综述：将单细胞测序和多组学方法与药理学分析相结合，揭示中药在治疗心脏病中的生物标志物和作用机制

《Letters in Drug Design & Discovery》：Integration of single-cell sequencing and multi-omics approaches with pharmacological analysis to unveil biomarkers and mechanisms of traditional Chinese medicine in treating heart diseases

　　王先成|王露|苏红艳|袁娜|王特
长春中医药大学第三附属医院心脏病学系，吉林省长春市，130000，中国

**摘要**
中医为心血管疾病（CVDs）的管理提供了一种整体性的方法。然而，其复杂的多组分和多靶点机制及其相关的生物标志物尚未被完全理解。这限制了中医在精准医学中的广泛应用。本文系统地总结了单细胞测序（SCS）、多组学技术（包括转录组学、蛋白质组学和代谢组学）以及药理学分析的整合如何转变了对中医心脏保护作用的理解。首先概述了这些技术及其在中医研究中的应用，然后总结了最近的进展，展示了这种整合方法如何成功识别出新的疾病特异性生物标志物（如LAMP3、CD33），并阐明了诸如铁死亡、细胞衰老和线粒体功能等复杂的分子机制。此外，还讨论了临床转化中的关键挑战，包括生物标志物的验证、草药-药物相互作用（HDIs），以及需要来自患者队列的大规模组学数据。最后，本文提出了利用人工智能和前瞻性临床试验来弥合中医传统智慧与现代精准心脏病学之间差距的未来方向。本文强调，SCS、多组学和药理学的协同作用为解码中医提供了前所未有的框架，为基于证据的个性化应用铺平了道路，包括心肌梗死、心力衰竭、心律失常和瓣膜性心脏病等心脏疾病。

**1. 引言**
心脏病包括结构或功能性的心脏异常，如心律失常、冠状动脉疾病、心力衰竭和瓣膜疾病。其发病机制涉及基因表达失调、代谢失衡和细胞间通讯障碍之间的复杂相互作用。这些因素导致了全球范围内的高发病率和死亡率。尽管取得了进展，当前的临床管理在治疗效果和个性化策略的开发方面仍存在局限性。尽管大量研究集中在心肌梗死和心力衰竭上，但了解不同类型心脏疾病（如心律失常和瓣膜病理）之间的共同和独特机制对于推进精准医学至关重要。

中医是一种具有数千年临床应用的独特医疗体系，其特征是多组分、多靶点和系统性调节。中医已被证明具有安全性、低毒性、免疫调节作用和成本效益，因此在心血管疾病（CVD）治疗中广受欢迎。值得注意的是，中医在改善心肌缺血和减少炎症方面表现出色。例如，桃荷成气汤通过Nrf2介导的铁死亡途径改善了败血症引起的心脏功能障碍；活血救心汤缓解了败血症引起的心肌病；真武汤通过TLR4/NF-κB途径抑制M1巨噬细胞极化，减轻了缺血性心肌纤维化。然而，对中医生物活性成分、分子靶点和调节网络的科学研究仍然不足。

近年来，生物信息学和计算技术推动了单细胞测序（SCS）技术和多组学相互作用方面的突破。这些工具提供了前所未有的分辨率，能够解析细胞异质性、识别疾病特异性生物标志物并阐明机制路径。例如，SCS结合RNA-seq揭示了败血症中的关键基因和调节机制；SCS还揭示了驱动骨肉瘤转移的肿瘤微环境相互作用；在扩张型心肌病中，SCS确定了成纤维细胞和单核细胞作为核心角色，并阐明了成纤维细胞特异性的枢纽基因。同样，多组学整合（如血浆蛋白质组学和代谢组学）解析了阿尔茨海默病的严重程度决定因素，并鉴定出SCARF2作为慢性阻塞性肺病的新靶点。在中医研究中，郝等人利用多组学阐明了芪力强心胶囊通过cGMP-PKG信号途径在心力衰竭中的作用机制。因此，这些技术对于探索疾病分子靶点和中医作用机制至关重要。

虽然批量组学技术提供了宝贵的见解，但它们平均了不同细胞类型的信号，从而掩盖了对理解多靶点疗法（如中医）精确机制至关重要的细胞类型特异性反应。这一基本局限性突显了整合SCS的必要性。SCS在复杂组织（如心脏）中解析了细胞异质性，能够精确识别哪些细胞亚型（如特定的巨噬细胞表型或成纤维细胞状态）受到中医干预的影响，以及它们的分子程序如何改变。因此，SCS的整合不仅仅是一个简单的添加，而是一种范式转变，提供了一个无与伦比的视角来解码中医的空间-时间和细胞类型特异性机制，这也是本综述的核心创新重点。

**2. SCS和多组学技术概述**
**2.1. 转录组学、SCS和空间转录组学（ST）**
转录组学通过绘制基因表达谱来阐明生物过程和分子调节网络，是中医药理学机制研究的基石。将转录组学与网络药理学相结合，增强了对中国医成分-靶点相互作用的理解。例如，葛等人利用RNA-seq证明Ecliptasaponin A通过HMGB1/TLR4/NF-κB介导的抗炎作用保护心脏免受急性心肌梗死的影响。然而，传统的批量RNA-seq仅提供了来自组织裂解物的平均基因表达谱，掩盖了关键细胞异质性和罕见但功能重要的细胞群体的贡献。单细胞RNA测序（scRNA-seq）通过单细胞分辨率分析转录组，直接揭示了不同心脏细胞群体（如心肌细胞、成纤维细胞、免疫细胞）中的基因表达变异和细胞状态转换。

**2.2. 蛋白质组学**
蛋白质组学通常利用质谱技术研究蛋白质表达、相互作用和翻译后修饰，对于生物标志物的发现和药物机制的阐明至关重要。蛋白质组学工作流程通常采用数据依赖性采集（DDA）和数据独立性采集（DIA）模式。DIA在大规模研究中提供了更高的可重复性和深度，使其在中医药效学评估中越来越适用。此外，翻译后修饰（如磷酸化和氧化还原修饰）为信号通路和氧化应激机制提供了关键见解。这些与心脏病理和中医干预密切相关。

**2.3. 代谢组学**
代谢组学系统地分析小分子代谢物，是生物标志物发现和药物开发的基石。与传统方法相比，它对生物样本（血液、尿液、组织液）的评价具有更高的敏感性和特异性。代谢组学的主要挑战包括批次效应校正、信号漂移标准化和严格的代谢物注释，这些对于确保数据质量和中医研究的生物学解释至关重要。例如，非靶向代谢组学结合机器学习鉴定了冠状动脉疾病患者中的15种差异血清代谢物，其中三种（如糖酵解中间产物）通过LASSO被验证为预测标志物，揭示了果糖代谢和亚油酸通路的失调。 Chen等人将UPLC-Q-TOF/MS代谢组学与网络药理学结合，阐明了当归苦参饮在缺血性心力衰竭中的作用机制。

**2.4. 多模态数据整合方法**
整合来自SCS、ST、蛋白质组学和代谢组学的数据需要复杂的计算方法。例如Seurat的加权最近邻（WNN）分析能够在单细胞分辨率下整合多组学谱型。Harmony允许跨数据集进行高效批量校正，而潜在变量模型（如多组学因子分析+MOFA+）揭示了组学层之间的共享和独特因素。对于空间数据映射，cell2location和Tangram等工具有助于解混细胞类型及其空间分布。基于深度学习的方法（如scVI和totalVI）为去噪、插补以及单细胞和ST数据与蛋白质丰度的综合分析提供了生成模型。这些工具对于构建全面的细胞图谱和阐明中医在心脏疾病中的多靶点机制至关重要。

**3. 多组学和药理学分析技术的进展**
多组学整合在本质上是系统和全面的，与中医在疾病治疗中的整体干预特性高度契合。它已成为解析中医化合物药理机制的重要策略。整合多组学分析允许不同分子层面之间的相互验证和互补，增强了与药物作用相关的发现的可靠性和深度。多组学整合已广泛应用于研究中医的复杂机制。例如，黄芪中的环阿魏酯通过靶向cathepsin B增强了CD8+ T细胞的抗肿瘤免疫力，这一点通过scRNA-seq、蛋白质组学和功能分析得到了验证。类似的方法可应用于心脏模型，以识别中医靶点（如离子通道或炎症介质）。在扩张型心肌病中，He等人通过整合scRNA-seq和批量RNA-seq揭示了非心肌细胞的异质性，并鉴定出参与疾病进展的新细胞亚群。这些研究强调了多组学方法在揭示中医化合物复杂相互作用网络方面的强大能力。为了直观展示中医研究中多组学整合的工作流程，图3提供了一个示意图。例如，蛋白质组学可以通过确认mRNA的变化是否转化为蛋白质水平来验证转录组学的研究结果，而代谢组学则可以反映这些变化的功能后果。16空间转录组学和单细胞蛋白质组学可以进一步将分子事件置于组织结构和细胞群落的背景下，减少数据解释的 ambiguity。53, 54在心脏病研究中，这种协同作用尤其相关。心脏病理通常涉及心肌细胞、成纤维细胞、免疫细胞和血管细胞之间的动态相互作用。这些可以通过scRNA-seq来描绘。当与空间组学结合时，可以精确地绘制出这些相互作用的定位及其受到中医调制的机制。26此外，代谢组学可以捕获对治疗的实时生化反应，提供补充基因组和蛋白质组学数据的机能性读数。38例如，在一项关于丹蒌片的研究中，蛋白质组学和代谢组学被联合使用来证实NLRP3炎性小体激活和炎性代谢产物的抑制。33这种跨组学层面的证据融合增强了机制结论，并有助于将研究发现转化为临床应用。3.3. 多组学整合用于识别生物标志物多组学的相关性和深度挖掘使得在各种心脏病中识别生物标志物成为可能（表1）。李等人结合了scRNA-seq和bulk RNA-seq以及机器学习，识别出LUM和PCOLCE2（与氧化应激相关）作为心力衰竭的生物标志物。55通过RNA-seq-蛋白质组学整合，丹红注射液的心肌细胞保护作用与APEX1/MEF2D（氧化应激）相关联。56杨等人结合了代谢组学、16S rDNA和宏基因组学，预测了心肌梗死/心力衰竭中的“小分子-肠道微生物群”生物标志物轴。57, 58吴等人利用代谢组学-蛋白质组学-网络药理学区分了寒凝/气滞型和气滞/血瘀型冠状动脉心脏病，确定了PON1/ADIPOQ和APOE/APOA1作为潜在标志物。59血浆蛋白质组学-scRNA-seq在心力衰竭候选者中识别出了6种关键蛋白质（如NT-proBNP、ANGPT2）。60Reitz等人绘制了缺血/扩张型心肌病中的5000多种蛋白质和13000多个磷酸化位点，将CTNNA3的磷酸化与心肌细胞完整性联系起来。61茜草水提取物显著减轻了心肌缺血-再灌注损伤。定量蛋白质组学分析显示，该提取物在缺血/再灌注后逆转了Adgb、Cbr1、Decr1、Eif5、Uchl5、Lmo7、Bdh1、Ckmt2、COX7A和RT1-CE1的表达。这与氧化应激的减少、NLRP3炎性囊泡形成的抑制以及线粒体功能的恢复有关。62江等人基于转录组、蛋白质组和代谢组的整合构建了一个“基因-蛋白质-代谢”网络，发现6个关键调节因子AA、FOS、IL-1B、PTGE2、GAPDH和APP与炎症密切相关。63从中医角度来看，传统上用于“胸痹”的 GX-LB草药组合已被证明可以改善与血管病理相关的动脉粥样硬化。一项研究结合多普勒超声、近红外成像和免疫荧光技术，证明GX-LB促进了外膜中的淋巴瓣形成，从而增强了淋巴引流并减少了动脉粥样硬化斑块。其机制是GX-LB中的活性成分 rutin 和 kaempferol-3-O-β-rutinoside 靶向淋巴内皮细胞上的VEGFR3，改善了它们的增殖、迁移和淋巴瓣标志物的表达。这项研究揭示了中医通过调节外膜微环境和淋巴功能来缓解血管病变的先前未被探索的机制。64这些研究强调了多组学在解码疾病特异性生物标志物方面的能力。表1. 通过多组学整合在心脏病研究中识别的潜在生物标志物。生物标志物类型相关疾病基因组学来源参考LUM/PCOLCE2心力衰竭scRNA-seq+bulk RNA-seq55转录因子APEX1/MEF2D/PBX3心肌细胞损伤RNA-seq+蛋白质组学56生物标志物轴小分子-肠道微生物群心肌梗死/心力衰竭代谢组学+16S rDNA+宏基因组测序技术57, 58血浆蛋白质PON1/ADIPOQ/APOE/APOA1冠状动脉心脏病代谢组学、蛋白质组学+网络药理学59血浆蛋白质NT-proBNP/ANGPT2/THBS2/LTBP4/FSTL3心力衰竭/心肌梗死血浆蛋白质组学+scRNA-seq60蛋白质CT-NNA3缺血性心肌病/扩张型心肌病蛋白质组学+蛋白磷酸化组学61蛋白质Adgb/Cbr1/Decr1/Eif5/Uchl5/Lmo7/Bdh1/Ckmt2/COX7A/RT1-CE1心肌缺血-再灌注损伤定量蛋白质组学62基因AA/FOS/IL-1B/PTGE2/GAPDH/APPC冠状动脉心脏病转录组+蛋白质组学+代谢组学63蛋白质VEGFR3动脉粥样硬化（血管病变）网络药理学+分子生物学643.4. 多组学整合以揭示分子机制多组学交叉验证推进了对机制的理解（表2）。史等人结合了网络药理学、scRNA-seq和分子对接，揭示了奇朴生脉颗粒通过调节心肌细胞钙平衡来抑制心房颤动。具体来说，研究人员通过scRNA-seq分析了心房颤动模型小鼠（每组6只）的心肌组织，发现奇朴生脉颗粒显著上调了心肌细胞中的ATP2A2和CACNA1C的表达，同时下调了CAMK2B和NCX1的表达（|log2FC= > 2，p < 0.05）。分子对接验证了其三种主要活性成分（Calycosin 7-O-glucoside、Ononin、Schisandrin和Angeloylgomisin Q）与三种主要靶蛋白（CACNA1C、ATP2A2和CAMK2B）的稳定结合（结合能范围从?5.4 kcal/mol到?8.5 kcal/mol），从而抑制异常的钙离子释放并恢复钙平衡。65通过RNA-seq-蛋白质组学，发现黄芪甲苷IV的抗纤维化作用与细胞衰老和p53信号传导有关。实验数据具体显示，在异丙肾上腺素诱导的心肌纤维化小鼠模型中，黄芪甲苷IV治疗组（200 mg/kg/d，14天）显著降低了心脏组织中的p21 mRNA表达（约70%的减少，p < 0.01）和蛋白质水平（|log2FC= > 1，p < 0.01）。免疫荧光染色进一步确认心脏纤维母细胞中SA-β-gal阳性细胞的比例减少了50%（p < 0.01）——这是衰老的一个标志。66江等人将GX-LB与WNT/PI3K/AKT调节联系起来，减少了心肌梗死中的炎症/凋亡，并改善了能量代谢。67谭等人通过线粒体蛋白质组学/代谢组学分析，确定了四逆散的线粒体靶向成分，这些成分恢复了多柔比星诱导的心肌病中的能量代谢。68在瓣膜性心脏病，特别是钙化主动脉瓣疾病中应用多组学，正在揭示新的机制和中医靶点。一项开创性的研究利用单细胞测序和多组学确定了Lumican是钙化主动脉瓣疾病的关键促进因子。研究表明，Lumican通过增强糖酵解诱导的H3组蛋白乳酸化促进了瓣膜间质细胞的成骨分化，这是一种表观遗传修饰。这一机制在Lumican双重敲除小鼠中得到了系统验证，提供了关于瓣膜钙化中代谢-表观遗传相互作用的高分辨率见解。69单细胞通信网络进一步揭示了内皮细胞作为血管枢纽的作用。例如，糖尿病诱导的内皮BMP6信号传导驱动心肾纤维化，而中医（如SGLT2抑制剂）可能通过干扰配体-受体对来减轻这一过程。70黄等人利用功能氧化还原蛋白质组学表明，丹参水提取物通过抑制ROS依赖的凋亡来减轻阿霉素诱导的心肌病。71孙等人通过心脏/海马体蛋白质组学将双香芩方（一种心脑药剂）与S100A9介导的巨噬细胞/小胶质细胞炎症联系起来。72丹参中的钠盐A通过蛋白质组学/转录组学效应调节肌动蛋白细胞骨架、吞噬体和小胶质细胞凋亡途径。73最近的多组学研究开始阐明中医在管理心律失常中的机制，心律失常的特点是电传导紊乱。例如，在异丙肾上腺素诱导的心律失常大鼠模型中，一项关于养心定悸的研究结合了代谢组学和网络药理学。使用UPLC-Q-Exactive-Orbitrap-MS，研究人员在心脏组织中识别出67种差异代谢物，强调了组氨酸和鞘脂代谢的调节是关键途径。网络药理学预测了128个共同靶点，分子对接和动力学模拟确定liquiritin是对SRC和PTGS2等核心靶点具有最佳结合活性的关键成分。Western blot验证确认养心定悸显著抑制了ISO诱导的SRC和PTGS2蛋白的过表达，揭示了通过SRC-PTGS2途径的抗炎机制以减轻心肌损伤。74在另一个例子中，使用D-半乳糖诱导的心房颤动大鼠模型结合转录组学和代谢组学研究了奇朴生脉颗粒。多组学分析显示，奇朴生脉颗粒通过上调Nampt/NAD+途径减少了心房颤动的易感性，从而改善了钙平衡和电生理重塑。具体来说，奇朴生脉颗粒增加了心房NAD+/NADH水平，通过Oxi-CaMKII/RyR2ser2814途径减轻了钙负荷，并延长了动作电位持续时间，展示了治疗年龄相关心律失常的多目标方法。75总体而言，多组学为挖掘心脏病机制奠定了基础。通过多组学整合分析（图5），可以系统地揭示中医在多种病理过程中的协同机制。图6展示了多组学研究揭示的中医在心脏病中的关键分子机制。图6. 中医在心脏病中的关键分子机制网络。中医干预靶点途径/过程相关疾病基因组学来源参考奇朴生脉颗粒钙离子平衡心房颤动网络药理学+scRNA-seq+molecular docking65黄芪甲苷细胞衰老/p53信号传导心肌纤维化RNA-seq+蛋白质组学66GX-LB炎症/凋亡心肌梗死网络药理学+RNA-seq+代谢组学67四逆散心脏能量代谢/线粒体功能障碍心肌病线粒体代谢组+蛋白质组学68Lumican糖酵解-H3组蛋白乳酸化（表观遗传修饰）钙化主动脉瓣疾病SCS+多组学69SGLT2抑制剂，达格列净BMP6信号传导心肾纤维化单细胞通信网络70丹参水提取物ROS依赖性凋亡途径心肌病功能氧化还原蛋白质组学71双香芩方S100A9介导的巨噬细胞/小胶质细胞炎症心肌梗死蛋白质组学+高通量基因组+转录组数据72丹参中的钠盐A肌动蛋白细胞骨架/吞噬体/粘附斑块/紧密连接/凋亡/MAPK信号传导心肌梗死蛋白质组学+转录组73养心定悸组蛋白/NAD+途径；钙平衡心房颤动转录组学+代谢组学75下载：下载高分辨率图像（159KB）下载：下载全尺寸图像图5. 多组学分析中医机制的代表性案例。下载：下载高分辨率图像（291KB）下载：下载全尺寸图像图6. 中医-多组学在心脏病中的机制网络。红色：代表心脏病的病理状态。白色：描绘关键信号通路和标志物。浅绿色：突出显示中药复方或活性成分。这一网络可视化综合了表1和表2的发现，展示了多组学整合如何解析中医的系统性、多靶点机制。4. 从实验室到临床4.1. 中医多组学生物标志物在心脏病中的临床转化将组学衍生的生物标志物从基础研究转化为临床应用对于推进心脏病学的精准医学至关重要。这些生物标志物的临床验证需要包括发现、鉴定、验证和临床效用评估在内的严格阶段。多组学方法在识别能够区分患者、预测治疗反应以及监测中医在心脏病中治疗效果的生物标志物方面展现了巨大潜力。几种中医方剂已经显示出有希望的临床效果，这一效果得到了多组学证据的支持。例如，基于系统生物学和多组学研究的通心络胶囊已在涉及3777名急性心肌梗死患者的大规模随机临床试验（CTS-AMI）中进行了评估。该研究表明，通心络显著减少了30天和1年的主要不良心脏事件，为其心脏保护作用提供了强有力的临床证据。76另一个例子是七灵强心胶囊，在多中心 randomized controlled trials 中显示出改善心脏功能和降低心力衰竭患者的NT-proBNP水平。多组学分析表明，其治疗效果是通过调节cGMP-PKG信号通路和能量代谢实现的。16此外，广泛用于冠状动脉疾病的丹红注射液已在临床研究中得到验证，可以改善内皮功能并降低稳定型心绞痛患者的炎症标志物。综合组学方法识别了APEX1和MEF2D等关键靶点，这些靶点参与了氧化应激反应和心肌细胞保护。56这些临床成功突显了多组学策略在连接中医机制和临床应用方面的潜力。为了进一步增强临床相关性，最近的研究开始纳入患者来源的组织和前瞻性队列设计。例如，一项多中心前瞻性队列研究整合了接受七灵强心胶囊/登庄升脉胶囊治疗的心力衰竭患者的血浆蛋白质组和代谢组学数据。它识别了一组生物标志物（如NT-proBNP、sST2和phenylacetylglutamine），这些标志物能够预测治疗反应和心血管事件。16, 58同样，ST应用于扩张型心肌病患者的内膜心肌活检，揭示了中医干预调节的不同成纤维细胞激活状态，提供了临床效果的细胞水平见解。51然而，在组学生物标志物的临床转化方面仍存在挑战。这些挑战包括需要大规模的前瞻性队列、组学技术的标准化以及临床使用的监管批准。未来的工作应着重于在多样化患者群体中验证这些生物标志物，并开发基于组学特征的即时诊断工具。将人工智能与多组学数据相结合，有望加速生物标志物的发现和临床实施，最终促进针对心脏病的个性化中医治疗。4.2. 中草药-药物相互作用（HDIs）和安全性剖面的系统分析中医与传统心血管药物（如抗凝剂、抗血小板剂、β-阻滞剂和他汀类药物）的广泛使用需要全面了解HDIs。HDIs可能会改变共同给药药物的药动学（如吸收、分布、代谢和排泄）或药效学，导致疗效降低或毒性增加。77例如，据报道，丹参酸成分通过抑制华法林的代谢并与其竞争血浆蛋白结合，增强了华法林的效果，增加了出血风险。78同样，银杏叶提取物可能由于其血小板激活因子拮抗作用而与抗血小板药物相互作用。79多组学技术提供了一个强大的平台，可以系统地预测和验证HDIs。药代组学可以识别由中医化合物引起的代谢变化，这些变化干扰了药物代谢途径。80蛋白质组学和转录组学分析可以揭示药物代谢酶和转运蛋白的调节。81, 82在心脏病中医的背景下，应将这些方法应用于评估常用的制剂，如丹红注射液、七灵强心胶囊和通心络胶囊与标准治疗的联合使用。此外，安全性信号检测——传统上依赖于自发报告系统和临床试验——可以通过多组学数据得到增强。系统毒理学方法整合了高通量转录组学、蛋白质组学和代谢组学，以识别早期毒性生物标志物和机制途径。83未来的工作流程应纳入毒基因组数据库和人工智能驱动的预测模型，在临床试验前进行体外和体内的中医安全性评估。因此，将系统的HDI和安全性分析纳入多组学框架对于开发安全有效的基于中医的联合疗法和实现临床转化至关重要。从基础研究到临床应用的转化路径（图7）为中医药的现代化提供了一个清晰的路线图。下载：下载高分辨率图像（161KB）下载：下载全尺寸图像

图7. 中医药多组学研究的临床转化路线图。

5. 挑战与未来方向
5.1. 中医药特性在多组学分析中带来的独特挑战与解决方案
中医药的固有特性，包括其多组分性质和复杂的药代动力学，引入了一系列独特的挑战，这些挑战增加了多组学数据的获取、解释和重复性的难度。
5.1.1. 多组分配方的归因问题
中医药的“多组分、多靶点”治疗特性带来了一个严峻的归因问题。当一个复杂的配方引起广泛的分子变化时，很难区分哪些具体的生物活性组分负责观察到的效果。由此产生的组学特征是协同作用、叠加作用或拮抗作用的综合结果，这使得区分疗效的主要驱动因素和次要变化变得非常困难。潜在的解决方案包括通过研究单个草药或化合物以及整个配方来系统地剖析配方，并应用网络药理学和因果推断模型来优先考虑与受扰疾病模块接近的组分。
84, 85
5.1.2. 体内代谢转化与生物利用度
中医药成分通常会经过肠道微生物群和宿主酶的广泛代谢转化。这导致施用的草药提取物的化学组成与体内循环和靶组织中实际存在的生物活性代谢物之间存在关键差异。因此，多组学数据可能反映的是对这些转化代谢物的反应，而非原始成分，从而使得直接关联变得复杂。为了弥合这一差距，需要采用整合方法，例如将多组学与药代动力学研究相结合，以确定哪些组分能够到达靶器官，并更加重视代谢组学以捕捉体内动态的代谢景观。
86, 87
5.1.3. 批次间变异性与质量控制
草药材料的化学组成容易因地理来源、采收时间和加工方法的不同而发生变化。这种批次间的变异性会在组学读数中引入显著的技术噪声，可能导致研究结果不一致，并掩盖真正的生物标志物信号。缓解这一问题需要严格的化学标准化，包括使用UPLC-MS等技术对每个批次进行定量分析，为关键标志物化合物建立可接受性指标，并在实验设计中结合多个独立来源的批次来考虑这种变异性。
88, 89
5.1.4. 组学数据生成中的技术干扰
中医药样品的化学复杂性可能会直接干扰组学技术。例如，在代谢组学中，高丰度的药物衍生物化合物可能导致离子抑制，掩盖低丰度内源性代谢物的检测，降低分析覆盖率。解决这一问题需要优化样品制备协议以减少干扰，使用先进的仪器进行更好的分离和检测，并开发能够识别这些独特技术伪影的生物信息学流程。
90, 91
5.2. 多组学整合中的关键技术和方法学挑战
单细胞测序（SCS）与多组学的整合是一个强大的范式，但必须克服几个基本的技术障碍，以确保结果的稳健性和生物学可解释性。
5.2.1. 算法和分析瓶颈
多组学整合的有效性严重依赖于复杂的计算方法，而这些方法目前面临着几个限制。主要挑战之一是组学层次之间固有的异质性和规模差异。例如，单细胞RNA测序（scRNA-seq）数据的高维度可能会在整合分析中占据主导地位，相比之下，蛋白质组学或代谢组学数据的维度较低，这使得像MOFA+或Seurat的WNN这样的算法难以有效平衡各种模式的贡献。
41, 43
其次，在多组学研究中，批次效应校正要复杂得多。虽然像Harmony这样的工具在单一数据类型内表现良好，但在根本上不同的技术平台之间协调批次效应仍然是一个未解决的问题，有时可能会引入伪影。
42
第三，大多数当前的整合方法是描述性的或相关的，擅长识别共变关系，但无法建立因果关系。这种“相关而非因果”的差距是从观察性见解到机制理解的障碍。
5.2.2. 高成本和样本要求
除了算法挑战外，单细胞测序与多组学的实际应用还受到高成本和严格样本质量要求的限制。复杂系统中固有的大量生物噪声进一步要求较大的样本量才能达到统计功效，这使得许多实验室难以进行全面的科学研究。最近的技术创新，如UDA-seq，通过组合索引增加了细胞通量并降低了单细胞成本，为未来提供了有希望的途径。
92
然而，这些创新的广泛采用和验证，特别是在特定疾病背景下，仍在进行中。
5.3. 未来方向
目前大多数研究仍处于临床前阶段。将组学衍生的生物标志物和机制转化为临床试验需要更多来自患者的样本和心脏组织组学数据。关键的未来方向应包括：(Ⅰ) 开发更稳健且具有因果推断能力的整合算法，以处理中医药驱动反应的异质性；(Ⅱ) 扩大带有详细注释的临床样本的队列，并结合中医药成分的严格药代动力学分析，使组学发现基于生物学现实；(Ⅲ) 整合人工智能和系统生物学模型，预测化合物间的协同作用并从复杂网络中优先选择治疗靶点；(Ⅳ) 进行前瞻性的大规模队列验证研究，以确认组学衍生生物标志物（如炎症基因、氧化应激蛋白、代谢特征）的临床效用；(Ⅴ) 推动监管科学倡议，以标准化组学生物标志物的鉴定和复杂中医药干预的评估。

6. 通过多组学推进中医药启发下的药物发现与设计
单细胞测序与多组学的整合不仅限于机制 elucidation，还可以直接促进从中医药来源发现新药物的设计。这种方法提供了一种系统化、数据驱动的策略，用于挖掘中医药丰富的药物库中的新治疗实体。
6.1. 从生物活性组分到先导化合物
多组学技术可以作为强大的过滤器，从复杂的中医药配方中识别出最具治疗相关性的组分。例如，在研究四逆汤时，代谢组学和蛋白质组学的结合成功找到了靶向线粒体的组分，这些组分可以改善多柔比星引起的心肌病。
68 这一策略可以概括为：首先，无目标代谢组学识别到达靶组织或细胞的组分；然后，蛋白质组学/转录组学揭示其中哪些组分引发了有意义的生物学变化；最后，网络分析优先考虑与疾病模块网络距离较近的候选组分。这种多层次的过滤方法显著加速了从数千种中医药成分中识别出有前景的先导化合物的过程。
6.2. 目标解卷积与多药理学优化
在中医药基础上的药物发现中，一个主要挑战是多组分配方中分子靶点的解卷积。单细胞测序（SCS）和空间转录组学（ST）现在能够以细胞和空间精度识别靶点。例如，当发现六香保心丸能够特异性地在梗死区域促进Nppb/Npr3的表达时，
26
这不仅解释了该配方的机制，还突显了Nppb/Npr3作为缺血性损伤的潜在靶点。此外，通过分析细胞类型对中医药干预的特定反应，研究人员可以构建全面的靶点特征，为多药理学药物的设计提供信息。这对于像心力衰竭这样的复杂疾病尤其有价值，在这些疾病中，同时调节多个靶点可能比单一靶点方法更有效。
6.3. 生物标志物引导的患者分层与临床试验设计
多组学的生物标志物发现能力直接影响中医药衍生疗法的临床开发。在冠心病患者中识别不同的代谢亚型
59, 63
使得可以根据生物标志物进行患者分层，从而增加试验成功的可能性。例如，可以选择具有特定炎症或氧化应激特征的患者来试验能够调节这些途径的中医药化合物。这种方法符合精准医学的范式，可以显著提高中医药启发药物的临床开发效率。
6.4. 基于中医药的组合疗法的合理设计
多组学数据为基于中医药原理设计优化组合疗法提供了科学基础。通过绘制受中医药干预影响的完整调控网络，研究人员可以识别协同作用的靶点对，避免拮抗作用。例如，发现黄芪苷IV通过DUSP1-PHB2相互作用调节线粒体质量控制
24
表明将黄芪苷IV与其他线粒体保护剂结合可能会提高疗效。同样，了解中医药化合物破坏的细胞通信网络
70
有助于合理设计同时解决疾病病理生理学不同方面的多靶点方案。
6.5. 体外筛选与人工智能辅助的药物开发
通过多组学研究中医药机制生成的综合性数据集为体外筛选和人工智能方法提供了丰富的训练数据。一旦验证了关键靶点和通路，就可以利用分子对接和虚拟筛选来识别模仿中医药效果的新化合物，或优化现有中医药成分以改善药代动力学特性。多组学与人工智能的整合对于预测药物组合的通路级效应和加速中医药启发下的多药理学药物的开发特别有前景。

为了明确从多组学数据生成到临床应用的系统性流程，提出了一种多组学引导的中医药药物发现路线图（图8）。该路线图提供了一个战略框架，利用多组学技术来现代化中医药的药物发现和开发。
下载：下载高分辨率图像（618KB）下载：下载全尺寸图像

图8. 基于多组学的中医药药物发现和转化路线图，用于心脏疾病。

7. 结论
单细胞测序（SCS）、多组学和药理学分析的整合标志着中医药研究的一个范式转变。它将该领域从现象学转向了机制学期。本综述表明，单细胞测序的整合具有变革性，使中医药研究从观察组织水平的平均效应转变为解析细胞类型特异性甚至轨迹特异性的作用。它允许在心脏微环境中精确识别细胞靶点，发现用于患者分层的稳健生物标志物，并阐明解释多草药配方协同作用的一致性机制网络。关键的创新在于单细胞测序能够解决定义复杂心脏病和中医药整体性质的细胞异质性，从而在中医药干预与其精确细胞靶点之间建立了明确的联系。

本综述总结的关键发现表明，中医药干预常常集中在核心病理过程上，包括线粒体功能障碍、免疫细胞极化以及特定的细胞死亡途径（如铁死亡），这些现在可以通过多组学方法进行测量。然而，从实验室到临床应用的道路仍然需要克服重大障碍。为此，本文提出了一条明确的路径：首先，建立大规模的纵向生物库，并结合设计良好的临床试验进行深入的多组学分析是必要的。其次，开发先进的计算框架，特别是利用人工智能，对于整合这些复杂的高维数据集并生成可测试的假设至关重要。第三，必须共同努力系统地评估中医药化合物的安全性和药代动力学特性，特别是它们与传统药物的相互作用。通过采用这种多方面的策略，可以充分发挥中医药的潜力，最终将其确立为未来精准心脏病的基石。

除了机制阐明之外，单细胞测序与多组学的整合还建立了中医药启发下的药物发现的系统平台。这种方法使得从复杂的中医药配方中识别新的先导化合物成为可能，解卷积其细胞靶点，合理设计组合疗法，并进行生物标志物引导的临床开发。随着这些技术的成熟，它们将把中医药从一种经验性实践转变为数据驱动的创新心血管治疗来源。这可能会带来新的多靶点药物，比单一靶点方法更有效地解决心脏病的复杂病理生理学问题。

作者贡献
Lu Wang和Hongyan Su设计并进行了研究；Na Yuan和Te Wang分析了数据；Xiancheng Wang撰写了手稿。所有作者均阅读并批准了最终手稿。

CRediT作者贡献声明
Xiancheng Wang：撰写——审阅与编辑、撰写——初稿、可视化、验证、监督、方法学、研究。
Hongyan Su：软件、资源、项目管理、正式分析、数据管理、概念化。
Lu Wang：撰写——审阅与编辑、撰写——初稿、可视化、验证、监督、方法学、研究。
Te Wang：验证、软件、资源、正式分析、数据管理、概念化。
Na Yuan：资源、项目管理、正式分析、数据管理、概念化。

伦理批准和参与同意
不适用。

资金
没有需要报告的资金。