IF 8.3!别再只会做网络药理了!南京中医药大学发双一区,Meta分析+网络药理+分子对接,这个发文模板直接用!

今天给大家解读一篇meta分析+网络药理+分子对接的文章，是南京中医药大学团队今年1月份发在《Phytomedicine》上的，影响因子8.3。中医药方向的朋友一定要好好研读一下这篇文章，思路非常清晰，也非常好复刻！

首先，通过meta分析，证实了目标方剂不仅能有效改善整体临床症状，还能显著降低疾病复发率，进而通过网络药理学，揭示了目标方剂并非针对单一病因，而是通过核心成分协同作用于多个关键枢纽靶点，最后就是分子对接环节，通过计算机模拟得到了一个极具突破性的发现：中药核心成分与核心炎症转录因子的结合效果，甚至优于某种临床常用对照药物。

Meta分析+网络药理+分子对接这个思路，对中药复方、单体研究或者想为自己的课题增加“临床意义”和“机制深度”的朋友来说，尤其值得借鉴。整个流程跑完发个三区，甚至冲二区一区都是有可能的，如果想更稳的去冲更高分期刊，可以加实验验证、加动力学模拟等等。

其实，不管是meta分析、网药还是分子对接，方法都很成熟、流程也都很清晰，要学会并不难。这意味着这套模板是可以直接拿来用的——换个方子、换个病，照着流程走一遍，就能产出一篇逻辑严谨的文章。如果你手里也有类似的方子，或者对某个疾病方向感兴趣，不知道能不能做，欢迎评论区留个研究方向，也可以找我们。

所有解读的文献原文

都给大家准备好了

中文标题：湘沙六君子汤治疗胃食管反流病的疗效及机制：一项综合荟萃分析、网络药理学和分子对接的研究

发表期刊：Phytomedicine

发表时间：2026年2月

影响因子：8.3分

1. 荟萃分析：检索PubMed、Cochrane CENTRAL、Embase、中国知网（CNKI）、万方、维普（VIP）、中国生物医学文献数据库（CBM）7 大数据库建库至2024年10 月的相关随机对照试验（RCTs）；

2. 网络药理学：中药系统药理学数据库与分析平台（TCMSP）获取 XSLJZD活性成分及靶点，GeneCards、OMIM、TTD、PharmGKB、DrugBank 获取 RE 相关靶点；

3. 分子对接：蛋白质数据库（PDB）获取靶蛋白晶体结构，PubChem 数据库获取化合物三维结构。

研究分为荟萃分析、网络药理学、分子对接三个核心部分，各部分步骤与结果如下，关键结果对应研究附图：

（一）荟萃分析：评估 XSLJZD 治疗 RE 的临床疗效

1. 步骤：制定纳入排除标准，筛选文献、提取数据，采用 Cochrane 偏倚风险工具评估研究质量，使用 RevMan 5.3 进行数据合成，分析临床总有效率、治愈率、复发率等核心结局。

2. 结果

• 文献筛选：初检 69 篇，最终纳入 8 项中国 RCTs，共 646 例 RE 患者，2 项用标准 XSLJZD，6 项用改良方（图 2）；

• 偏倚风险：仅 4 项报告随机序列生成方法，均未提及分配隐藏，1 项数据不完整、1 项选择性报告，整体偏倚风险多为不清楚（图 3）；

• 临床结局：

①临床总有效率：试验组显著高于对照组（OR=5.86，P<0.00001），单药和联合用药均有效且无显著差异（图 4），敏感性分析显示结果稳健；

②临床治愈率：试验组更高（OR=2.17，P=0.0009），但单药组异质性高，结果不稳定（图 5）；

③复发率：试验组显著降低（OR=0.31，P=0.0005），单药和联合用药均有显著效果且结果稳健（图 6）；

④不良反应：试验组与对照组无显著差异（OR=1.27，P=0.76）（图 7）；

⑤胃镜改善率 / 愈合率：试验组均显著更高（OR=3.97，P=0.008；OR=2.19，P=0.04）（图 8、9）；

• 发表偏倚：Orwin 失安全数为 35，提示结果受发表偏倚影响较小。

（二）网络药理学：筛选 XSLJZD 核心成分、靶点及关键通路

1. 步骤：以口服生物利用度（OB≥30%）和类药性（DL≥0.18）为标准筛选 XSLJZD 活性成分，取药物靶点与 RE 靶点的交集，构建 “成分 - 靶点” 网络和蛋白 - 蛋白相互作用（PPI）网络，通过 CytoHubba 筛选核心靶点，利用 DAVID 进行 GO 和 KEGG 富集分析。

2. 结果

• 活性成分与靶点：从 XSLJZD8 味药中筛选出 169 个活性成分、121 个药物靶点，与 2250 个 RE 靶点取交集得 74 个共同靶点（图 10A）；

构建的成分 - 靶点网络含 187 个节点、593 条边，木犀草素、黄芩素、β- 谷甾醇为核心成分（表 11、图 10B）；

• PPI 网络：共同靶点的 PPI 网络含 74 个节点、764 条边，平均节点度 20.6（图 11、12）；

• 核心靶点：通过 4 种中心性算法筛选出 AKT1、IL6、CASP3、JUN 等 18 个核心靶点（图 13、表 12）；

• 富集分析：GO 分析显示靶点主要参与化学刺激反应、细胞凋亡等生物过程（BP），定位于膜筏、受体复合物等细胞组分（CC），发挥蛋白结合、转录因子结合等分子功能（MF）（图 15）；

KEGG 分析富集出 123 条通路，前 20 条包括 IL-17、TNF、凋亡信号通路等（表 13、图 16），并构建了通路 - 靶点网络（图 17）。

（三）分子对接：验证核心成分与关键靶点的结合能力

1. 步骤：选取 AP-1、NF-κB 为关键靶蛋白，木犀草素、黄芩素、β- 谷甾醇为核心成分，奥美拉唑为阳性对照，采用 Schrödinger 2019–01 进行蛋白和配体预处理，Glide 模块进行分子对接，PyMOL 可视化结合模式。

2. 结果

• 结合亲和力：核心成分与靶蛋白结合分数均低于 - 6 kcal/mol，木犀草素与 AP-1（-7.96 kcal/mol）、NF-κB（-7.50 kcal/mol）的结合亲和力优于奥美拉唑（表 14）；

• 结合模式：木犀草素与AP-1 形成3个氢键，与NF-κB 形成 4 个氢键，氢键网络比奥美拉唑更广泛，且存在疏水作用、π-π 堆叠等相互作用（图 18）。

顺着这个思路，我们也有一些可以复刻的点，比如把“胃食管反流病”换成其他炎症相关疾病，比如溃疡性结肠炎、慢性胃炎、过敏性皮炎等；把“香砂六君子汤”换成你感兴趣的任何经典方剂或经验方（如半夏泻心汤、补中益气汤等）。用同样的三步走：①荟萃分析（证明临床有效）；②网络药理（筛选核心成分和靶点通路）；③分子对接（验证核心互作）。这本身就是一篇思路清晰、工作量饱满的二区文章基础。

如果没有实验条件做湿实验，也可以走纯计算路线。比如，针对本文筛选出的核心成分（木犀草素、黄芩素），可以利用ADMET预测（吸收、分布、代谢、排泄、毒性）数据库，深入分析它们的药代动力学特性和潜在毒性，为方剂的临床应用安全性提供理论依据。或者，利用分子动力学模拟，进一步验证核心成分与靶点蛋白结合的稳定性，而不仅仅停留在“对接”这一步，让计算部分更加有说服力。如果对这些研究思路感兴趣，但不确定自己的方向适不适合，或者在数据收集、统计分析上需要帮助，欢迎后台咨询我们。