佐太金属组学与网络药理学分析（Zuotai Metallomics & Network Pharmacology / ཏྲ་ཚལ་ཁམས་དང་དྲ་རྒྱ་སྨན་ལྡན།）

概述

本技能将藏药佐太的无机成分分析与现代网络药理学、代谢组学方法深度整合，构建 "成分元素→分子靶点→信号通路→代谢网络→疾病功能" 的全链条分析框架。

与 zuotai-pharmacology 技能的区分与协作：
- zuotai-network-pharmacology（本技能）→ 侧重 无机成分/金属组学 → 靶点预测 → 通路分析 → 代谢网络 → 疾病关联 的系统药理学+代谢组学路径
- zuotai-pharmacology（姊妹技能）→ 侧重 纳米结构表征 → BBB穿越机制 → 体内生物转化 → 毒理学 → 质量标准
- 协同模式：先用本技能做靶点/通路/疾病预测，再结合姊妹技能验证纳米递药可行性和安全性

适用场景（触发条件）

核心分析模块

模块A：佐太金属元素与无机成分分析（Zuotai Metal Elements & Component Analysis）

当用户涉及佐太的成分分析时，按以下维度组织信息：

A1. 主成分：HgS纳米多晶聚集体

A2. 微量元素组（Trace Element Profile）

佐太在炮制过程中引入多种微量元素的科学意义：

> 关键分析框架：佐太的生物学效应不能简单归因于HgS单一成分。微量元素（特别是Fe/Cu/Zn/Se）的网络药理学贡献——通过作为金属酶辅因子参与多条信号通路——是佐太"调平三因、强身延年"的科学解释方向之一。

A3. 无机成分的体内化学形态转化

口服佐太（β-HgS聚集体 + 微量元素复合体）
    ↓
① 胃肠环境：部分Hg²⁺溶出 + 微量元素释放
    ↓
② 肠上皮吸收：Hg²⁺ + 微量元素进入门静脉循环
    ↓
③ 体内生物自组装：
   ├── Hg²⁺ + S²⁻/RSH → HgS纳米颗粒（30-195nm，包覆蛋白冠）
   ├── 微量元素被金属伴侣蛋白结合运输
   └── 整合进入靶组织金属酶系统
    ↓
④ 双重药理学贡献：
   ├── HgS纳米颗粒 → 纳米递药 + 表面催化（见 zuotai-pharmacology）
   └── 微量元素 → 金属酶活性调控 + 信号通路调节（网络药理学）

模块B：网络药理学靶点预测（Network Pharmacology Target Prediction）

B1. 靶点来源分类

B2. 佐太核心预测靶点（基于文献+金属组学推理）

已知/推测的佐太直接作用靶点：

B3. 靶点功能富集分析指引

对所有预测靶点进行以下分析：

1. GO功能富集（使用DAVID / Enrichr / clusterProfiler）：
   - 生物学过程（BP）：氧化应激响应、神经保护、炎症调节、凋亡调控
   - 细胞组分（CC）：胞膜窖、突触、线粒体、核
   - 分子功能（MF）：金属离子结合、氧化还原酶活性、转录因子结合

2. 蛋白质互作网络（PPI）（使用STRING / Cytoscape）：
   - 构建核心靶点网络
   - 识别Hub基因和关键模块
   - 计算网络拓扑参数（度中心性、介数中心性等）

模块C：信号通路富集分析（Signaling Pathway Enrichment）

C1. 佐太相关核心信号通路（KEGG / Reactome）

C2. 通路互动网络构建

> 核心分析思路：佐太的"多通路协同调控"是其"调平三因、调和整体"的现代科学解释。

构建通路间的层级关系：

          ┌──────────────────────┐
          │   佐太（HgS+微量元素）   │
          └──────┬───────────────┘
                  │
     ┌────────────┼────────────┐
     ▼            ▼            ▼
  抗氧化通路   信号转导通路   炎症通路
  (Nrf2/HO-1)  (PI3K/Akt/   (NF-κB/
   ────────     MAPK/mTOR)    TLR/TNF)
   ·自由基清除   ──────────   ────────
   ·II相解毒    ·细胞存活     ·炎症因子↓
   ·GSH↑       ·自噬调控     ·M1→M2极化
     │            │            │
     └────────────┼────────────┘
                  ▼
          ┌──────────────────┐
          │   BBB穿越 + 脑靶向   │
          │  (caveolin/P-gp)    │
          └────────┬─────────┘
                    ▼
          ┌──────────────────┐
          │  神经保护效应       │
          │  (神经元存活+突触+)  │
          └──────────────────┘

C3. 通路-疾病关联矩阵

模块D：疾病-靶点-通路网络构建（Disease-Target-Pathway Network）

D1. 核心疾病领域

按现代疾病分类体系，佐太可能产生影响的疾病领域：

D2. 成分-靶点-通路-疾病网络构建模板

HgS纳米颗粒 ───┬──→ Nrf2 ───→ Nrf2/ARE通路 ───→ 抗氧化/神经保护
                ├──→ P-gp ───→ BBB外排调控  ───→ 脑药物富集
                ├──→ Caveolin ──→ 转胞吞通路  ───→ BDD穿越
                ├──→ NF-κB ───→ 炎症通路    ───→ 抗炎
                └──→ PI3K/Akt ─→ 存活通路    ───→ 细胞保护

微量元素 ─────┬──→ SOD (Cu/Zn/Mn) ─→ 抗氧化酶活性 → ROS清除
               ├──→ GPx (Se) ─────→ 脂质过氧化抑制 → 铁死亡↓
               ├──→ Zn²⁺ ────────→ NMDAR调控    → 神经递质调节
               └──→ Fe/Cu ────────→ 能量代谢     → 线粒体功能

蛋白冠 ────────┬──→ 补体蛋白 ──→ 免疫识别调节
               ├──→ 载脂蛋白 ──→ 脂质代谢转运
               └──→ 白蛋白 ────→ 药物运输/分布

模块E：科学功能阐述（Scientific Functional Elaboration）

当用户要求阐述佐太在特定疾病中的科学功能时，按以下标准模板输出：

E1. 功能阐述标准框架

【疾病名称】中的佐太作用机制

1. 传统藏医理论述：
   [引述四部医典/晶珠本草等经典的理论定位]

2. 金属组学基础：
   [HgS及微量元素在该疾病相关生物过程中的已知角色]

3. 预测靶点网络（网络药理学）：
   - 核心靶点：[列表]
   - 靶点功能分类：[分类说明]

4. 关键信号通路：
   - [通路1]：[作用描述]
   - [通路2]：[作用描述]

5. 作用机制综合模型：
   [图示/文字描述从成分到效应的完整链条]

6. 与含佐太方剂的关联：
   [哪些含佐太方剂用于该疾病，佐太在其中的贡献权重]

7. 科学证据等级评估：
   ★★★★★ 已充分验证 | ★★★★ 较强证据 | ★★★ 中等证据 |
   ★★ 初步证据 | ★ 理论推演

8. 深入研究建议：
   [下一步的实验验证方向]

E2. 预设疾病分析模板

模板E2a：脑血管疾病（脑卒中/脑缺血再灌注损伤）

- 金属组学贡献：HgS纳米穿越BBB + Zn²⁺/Mg²⁺血管调节
- 核心靶点：Nrf2, HO-1, PI3K, Akt, Bcl-2, Caspase-3, VEGF, P-gp
- 关键通路：Nrf2/ARE抗氧化 → 自由基清除；PI3K/Akt → 神经元存活；
  NF-κB↓ → 炎症抑制；VEGF → 血管新生
- 协同效应：纳米递药载体（搭载方剂中其他活性成分入脑）
- 证据强度：★★★★（体内大鼠MCAO模型验证）
- 对应藏医理论：通经活络、开窍醒神

模板E2b：神经退行性疾病（阿尔茨海默病/帕金森病）

- 金属组学贡献：Zn²⁺/Cu²⁺调控Aβ聚集 + Se抗氧化
- 核心靶点：Nrf2, BDNF, TrkB, NMDAR, APP, BACE1, Tau
- 关键通路：BDNF-TrkB → 突触可塑性↑；Nrf2/ARE → 氧化应激↓；
  自噬通路 → Aβ清除↑；铁死亡通路 → 神经元保护
- 协同效应：穿越BBB→脑内药物富集
- 证据强度：★★★（APP/PS1小鼠模型验证认知改善）
- 对应藏医理论：镇静安神、开窍醒脑

模板E2c：炎症/免疫调节

- 金属组学贡献：Hg²⁺表面催化 + Zn²⁺免疫调节
- 核心靶点：TLR4, MyD88, NF-κB p65, TNF-α, IL-6, COX-2, iNOS
- 关键通路：TLR4/NF-κB → 经典炎症通路↓；MAPK → 应激响应调节；
  Nrf2/HO-1 → 抗炎与抗氧化耦合
- 证据强度：★★★（体内抗炎模型验证）
- 对应藏医理论：解毒、消肿、愈疮

模板E2d：肝保护/解毒

- 金属组学贡献：Hg²⁺的II相解毒酶诱导 + Se/Zn抗氧化
- 核心靶点：Nrf2, GST, NQO1, HO-1, CYP450, TGF-β1, COL1A1
- 关键通路：Nrf2/ARE → 解毒酶诱导↑；TGF-β/Smad → 抗纤维化
- 对应藏医理论：解毒、调平三因
- 方剂关联：仁青芒觉、七十味松石丸中佐太的解毒载体功能

模块F：代谢组学分析（Metabolomics Analysis）

当用户查询佐太对体内代谢物的影响、代谢通路变化或生物标志物时，按以下维度组织信息：

F1. 佐太代谢组学概述

> 核心定位：代谢组学位于佐太药理效应的"最下游"，反映的是蛋白靶点→信号通路→酶活性变化后产生的最终代谢物谱变化，是连接网络药理学预测与表型效应的关键桥梁。

佐太代谢组学的研究意义：
- 代谢物是"组学金字塔"的底端——基因/蛋白的变化最终通过代谢物体现
- 代谢组变化与藏医"调平三因"理论高度对应（三因即隆/赤巴/培根体质的代谢类型差异）
- 代谢组学是验证网络药理学靶点/通路预测结果的独立验证手段
- 可用于发现佐太疗效的生物标志物（替代传统终点指标）

佐太代谢组学研究的分析层次：

佐太给药
    ↓
上游组学层：          靶点（模块B）→ 通路（模块C）
                            ↓ 向下传导
中游桥梁层：          代谢酶/转运体表达变化
                            ↓
下游代谢层：    ┌────────────────────────────┐
               │  ⚗ 代谢组学（模块F）            │
               │  极性代谢物（LC-MS）            │
               │  脂质组（LC-MS/MS）             │
               │  挥发组（GC-MS）               │
               │  元素组（ICP-MS）              │
               └────────────────────────────┘
                            ↓
功能表型层：          疾病效应（模块D/E）

F2. 已知佐太/含佐太方剂的代谢组学研究

F3. 佐太影响的关键代谢通路

> 关键分析框架：佐太影响的代谢通路与其网络药理学靶点通路高度一致——Nrf2/ARE对应于谷胱甘肽和氧化还原代谢，PI3K-Akt对应于能量代谢和支链氨基酸代谢，NF-κB对应于磷脂和鞘脂代谢。这种多组学一致性是验证佐太作用机制的重要依据。

F4. 代谢组学与网络药理学整合分析（Multi-Omics Integration）

整合分析框架——"三步交叉验证法"：

┌─────────────────────────────────────────────────────────┐
│  第一步：预测 ←→ 观测验证                              │
│                                                         │
│  网络药理学预测                代谢组学观测             │
│  ──────────────────           ─────────────            │
│  · Nrf2/ARE通路↑            · GSH/GSSG比值↑          │
│  · NF-κB通路↓               · 炎症脂质介质↓           │
│  · PI3K-Akt通路↑            · 能量代谢中间体↑           │
│  · 凋亡通路↓                · 神经酰胺↓               │
│         ↓                              ↑               │
│         └────── 一致性评估 ────────────┘              │
│         ✓ 一致 → 机制可信度↑                           │
│         ✗ 不一致 → 可能需要修正靶点预测                   │
├─────────────────────────────────────────────────────────┤
│  第二步：代谢物 → 上游靶点反向映射                       │
│                                                         │
│  差异代谢物 → Pathway Enrichment → 代谢酶靶点 → 蛋白靶点  │
│  (发现)        (MetaboAnalyst)   (met.酶)    (匹配模块B) │
├─────────────────────────────────────────────────────────┤
│  第三步：代谢物生物标志物 → 疾病关联                      │
│                                                         │
│  差异代谢物 → ROC分析 → 候选标志物群 → 疾病生物标志物     │
│  (组间比较)    (AUC>0.8)   (panel)     (临床转化)       │
└─────────────────────────────────────────────────────────┘

推荐的整合分析工具：
| 工具 | 用途 | 特点 |
|------|------|------|
| MetaboAnalyst 6.0 | 代谢组学全面分析 | 通路富集、多组学整合、生物标志物 |
| mummichog | 代谢组→通路预测 | 无需先验靶点数据库 |
| xMWAS | 多组学网络整合 | 代谢组+蛋白组+转录组联合网络 |
| WGCNA | 代谢物共表达网络 | 模块-表型关联 |
| IPA (Ingenuity) | 通路分析+因果关系 | 代谢物→上游调控因子推理 |
| DIABLO (mixOmics) | 多组学数据整合 | 多块PLS-DA |

F5. 佐太代谢组学实验设计指引

当用户需要设计佐太代谢组学研究方案时，提供以下指导：

分析平台选择：

动物模型代谢组学采样方案：

样本类型   ──── 关键时间点 ──── 代谢物稳定性
血浆/血清 ──── 给药前/后0.5,1,2,4,8,24h ──── 快速淬灭（液氮）
尿液     ──── 给药前/后0-6h, 6-24h pools ──── -80°C保存
脑组织   ──── 末次给药后1h ──── 快速冷冻（<2min）
肝组织   ──── 末次给药后1h ──── 代谢物淬灭
肠道内容物 ─── 末次给药后1h ──── 菌群代谢物分析
 ```

**质量控制（QC）要点：**
1. 每批至少1个流程空白（追踪污染）
2. 每10个样本插入1个QC pool（评估技术变异）
3. QC样本的RSD<30%（特征过滤标准）
4. 内标归一化（针对LC-MS离子化效率差异）
5. 随机化进样顺序（避免批次效应）

---

### 模块G：多组学综合阐述（Multi-Omics Integrated Elaboration）

当用户需要整合金属组学+网络药理学+代谢组学的综合分析时，使用以下综合框架：

#### G1. "成分→靶点→通路→代谢→疾病"五层分析框架

佐太（β-HgS + 微量元素）
│
▼
【第一层】成分层（模块A）
无机成分 → 体内形态转化 → 生物可利用形式
│
▼
【第二层】靶点层（模块B）
蛋白靶点识别 → PPI网络 → 核心Hub靶点
│
▼
【第三层】通路层（模块C）
KEGG/Reactome通路富集 → 通路串扰 → 层级关系
│
▼
【第四层】代谢层（模块F）
代谢物变化 → 代谢通路重编程 → 生物标志物
│
▼
【第五层】疾病层（模块D/E）
疾病关联 → 功能阐述 → 证据等级

#### G2. 多组学一致性评分

| 一致性等级 | 标准 | 结论 |
|-----------|------|------|
| ★★★★★ | 靶点预测 + 通路富集 + 代谢组学观测 三者在相同通路上一致 | 机制高度可靠 |
| ★★★★ | 靶点 + 通路一致，代谢组学部分支持 | 机制可靠 |
| ★★★ | 靶点 + 通路一致，无代谢组数据 | 预测合理，需实验验证 |
| ★★ | 仅靶点或仅通路支持 | 初步预测 |
| ★ | 仅有理论推论 | 假设生成阶段 |

#### G3. 综合报告输出模板

当用户要求完整的佐太多组学分析报告时，按以下结构输出：

佐太多组学综合分析报告

1. 概述

分析目标、方法汇总、数据来源

2. 金属组学分析

无机成分谱、微量元素分布、体内转化

3. 网络药理学分析

靶点预测、PPI网络、核心通路

4. 代谢组学分析

差异代谢物、代谢通路重编程、生物标志物

5. 多组学整合分析

预测-观测一致性（模块G2矩阵）
成分→靶点→通路→代谢→疾病全链条模型

6. 疾病机制阐述

各疾病领域的佐太作用机制模型

7. 研究建议

下一步验证实验、临床转化方向
```

分析工作流（完整路径）

当用户提出完整的佐太网络药理学分析需求时，按以下步骤逐步执行：

步骤1：成分-靶点获取

1. 调用模块A，列出佐太的无机成分（HgS + 微量元素）
2. 调用模块B，从文献/数据库获取各成分的已知/预测靶点
3. 去重整合，构建佐太统一靶点集

步骤2：靶点功能注释

1. 对靶点集进行GO功能富集分析
2. 构建蛋白质互作网络（PPI），识别核心Hub靶点
3. 输出靶点分类和功能模块

步骤3：通路富集分析

1. 对靶点集进行KEGG/Reactome通路富集分析
2. 识别显著富集的通路（p<0.05或FDR<0.05）
3. 构建通路间层级关系和cross-talk网络

步骤4：代谢组学分析（如有代谢组数据）

1. 调用模块F，从课题组/文献获取佐太代谢组数据
2. 进行差异代谢物鉴定和代谢通路富集分析
3. 输出关键代谢物变化和受影响代谢通路

步骤5：多组学整合验证

1. 将代谢组学结果（步骤4）与网络药理学预测（步骤2-3）进行交叉比对
2. 调用模块G，按多组学一致性评分评估预测可靠性
3. 输出预测-观测一致性矩阵

步骤6：疾病关联映射

1. 将显著通路/代谢变化映射到疾病领域
2. 参考模块D的疾病-通路关联矩阵
3. 按置信度排序，输出主要疾病领域

步骤7：科学功能阐述

1. 按模块E或模块G的综合报告模板撰写核心疾病的机制阐述
2. 标注每项结论的证据等级
3. 提供下一步验证建议

步骤8：与姊妹技能协同

1. 交叉引用 zuotai-pharmacology 的纳米结构、BBB穿越、毒理学数据
2. 整合输出完整的"成分→靶点→通路→代谢→疾病→递药→安全"全链条分析

快速响应模式

根据用户提问的复杂度，选择不同的响应深度：

快速问答模式（1-2轮）

• 直接定位到相关模块（A/B/C/D/E/F/G）
• 输出核心数据表格
• 不做完整网络分析

深度分析模式（3-5轮）

• 按步骤1-8完整执行
• 生成综合报告框架（含多组学整合）
• 含证据等级标注

综述撰写模式（5+轮）

• 整合所有模块（含代谢组学）
• 按学术综述结构组织（摘要→方法→结果→讨论→结论）
• 交叉引用姊妹技能

参考资料

本技能包含以下参考文件，按需加载：

跨技能协作指引

注意事项

1. 数据边界：本技能提供的是基于文献+金属组学推理+网络药理学方法的预测分析框架，靶点/通路数据部分基于科学推理和成分相似性预测，不替代正式的实验验证。

2. 证据等级标注：所有科学阐述必须标注证据等级（★-★★★★★），避免将理论推演等同于已证实的机制。

3. HgS特殊性：佐太中的β-HgS纳米颗粒与HgCl₂/CH₃Hg⁺有本质区别（见 zuotai-pharmacology 模块6的毒性对比）。在网络药理学分析中，使用Hg²⁺的通用靶点数据时须标注"该靶点基于Hg²⁺离子形态预测，在佐太纳米HgS中的实际结合情况需实验验证"。

4. 微量元素贡献的局限性：佐太中微量元素含量为痕量级别（μg/g级），在临床剂量（~50mg/次）下微量元素的总摄入量远低于膳食推荐摄入量。其网络药理学贡献应理解为"协同/催化性调节"而非"补充/供给型"作用。

5. 姊妹技能优先调用：当用户同时需要纳米结构和毒理数据时，提示用户切换到或协同使用 zuotai-pharmacology 技能，避免两个技能功能混叠。

6. 代谢组学数据依赖：模块F的代谢组学分析依赖于已有文献/课题组数据。如无现成代谢组数据，建议使用已有佐太/含佐太方剂代谢组学研究结果（references/metabolomics-analysis.md 已汇总主要已知发现），或向用户建议委托代谢组学检测后再行分析。

7. 多组学整合的因果关系：模块G的多组学整合揭示的是相关性而非因果性。"靶点X→代谢物Y"的逻辑链需要经过基因敲除/酶抑制实验验证后方可认定为因果关系。