成分-目標”交互式活動網絡，得到5個馬錢子毒性相關成分和40個相關基因組。結果表明()-士的寧表現(xiàn)出更強的神經毒性作用，膽堿能受體毒蕈堿1是馬錢子產生神經毒性的潛在靶點，本研究為馬錢子毒性研究提供幫助。此外，補骨脂肝毒性研究已引起廣泛關注[51]。曹站霞等[52]通過CTD等數(shù)據(jù)庫篩選補骨脂潛在毒性成分，并收集肝損傷相關靶蛋白，然后與成分作用靶標匹配得到共有靶基因，構建補骨脂肝損傷潛在毒性成分-靶標-通路網絡，篩選得到25個補骨脂潛在毒性成分，并發(fā)現(xiàn)蛋白激酶B1等可能是補骨脂致肝損傷的關鍵靶點，為進一步闡明其肝損傷物質基礎和作用機制提供參考和依據(jù)。Liao等[39]使用TCMDatabase@Taiwan等數(shù)據(jù)庫檢索澤瀉導致肝腎毒性的化合物與靶點，最終發(fā)現(xiàn)10個化合物，228個靶標與澤瀉誘導的肝腎毒性有關，通過數(shù)據(jù)庫與網絡藥理學等聯(lián)合進一步闡明了澤瀉誘導的肝腎毒性的機制。Xiao等[53]使用CTD數(shù)據(jù)庫匹配的毒理學信息，建立其潛在毒性成分的數(shù)據(jù)集并獲取相關靶點，得到藤茶的潛在肝毒性靶點，得到藤茶的34個潛在毒性成分和57個潛在的肝毒性靶點，為進一步研發(fā)相關功能產品提供了參考。Chen等[54]根據(jù)TCMSP、CTD等數(shù)據(jù)庫篩選雷公藤多糖的主要生物活性成分和相關靶點，發(fā)現(xiàn)雷公藤多糖有145個肝毒性靶點，其可能誘發(fā)的肝臟毒性也與IL-17信號通路和輔助性T細胞17細胞分化的調節(jié)顯著相關，揭示其可能誘發(fā)肝毒性的機制，為雷公藤多糖肝毒性研究提供依據(jù)。

3 中藥相關毒性數(shù)據(jù)庫對比研究

通過對不同數(shù)據(jù)庫進行整合和梳理，進一步對不同數(shù)據(jù)庫中的毒性信息進行對比研究，揭示中藥相關毒性數(shù)據(jù)庫中存在的共性和差異，有助于毒性研究分析，以期提高中藥安全性評估的準確性和完整性，有助于進一步完善相關毒性數(shù)據(jù)庫，還可以為中藥的合理使用和監(jiān)管提供參考。見表1。

目前在中藥毒性研究中應用到的數(shù)據(jù)庫較多，但是CTD數(shù)據(jù)庫主要針對化學藥研究；SIDER數(shù)據(jù)庫主要針收錄藥物不良反應信息；LiverTox、Hepatox數(shù)據(jù)庫主要提供針對肝損傷相關中藥的信息；HIM數(shù)據(jù)庫收錄體內代謝相關毒性，納入信息較為局限，對于中藥毒性研究相對不夠集中；TCMID、TCM Database@Taiwan、TCM-Mesh、TCMSP、HERB、ETCM等數(shù)據(jù)庫主要進行中藥系統(tǒng)藥理學研究，多關注基于吸收的原型成分與治療相關靶點相互作用的直接作用，不同量的多種成分在各種疾病的治療中作用。然而，沒有適當?shù)臄?shù)據(jù)庫來確定中藥毒性成分、靶標、途徑和生物活性的多維關聯(lián)，對于中藥毒性研究不夠系統(tǒng)[55]。TCMSTD數(shù)據(jù)庫雖然較為系統(tǒng)整理了中藥毒性數(shù)據(jù)，但是毒性成分少，建立數(shù)據(jù)庫所用的算法較老，且是1種新開發(fā)的數(shù)據(jù)庫，應用較少。因此，在中藥毒性研究中應用的數(shù)據(jù)庫主要是中藥藥理學和成分挖掘、篩選相關的數(shù)據(jù)庫，仍需加強開發(fā)利用專注于中藥毒性研究的數(shù)據(jù)庫，對有毒中藥的研究內容進行系統(tǒng)的整合，推動中藥毒性研究工作。

表1 中藥相關毒性數(shù)據(jù)庫的主要特點

4 中藥毒性數(shù)據(jù)庫應用前景分析

計算機和人工智能的應用在中醫(yī)藥領域的藥物虛擬篩選和設計中發(fā)揮著重要作用，應用前景巨大[55]。中藥毒性研究是中藥現(xiàn)代化研究的重要組成部分，但是毒性的機制仍不明晰[56]，通過文獻總結發(fā)現(xiàn)，數(shù)據(jù)庫技術因其便捷、快速、高效等特點，已被成功運用于中藥領域的研究中，將候選化合物的靶點與毒性靶點關聯(lián)后，應用數(shù)據(jù)庫技術和網絡藥理學結合研究潛在的肝毒性機制，模擬分子對接以揭示分子機制，無疑會促進中醫(yī)藥的傳承、創(chuàng)新和發(fā)展[57]。但目前數(shù)據(jù)庫技術用于中藥藥理學研究的居多，疾病類數(shù)據(jù)庫研究以肝損傷為代表[58]。但中藥成分眾多，進行中藥毒性研究需要把所有相關文獻進行查閱并整理[59]，導致目前中藥毒性研究進展緩慢[52,60]，而數(shù)據(jù)庫技術又是基于現(xiàn)有的研究成果建立起來的，需要研究者不斷維護，因此在中藥毒性研究領域的應用較少。

數(shù)據(jù)庫技術在中藥毒性領域中的應用仍處于起步階段，進行中藥毒性研究不夠便捷，像TCMSTD這樣專注于中藥毒理學研究的數(shù)據(jù)庫使用仍不夠廣泛。因此，未來希望可以進一步完善TCMSTD數(shù)據(jù)庫，在中藥毒性研究中得到更加廣泛的應用。同時，研究者可充分利用數(shù)據(jù)庫技術，開發(fā)出更加適合中藥毒性研究的數(shù)據(jù)庫，推動數(shù)據(jù)庫在中藥毒性研究更加精準的應用。

5 結語與展望

傳統(tǒng)有關中藥毒性研究的信息大多從文獻檢索中獲得的，既耗時又困難。而可公開訪問的數(shù)據(jù)庫提供有關中藥毒性相關的目標的全面信息，可以提供一個方便和有用的平臺，將成為幫助研究者進行中藥安全性研究的有力工具[36]。本文介紹了在中藥毒性研究中應用到的數(shù)據(jù)庫并列舉了其在中藥毒性研究的成功案例，體現(xiàn)中藥毒性相關數(shù)據(jù)庫在毒性成分篩選、毒性信息整理、核心毒性靶標挖掘等多方面的應用，既說明了數(shù)據(jù)庫技術在中藥毒性研究中的重要價值，又為推動中藥毒性研究進展提供了參考思路?？傊?，數(shù)據(jù)庫為用戶提供了一個方便的界面來瀏覽、搜索、可視化和下載關鍵信息[26]，可以更好地管理中藥毒性研究信息，有助于深入了解中藥毒性的本質，為進行毒性關聯(lián)性分析的基礎，找出中藥毒性與藥物成分、劑型、用法用量等因素間的關聯(lián)性，進一步優(yōu)化中藥的安全性評估方法，對現(xiàn)有的中藥相關毒性數(shù)據(jù)庫進行整合和完善，提高數(shù)據(jù)的準確性和完整性，為監(jiān)管部門提供決策依據(jù)，發(fā)現(xiàn)中藥在現(xiàn)代化過程中存在的問題和挑戰(zhàn)，從而為中藥的現(xiàn)代化發(fā)展提供指導。

數(shù)據(jù)庫技術在中藥毒性研究中具有重要的價值和應用前景，為中藥的安全性和有效性評價提供科學依據(jù)。隨著計算機技術的不斷發(fā)展，相信數(shù)據(jù)庫會更加貼合中藥毒性研究、增加中藥配伍毒性的評價，將中藥方劑等毒性研究整合成豐富的知識網絡。數(shù)據(jù)庫技術定將成為未來中藥快速發(fā)展進程中不可或缺的重要工具，為中醫(yī)藥大數(shù)據(jù)領域提供優(yōu)質的資源[26]，提高研究效率和準確性，為中藥研究的安全性和有效性評價提供有力支持，將使中醫(yī)藥與現(xiàn)代醫(yī)學和藥理學標準更好的接軌。

利益沖突 所有作者均聲明不存在利益沖突

[1] Coghlan M L, Haile J, Houston J,. Deep sequencing of plant and animal DNA contained within traditional Chinese medicines reveals legality issues and health safety concerns [J]., 2012, 8(4): e1002657.

[2] Shi J C, Gao X X, Zhang A R,. Characterization of multiple chemical components of GuiLingJi by UHPLC-MS and1H NMR analysis [J]., 2022, 12(3): 460-469.

[3] 羅超, 涂斯婧, 李寧寧, 等. 中藥復方治療抗精神病藥物所致代謝綜合征的用藥規(guī)律和潛在作用機制研究[J]. 中草藥, 2022, 53(5): 1494-1503.

[4] Luo L, Jiang J W, Wang C,. Analysis on herbal medicines utilized for treatment of COVID-19 [J]., 2020, 10(7): 1192-1204.

[5] 王耘, 潘博宇, 房森彪, 等. 利用網絡藥理學方法探討針對新型冠狀病毒肺炎以ACE2為治療靶點的5味中藥的作用機制和組分配伍[J]. 中草藥, 2020, 51(18): 4691-4697.

[6] Wu D Y, Hou X T, Xia Z S,. Analysis on oral medication rules of traditional Chinese medicine prescriptions for prevention of COVID-19 [J]., 2021, 13(4): 502-517.

[7] Lu X Y, Jin Y Y, Wang Y Z,. Multimodal integrated strategy for the discovery and identification of quality markers in traditional Chinese medicine [J]., 2022, 12(5): 701-710.

[8] 張冰, 呂錦濤, 張曉朦, 等. 基于“藥性” 的中藥“毒-效” 認知與藥物警戒思考 [J]. 中國藥物警戒, 2021, 18(5): 411-415.

[9] Xue R C, Fang Z, Zhang M X,. TCMID: Traditional Chinese Medicine integrative database for herb molecular mechanism analysis [J]., 2013, 41(Database issue): D1089-D1095.

[10] Lin Y M, Zhang Y, Wang D Y,. Computer especially AI-assisted drug virtual screening and design in traditional Chinese medicine [J]., 2022, 107: 154481.

[11] 顧志榮, 毛小文, 祁梅, 等. 數(shù)據(jù)融合技術在中藥研究領域的應用 [J]. 中草藥, 2023, 54(18): 6159-6171.

[12] de Sousa Luis J A, Barros R P C, de Sousa N F,. Virtual screening of natural products database [J]., 2021, 21(18): 2657-2730.

[13] 劉明皓, Faez I K, 肖雨晴, 等. 基于分子對接與動力學模擬的用于治療新型冠狀病毒肺炎的中藥活性成分虛擬篩選研究 [J]. 生物醫(yī)學工程學雜志, 2022, 39(5): 1005-1014.

[14] 于洋, 左平春, 張楠, 等. 計算毒理學在農藥風險評估中的應用 [J]. 農藥科學與管理, 2017, 38(4): 24-30.

[15] 姜允申. 計算毒理學和量子毒理學在我國環(huán)境醫(yī)學與藥物學研究中的應用及前景 [A] // 2020中國環(huán)境科學學會科學技術年會論文集[C]. 南京: 中國環(huán)境科學學會, 2020: 85-89.

[16] Vuorinen A, Bellion P, Beilstein P. Applicability ofgenotoxicity models on food and feed ingredients [J]., 2017, 90: 277-288.

[17] Silva M H. Use of computational toxicology (CompTox) tools to predicttoxicity for risk assessment [J]., 2020, 116: 104724.

[18] Forest V. Experimental and computational nanotoxicology—Complementary approaches for nanomaterial hazard assessment [J]., 2022, 12(8): 1346.

[19] 王鳳雪, 高宇, 劉海波. 中藥網絡藥理學研究流程及代表性數(shù)據(jù)庫工具 [J]. 中國現(xiàn)代中藥, 2021, 23(6): 1111-1118.

[20] 張貴彪, 陳啟龍, 蘇式兵. 中藥網絡藥理學研究進展 [J]. 中國中醫(yī)藥信息雜志, 2013, 20(8): 103-106.

[21] Hoofnagle J H, Serrano J, Knoben J E,. LiverTox: A website on drug-induced liver injury [J]., 2013, 57(3): 873-874.

[22] 中國藥物性肝損傷首個網站“HepaTox” 正式發(fā)布 [J]. 上海交通大學學報: 醫(yī)學版, 2014, 34(6): 938.

[23] Zhang R Z, Yu S J, Bai H,. TCM-Mesh: The database and analytical system for network pharmacology analysis for TCM preparations [J]., 2017, 7(1): 2821.

[24] Chen C Y C. TCM Database@Taiwan: The world’s largest traditional Chinese medicine database for drug screening in silico [J]., 2011, 6(1): e15939.

[25] Huang L, Xie D L, Yu Y R,. TCMID 2.0: A comprehensive resource for TCM [J]., 2018, 46(D1): D1117-D1120.

[26] Fang S S, Dong L, Liu L,. HERB: A high-throughput experiment- and reference-guided database of traditional Chinese medicine [J]., 2021, 49(D1): D1197-D1206.

[27] Ru J L, Li P, Wang J N,. TCMSP: A database of systems pharmacology for drug discovery from herbal medicines [J]., 2014, 6: 13.

[28] Davis A P, Wiegers T C, Johnson R J,. Comparative toxicogenomics database (CTD): Update 2023 [J]., 2023, 51(D1): D1257-D1262.

[29] Kuhn M, Letunic I, Jensen L J,. The SIDER database of drugs and side effects [J]., 2016, 44(D1): D1075-D1079.

[30] Xu H Y, Zhang Y Q, Liu Z M,. ETCM: An encyclopaedia of traditional Chinese medicine [J]., 2019, 47(D1): D976-D982.

[31] Song L L, Qian W X, Yin H Q,. TCMSTD 1.0: A systematic analysis of the traditional Chinese medicine system toxicology database [J]., 2023, 66(9): 2189-2192.

[32] Liu X Y, Liu J Y, Fu B Z,. DCABM-TCM: A database of constituents absorbed into the blood and metabolites of traditional Chinese medicine [J]., 2023, 63(15): 4948-4959.

[33] Lv Q J, Chen G X, He H H,. TCMBank-the largest TCM database provides deep learning-based Chinese- western medicine exclusion prediction [J]., 2023, 8(1): 127.

[34] Kang H, Tang K L, Liu Q,. HIM-herbal ingredientsmetabolism database [J]., 2013, 5: 28-28.

[35] Xu X H, Li L M, Zhou H,. MRTCM: A comprehensive dataset for probabilistic risk assessment of metals and metalloids in traditional Chinese medicine [J]., 2023, 249: 114395.

[36] Luo G W, Shen Y T, Yang L Z,. A review of drug-induced liver injury databases [J]., 2017, 91(9): 3039-3049.

[37] Davis A P, Grondin C J, Johnson R J,. Comparative toxicogenomics database (CTD): Update 2021 [J]., 2021, 49(D1): D1138-D1143.

[38] 劉福志, 朱丹丹, 陳揚佳, 等. 基于CTD數(shù)據(jù)庫的雙酚A及其衍生物雙酚F和雙酚S的生物信息學分析 [J]. 毒理學雜志, 2022, 36(5): 442-447.

[39] Liao Y L, Ding Y L, Yu L,. Exploring the mechanism offor the treatment of pregnancy induced hypertension and potential hepato-nephrotoxicity by using network pharmacology, network toxicology, molecular docking and molecular dynamics simulation [J]., 2022, 13: 1027112.

[40] 閆小妮, 田國祥, 賀海蓉, 等. CTD數(shù)據(jù)庫架構及數(shù)據(jù)獲取查詢與提取方法 [J]. 中國循證心血管醫(yī)學雜志, 2019, 11(8): 905-909.

[41] 陸韻, 侯凌燕, 胡洪營, 等. 毒理基因組學研究進展 [J]. 生態(tài)環(huán)境學報, 2010, 19(9): 2232-2239.

[42] 姚克宇, 張舒琪, 金銳, 等. 藥物致肝損傷數(shù)據(jù)集的比較研究 [J]. 中國藥物警戒, 2023, 20(5): 568-573.

[43] 本刊編輯部. 美國國立衛(wèi)生研究院推出肝損傷相關藥物免費數(shù)據(jù)庫LiverTox [J]. 中華醫(yī)學圖書情報雜志, 2012, 21(11): 15.

[44] 茅益民. HepaTox: 促進中國藥物性肝損傷臨床和轉化研究的專業(yè)網絡平臺 [J]. 肝臟, 2014, 19(8): 575-576.

[45] 李雅秋, 王旗. 構建用于預測中藥化學成分心臟毒性的定量構效關系模型 [J]. 北京大學學報: 醫(yī)學版, 2017, 49(3): 551-556.

[46] 張丹, 董一珠, 呂錦濤, 等. 基于網絡藥理學與分子對接方法探討昆明山海棠的毒性機制 [J]. 北京中醫(yī)藥大學學報, 2019, 42(12): 1006-1015.

[47] Zulkifli M H, Abdullah Z L, Mohamed Yusof N I S,.toxicity studies of traditional Chinese herbal medicine: A mini review [J]., 2023, 80: 102588.

[48] Li J, Zhang J Z, Xu X R,. Hugan Tablets for the treatment of RUCAM based drug-induced liver injury: A propensity score matching analysis using a nationwide database [J]., 2021, 14(12): 1543-1550.

[49] Teschke R, Wolff A, Frenzel C,. Review article: Herbal hepatotoxicity: An update on traditional Chinese medicine preparations [J]., 2014, 40(1): 32-50.

[50] Dai J L, Liu J J, Zhang M X,. Network toxicology and molecular docking analyses on strychnine indicate CHRM1 is a potential neurotoxic target [J]., 2022, 22(1): 273.

[51] 王曼姝, 孫思彤, 袁宇, 等. 功能代謝組學在中藥毒性評價中的研究策略及其應用 [J]. 中草藥, 2023, 54(2): 349-358.

[52] 曹站霞, 陳毓龍, 李偉霞, 等. 基于網絡藥理學和細胞試驗探討補骨脂致肝損傷的毒理機制 [J]. 中國現(xiàn)代應用藥學, 2022, 39(16): 2052-2062.

[53] Xiao F Y, Qiu J H, Zhao Y. Exploring the potential toxicological mechanisms of vine tea on the liver based on network toxicology and transcriptomics [J]., 2022, 13: 855926.

[54] Chen Y, Wang Y F, Song S S,. Potential shared therapeutic and hepatotoxic mechanisms ofpolyglycosides treating three kinds of autoimmune skin diseases by regulating IL-17 signaling pathway and Th17 cell differentiation [J]., 2022, 296: 115496.

[55] Xu H Y, Zhang Y Q, Wang P,. A comprehensive review of integrative pharmacology-based investigation: A paradigm shift in traditional Chinese medicine [J]., 2021, 11(6): 1379-1399.

[56] Gao P, Chang K, Yuan S,. Exploring the mechanism of hepatotoxicity induced bybased on network pharmacology, molecular docking and experimental pharmacology [J]., 2023, 28(13): 5045.

[57] Wang Z Y, Li S. Network pharmacology in quality control of traditional Chinese medicines [J]., 2022, 14(4): 477-478.

[58] Wang J B, Song H B, Ge F L,. Landscape of DILI-related adverse drug reaction in China Mainland [J]., 2022, 12(12): 4424-4431.

[59] Gao Y B, Fan H, Nie A Z,. Aconitine: A review of its pharmacokinetics, pharmacology, toxicology and detoxification [J]., 2022, 293: 115270.

[60] 楊彬, 高文遠, 張艷軍. 基于轉錄組學-蛋白質組學-多肽組學整合關聯(lián)分析策略的動物藥蛋白多肽類成分研究思路及方法 [J]. 中草藥, 2019, 50(5): 1033-1038.

Research status and comparative study on toxicity related databases of traditional Chinese medicine

NIE Jia-xuan, QIAN Wen-xiu, WANG Man-shu, WANG Jia-yi, ZHANG Yue, LIU Hiu-min, MA Ning, SONG Li-li, LI Yu-bo

School of Traditional Chinese Medicine, Tianjin University of Traditional Chinese Medicine, Tianjin 301617, China

The study of toxicity of traditional Chinese medicine (TCM) is an important topic in safety research of TCM. Toxic TCMs’ components, and their mechanisms of action is the foundation for conducting toxicity research of TCM. Therefore, a review is conducted on the current databases related to the toxicity research of TCM both domestically and internationally, summarizing the current research status of databases related to TCM toxicity research, highlighting the importance of databases related to TCM toxicity research in scientific research, providing reference for the study of toxicity of TCM and promoting the further development of toxicity of TCM.

traditional Chinese medicine; toxicity; database; comparative study; toxic component

R285

A

0253 - 2670(2023)22 - 7588 - 09

10.7501/j.issn.0253-2670.2023.22.035

2023-04-15

國家中醫(yī)藥管理局青年岐黃學者支持項目

聶嘉璇（1998—），女，碩士研究生，研究方向為中藥學。E-mail: niejiaxuan2021@163.com

通信作者：宋麗麗，女，副教授，碩士生導師，從事代謝組學和中藥分析研究。E-mail: sll0204@163.com

李遇伯，女，教授，博士生導師，從事代謝組學、毒性評價研究。E-mail: yuboli1@163.com

[責任編輯 趙慧亮]