目的   基于多维度计算策略，解析异叶乌头治疗痛风的多靶点调控网络及分子机制。

方法   通过 IMPPAT 数据库和文献挖掘获取异叶乌头活性成分，利用 SwissTargetPrediction 预测其作用靶点，结合GeneCards中痛风相关靶点构建交集图谱，确定潜在治疗靶点。借助 Cytoscape 构建“成分-靶点”网络，通过STRING平台对核心作用靶点进行蛋白质-蛋白质相互作用（PPI）分析，将异叶乌头-痛风共同靶点进行GO功能与KEGG信号通路富集分析，通过分子对接验证结合亲和力，运用分子动力学模拟揭示稳定结合构象。

结果  共筛选出酪氨酸蛋白激酶Src（SRC）、丝/苏氨酸蛋白激酶1（AKT1）、信号转导子与转录激活子3（STAT3）、白细胞介素6（IL-6）4个核心作用靶点；GO功能富集分析获得870个条目，其生物过程主要涉及磷酸肌醇3-激酶（PI3K）-AKT信号调控，分子功能以激酶活性为主；KEGG信号通路分析表明，异叶乌头通过调控胰岛素抵抗等177个通路发挥作用；分子对接实验显示，刺乌头碱与AKT1结合能最低；分子动力学模拟表明复合物在200 ns 内稳定。

结论  异叶乌头可能通过刺乌头碱等活性成分协同作用于STAT3、AKT1等4个核心靶点，经 PI3K-AKT 信号轴发挥多维度抗痛风效应，为阐释其“多成分- 多靶点-多通路”作用机制提供了计算生物学证据。

痛风是一种因血尿酸水平持续升高导致尿酸钠晶体沉积在关节局部及周围组织沉积引发的炎症性疾病，其病理基础为高尿酸血症[1]。近年来我国痛风患病率呈显著上升趋势，流行病学调查显示2019年患病率已达15.3%~17.6%，且呈现年轻化趋势[2-3]。目前，临床治疗主要依赖秋水仙素、非甾体抗炎药、糖皮质激素及尿酸合成抑制剂等药物， 长期使用易引发肾、肝功能损害、药物性皮炎、胃肠道出血等不良反应[4-7]。这一治疗困境促使研究者转向探索更安全有效的替代疗法。

中医在治疗痛风中展现独特的优势，其通过多成分协同作用实现“祛湿降浊”的治疗理念，具有疗效显著且不良反应少的特点[8]。过去已有研究表明中药具有低成本、多化合物、多靶点、协同效应等特点。临床研究显示，包括固本泄浊方、芪苓颗粒等在内的复方制剂可通过多靶点调控显著降低血尿酸水平为中药现代化研究提供了重要参考[9-11]。乌头属植物作为传统药用资源，其含有的生物碱类成分已被证实具有显著抗炎镇痛活性[12]。其中，异叶乌头在抗风湿及关节疾病治疗中具有悠久应用历史，其活性成分阿替辛、异叶碱等可通过调节炎症通路发挥治疗作用[13-14]，但在痛风治疗中的具体机制尚未系统阐明。本研究在深入剖析现有文献的基础上，提出了异叶乌头治疗痛风的新途径。通过深入探索异叶乌头的成分，揭示了治疗痛风领域未被充分探讨的深层次机制。

当前中药研究已进入多学科交叉融合阶段，网络药理学通过构建“成分-靶点-通路”多维网络，可有效解析中药多靶点协同作用机制[15]。分子对接技术可精准识别活性成分与疾病靶点的结合模式；而分子动力学模拟则能动态解析受体-配体复合物的构象变化[16-17]。此外，美国食品药品监督管理局提倡使用生物工程及计算模型替代动物实验，这既是出于动物伦理的考量，也为了克服物种差异和体内外环境不一致导致的预测偏差[18-19]。例如，INS-1细胞与人胰岛对白细胞介素（interleukin，IL）-6的反应存在物种特异性变异，体外模型也难以模拟体内三维微环境[20]。因此，本研究采用分子对接与动力学模拟，在更接近人体内环境的计算体系中进行药物预测与机制研究。本研究创新性地整合上述技术体系，系统解析异叶乌头活性成分与痛风关键靶点的相互作用网络，通过分子对接验证结合亲和力，并运用分子动力学模拟揭示稳定结合构象，旨在从分子层面阐释异叶乌头治疗痛风的分子机制，为其临床转化提供参考。

1 资料与方法

1.1 异叶乌头活性成分及其对应靶点

在印度药物数据库（Indian Medicinal Plants, Phytochemistry And Therapeutics，IMPPAT，https://cb.imsc.res.in/imppat/home）[21-22]中，以“aconitum heterophyllum”为关键词检索，按照筛选条件：相对分子量（molecular weight，MW）≤500、脂水分配系数的对数值（AlogP）≤5、氢键供体（Hdon）≤5、氢键受体（Hacc）≤10、口服生物利用度（oral bioavailbilty，OB）≥30%、药物相似性（drug-likeness，DL）≥0.18，获得异叶乌头活性成分。为避免数据库覆盖不全所导致的数据缺失，通过查阅现有文献弥补潜在的数据误差，确保数据的完整和全面性。在文献中，以“aconitum heterophyllum”为关键词，查找并获取近10年有关异叶乌头的相关活性成分，去重后，得到异叶乌头有关活性成分。在PubChem数据库（https://pubchem.ncbi.nlm.nih.gov/）[23]中提取每个成分的SMILE结构，并将最终获得的异叶乌头相关活性成分的SMILES导入SwissTargetPrediction 数据库（http://swisstargetprediction.ch/）[24]中，搜集异叶乌头相关活性成分作用的对应靶点。

1.2 痛风疾病基因靶点

在GeneCards数据库（http://www.genecards.org/）[25]中，以“gout”为关键词检索，获得痛风相关靶点，以相关值（relevance score）≥7（该数据库默认的高相关性阈值），获取高置信度的筛选痛风相关疾病靶点。

1.3 异叶乌头与痛风交集基因

将异叶乌头活性成分对应的活性靶点和痛风的疾病靶点导入在线作图工具平台系统Venny 2.1（https://bioinfogp.cnb.csic.es/tools/venny/index.html），获得异叶乌头与痛风的交集基因。

1.4 “异叶乌头-活性成分-靶点”网络构建

将异叶乌头活性成分及其对应靶点与蛋白受体分别一一对应，构建为network文件。将异叶乌头与痛风的交集基因构建为tape文件。将两个文件导入Cytoscape 3.10.0软件[26]，构建“异叶乌头-活性成分-靶点”网络，反映异叶乌头活性成分与痛风之间的关系。

1.5 PPI网络构建与核心基因筛选

将得到的异叶乌头与痛风的交集靶点录入STRING功能蛋白联系网络数据库（https://cn.string-db.org/）[27]，选择“多种蛋白”（multiple proteins），限定物种为“Homo sapiens”，置信度≥0.7为筛选条件，隐藏网络中未连接的节点，获得蛋白质-蛋白质相互作用（protein protein interaction，PPI）网络图。将PPI网络的TSV格式文件导入Cytoscape 3.10.0软件，借助插件CytoNCA对PPI网络进行分析，计算PPI网络的中介中心性（betweenness centrality，BC）、紧密中心性（closeness centrality，CC）、度中心性（degree centrality，DC）、特征向量中心性（eigevector centrality，EC）、局部平均连通性（local average connectivity-based method centrality，LAC）、网络中心性（network centrality，NC），以BC、CC、DC、EC、LAC、NC值大于中位数为筛选条件进行筛选。由于数据的广泛化，同时为了避免数据的冗余和突出核心靶点，重复3轮实验和筛选，最终获得异叶乌头治疗痛风的核心基因。

1.6 GO功能和KEGG信号通路分析

将异叶乌头-痛风共同靶点上传至DAVID数据库（https://david.ncifcrf.gov/）[28]进行GO功能和KEGG通路富集分析，限定物种为“Homo sapiens”，得到交集靶点的GO功能与KEGG信号通路富集分析结果。以P＜0.05为条件筛选具有统计学意义的GO功能和KEGG信号通路。选取GO功能分析中生物过程（biological process，BP）、细胞组成（cellular component，CC）、分子功能（molecular function，MF）排序前10和KEGG信号通路前20富集结果导入微生信-在线生物信息学分析可视化云平台（http://www.bioinformatics.com.cn），进行可视化呈现。

1.7 分子对接

在PubChem数据库中下载核心靶点对应活性成分的2D结构pdb格式文件，在Chem3D 软件中最小能量化分子，并转化为mol2格式的文件。在PDB（https://www.rcsb.org/）数据库[29]中下载核心靶点与其对应的异叶乌头主要成分关键靶点的3D结构，通过PyMol软件将受体进行水分子和配体的去除，下载核心靶点与其对应的异叶乌头主要成分并以pdb格式保存。在AutoDock Vina 1.2.0软件[30]中将核心靶点与其对应的异叶乌头主要成分进行分子对接，并借助PyMol软件可视化分子对接结果。

1.8 分子动力学模拟

为进一步证明配体与蛋白质之间结合程度与稳定性，对分子对接结果进行了200 ns的分子动力学模拟。首先，于PyMol软件中分别提取刺乌头碱及其受体丝氨酸/苏氨酸蛋白激酶（serine/threonine-protein kinase，AKT）1的结构信息，保存为PDB文件。随后，将异叶乌头的PDB结构导入Avogadro软件进行加氢处理，并输出为MOL2格式。最终，借助Sobtop软件包进行力场参数化，生成与Gromacs兼容的拓扑文件及力场参数。使用分子动力学软件Gromacs 2022.5对分子对接中结合能最低的小分子配体和蛋白质受体进行动力学模拟。使用AMBER99SB（Assisted Model Building with Energy Refinement 99 Stony Brook）力场，生成蛋白质的拓扑结构。合并配体和蛋白质的拓扑文件和坐标信息，生成蛋白质-配体复合物拓扑结构。添加SPC水模型，设置水模型的边界与复合物系统最小距离为1 Å。添加抗衡离子（阳离子为钠离子，阴离子为氯离子）。首先使用最速下降法进行5 000步长的能量优化，然后利用共轭梯度法继续进行1 000步长的收敛优化，以达到能量最小值。系统温度设定在300 K，采用网络虚拟终端（network virtual terminal，NVT）系综进行200  ps的平衡模拟，后将平衡的系统继续放入非分组式终端（non-packet terminal，NPT）系综运行200 ps进行平衡（温度300 K，压力1 bar）。最后在NPT系统下进行200 ns的动力学模拟。模拟完成后，分析轨迹并计算均方根偏差（root mean square deviation，RMSD）、均方根升降（root mean square fluctuation，RMSF）、溶剂可及表面积（solvent accessible surface area，SASA）、氢键（hydrogen bonds，H-bonds）和回转半径（radius of gyration，Rg ）。

2 结果

2.1 异叶乌头活性成分和靶点的筛选

通过IMPPAT数据库最终得到核替生酮（hetisinone）、海替定（hetidine）、β-谷甾醇（beta-sitosterol）等19个异叶乌头相关活性成分；文献搜集获得32个异叶乌头相关活性成分，合并去重后最终获得29个异叶乌头的相关活性成分。经SwissTargetPrediction 数据库筛选得到神经元乙酰胆碱受体亚单位α-7（neuronal acetylcholine receptor subunit alpha-7，CHRNa7）、ATP敏感内向整流钾通道1（ATP-sensitive inward rectifier potassium channel 1，KCNJ1）和丝氨酸/苏氨酸蛋白激酶Pim-3（serine/threonine-protein kinase pim-3，PIM3）等450个异叶乌头活性成分对应的潜在靶点。

2.2 痛风基因靶点筛选

GeneCards数据库中得到7 298个痛风靶点，筛选后得到1 974个痛风相关疾病靶点。

2.3 异叶乌头与痛风交集

将异叶乌头的活性靶点与痛风基因靶点录入Venny 2.1系统，得到200个（9%）交集靶点（图1）。

• 
  图1 异叶乌头与痛风交集靶点韦恩图

  Figure 1.Venn diagram of the intersection targets of Aconitum Heterophyllum and gout

  

2.4 “异叶乌头-活性成分-靶点”网络

使用cytoscape 3.10.0软件，构建异叶乌头-活性成分-靶点网络，如图2所示，获得220个节点，501条边。按照中心界值的由大到小排序，关系紧密的前5种活性成分为：马钱子碱（aricine）、6-苯甲酰基异马钱子碱（6-benzoylheteratisine）、β-谷甾醇（beta-sitosterol）、阿魏酸（ferulic acid）、异马钱子碱（isoatisine）。异叶乌头单一活性成分可作用于多个异叶乌头治疗痛风的潜在靶点，多种活性成分可作用于同一潜在靶点，表明明异叶乌头可通过多种活性成分调控多个潜在靶点治疗痛风。

• 
  图2 药物-成分-靶点网络

  Figure 2.Drug-component-target network

  注：中间橙色节点代表药物异叶乌头；绿色的节点为异叶乌头治疗痛风的潜在作用靶点；紫色的节点为活性成分，节点大小为中心界值的大小，节点越大活性成分与靶点之间的关系越紧密；节点间的连线表示两个节点间的相互作用。

  

2.5 PPI网络构建和核心基因筛选

将得到的异叶乌头与痛风的交集靶点导入STRING功能蛋白联系网络数据库构建PPI网络，共得到200个节点，879条边，平均节点度值为8.79（图3）。通过Cytoscape 3.10.0软件对STRING数据库得到的TSV文件进行可视化；利用Cytoscape 3.10.0软件的CytoNCA插件，计算PPI网络的BC、CC、DC、EC、LAC、NC值，Excel中筛选核心靶点，重复筛选3次得到4个核心靶点：酪氨酸蛋白激酶Src（tyrosine-protein kinase SRC，Src）、AKT1、信号转导子与转录激活子（signal transducer and activator of transcription 3，STAT3）、IL-6，具体过程见图4。

• 
  图3 异叶乌头治疗痛风靶点的PPI网络图

  Figure 3.PPI network diagram of the therapeutic targets of Aconitum Heterophyllum for gout treatment

  

• 
  图4 异叶乌头治疗痛风的核心靶点筛选过程

  Figure 4.The screening process of the core target for treating gout with Aconitum Heterophyllum

  

2.6 GO功能和KEGG通路富集分析

将得到的异叶乌头与痛风的交集靶点导入DAVID数据库，进行GO和KEGG通路富集分析。GO功能富集分析共得到870个GO条目，包括575个BP，89个CC，206个MF。BP主要为：肽基-酪氨酸磷酸化（peptidyl-tyrosine phosphorylation）、蛋白质磷酸化（protein phosphorylation）、胰岛素样生长因子受体信号通路（insulin-like growth factor receptor signaling pathway）；CC主要为：质膜小窝（caveola）、溶酶体（lysosomal lumen）、受体复合物（receptor complex）；MF主要为：核受体活性（nuclear receptor activity）、酶结合（enzyme binding）、蛋白酪氨酸激酶活性（protein tyrosine kinase activity），具体见图5。KEGG通路富集分析得到177个KEGG信号通路富集条目，主要包括化学致癌作用-受体激活（chemical carcinogenesis-receptor activation）、表皮生长因子受体（epidermal growth factor receptor，EGFR）酪氨酸激酶抑制剂耐药性（EGFR tyrosine kinase inhibitor resistance）、胰岛素抵抗（insulin resistance），具体见图6。

• 
  图5 GO功能富集分析

  Figure 5.GO function enrichment analysis

  

• 
  图6 KEGG信号通路富集分析

  Figure 6.KEGG signal pathway enrichment analysis

  

2.7 分子对接

结合能越小，活性成分与核心靶点间结合活性越强。当结合能小于-4.0 kcal/mol（1 kcal/ mol=4.182 kJ /mol）时，活性成分与核心靶点有良好的亲和力；当结合能小于-7.0 kcal/mol时，活性成分与核心靶点间有强烈的结合活性。将异叶乌头治疗痛风的核心靶点（SRC、STAT3、IL-6、AKT1）与对应的9种活性成分（高乌甲素、阿里辛、阿替定、6-苯甲酰异乌头碱、异阿替辛、刺乌头碱、夹竹桃碱、阿魏酸、异叶乌头定）进行分子对接（表1）。异叶乌头的活性成分与核心靶点对接的结合能均低于-5.0 kcal/mol，说明核心靶点与主要活性成分均有良好的结合能力，其中与AKT1的平均结合能最小，可以推测出AKT1为异叶乌头治疗痛风最核心的靶点。刺乌头碱与AKT1的结合能最小，结合活性最强，推测刺乌头碱可能为异叶乌头治疗痛风的最主要的活性成分。临床上普遍使用别嘌呤醇等药物治疗痛风，根据Ghallab等[31]研究，别嘌呤醇的分子结合能为-4.975 kcal/mol，比刺乌头碱与AKT1的结合能高，说明其结合能力较弱，证明异叶乌头在治疗痛风方面具有极大的潜在优势和效果。通过PyMol软件对异叶乌头活性成分与核心靶点之间的相互作用进一步分析，结果显示异阿替辛与AKT1以及异叶乌头定与IL-6对接结合能最低时未形成氢键，其余主要成分与核心靶点结合形成1~9个氢键，具有较好的结合能力（图7）。

• 
  表格1 异叶乌头治疗痛风的主要成分与核心靶点对接结合能

  Table 1.Main components of Aconitum Heterophyllum in treating gout and their core target binding energies

  

• 
  图7 异叶乌头治疗痛风的主要成分与核心靶点的分子对接示意图

  Figure 7.Molecular docking diagram of the main components and core targets of Aconitum Heterophyllum in the treatment of gout

  

2.8 分子动力学模拟

为验证靶蛋白-配体复合物的稳定性，开展刺乌头碱与AKT1的分子动力学模拟研究。RMSD值表示模拟过程中的构象与初始构象之间的位置变化，其变化趋势是判断模拟是否达到稳定的重要表征。如图8所示，在前20 ns内，蛋白质RMSD发生激烈变化；在模拟时长约为200 ns时，波动幅度较小，表明所有体系在整个模拟过程中都趋于稳定状态。同时靶蛋白-配体复合物的波动都在合理范围内，不超过0.6 nm。RMSF能够体现每个氨基酸残基在模拟过程中的柔性和运动剧烈程度。如图9所示，大多数氨基酸残基的波动范围小于1.2 nm，表明在整个模拟过程中蛋白质的柔性变化在合理区间内。SASA指生物分子（如蛋白质）表面可被溶剂分子接触到的区域面积，是研究分子间相互作用和稳定性的关键参数。SASA的稳定波动说明所模拟的分子（如蛋白质）在模拟过程中未发生明显的去折叠或结构坍塌，其三级结构保持相对完整；SASA的均值与波动范围较小，提示分子表面的疏水/亲水区域分布未发生显著重组，结构处于动态平衡状态（图10）。H-bonds对维持生物大分子（如蛋白质、核酸）的结构与功能至关重要。氢键数量平稳，波动强烈，证明模拟体系已经充分平衡并收敛（图11）。Rg用于描述分子或粒子质量分布紧凑程度的物理量。总Rg和各轴向Rg近乎恒定的数值表明，所模拟的分子（或复合物）结构刚性较强，在模拟时间内未发生任何显著的全局伸展、收缩或形变，说明该蛋白质-配体复合物处于一个折叠良好、稳定性极高的状态（图12）。根据上述分析结果显示，在为期200 ns的分子动力学模拟过程中维持平衡状态，表明刺乌头碱与AKT1的结合相对稳定。

• 
  图8 蛋白质-配体复合物分子动力学模拟RMSD图

  Figure 8.RMSD plot of molecular dynamics simulation of protein-ligand complex

  

• 
  图9 蛋白质-配体复合物的动力学模拟RMSF图

  Figure 9.RMSF plot of the dynamics simulation of the protein-ligand complex

  

• 
  图10 蛋白质-配体复合物的动力学模拟SASA图

  Figure 10.SASA plot of the dynamics simulation of the protein-ligand complex

  

• 
  图11 蛋白质-配体复合物的动力学模拟H-bonds图

  Figure 11.H-bonds plot of the dynamics simulation of the protein-ligand complex

  

• 
  图12 蛋白质-配体复合物的动力学模拟Rg图

  Figure 12.Rg plot of the dynamics simulation of the protein-ligand complex

  

3 讨论

痛风作为全球公共卫生问题，其高发病率、治疗依从性差及致残性并发症等特征显著增加社会经济负担[32]。从中医辨证角度分析，急性期痛风多属湿热蕴结证，典型表现为关节红肿热痛等炎性反应[33]。若未及时干预可能进展为关节畸形及功能丧失，严重影响患者生活质量[34]。在当前缺乏根治性疗法的背景下，中医药通过多途径调控机体代谢稳态，在改善临床症状、降低血尿酸及抑制晶体沉积等方面展现出独特优势[35]。异叶乌头产于南亚，作为南亚传统医学体系的重要药用资源，在阿育吠陀医学中广泛用于发热性疾病、呼吸系统疾病及代谢紊乱的治疗[36-37]。最新药理学研究证实其提取物对类风湿性关节炎和痛风模型具有显著抗炎活性[38]。

磷脂酰肌醇3-激酶（phosphoinositide 3-kinase，PI3K）-AKT信号轴是炎症反应的重要调节通路[39]。已经有研究表明AKT被细胞因子以依赖于PI3K的方式激活[40-42]。该通路可调节炎症因子的生成，并影响NOD样受体3炎症小体活化加剧炎症[43]。同时，PI3K-AKT参与尿酸转运蛋白的表达调控，影响尿酸重吸收与排泄，进而调节血尿酸水平。PI3K-AKT通路可被多种受体酪氨酸激酶激活[44-46]，并通过下游因子调控炎症相关基因表达。该通路还能通过调控葡萄糖代谢中的关键酶（如葡萄糖转运体[47]、己糖激酶 2[48]、6-磷酸果糖-2-激酶/果糖-2,6-二磷酸酶  3[49]、肌肉丙酮酸激酶同工酶2[50]），影响细胞能量状态和代谢流向，间接调节尿酸生成与排泄平衡。因此，靶向PI3K-AKT通路及其下游代谢与炎症效应分子，可能为痛风治疗提供新的干预策略。

本研究通过多数据库整合筛选获得异叶乌头29个活性成分及200个潜在治疗靶点，其中STAT3、AKT1、IL-6和SRC被确认为核心调控靶点。此外，SRC作为酪氨酸激酶家族成员，其抑制剂达沙替尼已被证实可通过阻断中性粒细胞活化减轻痛风性关节炎[51]。AKT1作为PI3K-AKT-哺乳动物雷帕霉素靶蛋白通路的关键节点，在调节尿酸代谢稳态中发挥核心作用[52]。此外，IL-6/STAT3信号轴的激活已被证实与痛风炎症级联反应密切相关，以及通过抑制IL-6通路可以用于治疗痛风的相关靶点[53-54]。

GO富集显示结果，异叶乌头主要干预肽基磷酸化修饰、胰岛素样生长因子受体信号及PI3K-AKT通路等生物学过程，其作用位点显著富集于质膜微域（如质膜小窝）和激酶活性相关分子功能。KEGG通路分析进一步揭示其通过调节AMP活化蛋白激酶/细胞因子信号转导抑制因子3[55]、核因子-κB[56]等关键炎症通路，以及胰岛素抵抗、糖化终产物和其受体等代谢相关通路发挥治疗作用。这种代谢-炎症双重调控特征与痛风“高尿酸-晶体沉积-炎症风暴”的病理进程高度契合。

分子对接显示9个核心成分（如刺乌头碱、高乌甲素）与4个核心靶点均具有显著结合活性（结合能＜-7.0 kcal/mol），其中刺乌头碱与AKT1的结合构象最为稳定。分子动力学模拟进一步证实，刺乌头碱-AKT1复合物在200 ns模拟时间内维持稳定构象，其结合主要通过疏水口袋内的π-烷基作用和氢键网络实现。这一发现为异叶乌头调节PI3K-AKT信号通路提供了结构生物学依据。本研究首次系统解析异叶乌头通过“多成分-多靶点-多通路”协同网络治疗痛风的分子机制：①通过SRC/STAT3抑制中性粒细胞过度活化；②经AKT1调控尿酸代谢稳态；③干预IL-6介导的炎症级联反应。值得关注的是，刺乌头碱作为新型AKT1抑制剂候选分子，其独特的结合模式为开发高选择性抗痛风药物提供了先导结构。

1.贺雅萌, 王镁. 国内外最新痛风诊疗指南的解读和比较 [J]. 风湿病与关节炎, 2022, 11(8): 53-57, 62. [He YM, Wang  M. Interpretation and comparison of the latest domestic and international guidelines for gout diagnosis and treatment[J]. Rheumatology and Arthritis, 2022, 11(8): 53-57, 62.] DOI: 10.3969/j.issn.2095-4174.2022.08.013.

2.Li Y, Shen Z, Zhu B, et al. Demographic, regional and temporal trends of hyperuricemia epidemics in mainland China from 2000 to 2019: a systematic review and meta-analysis[J]. Glob Health Action, 2021, 14(1): 1874652. DOI: 10.1080/16549716.2021.1874652.

3.韦尼. 痛风患者常见的认识误区[J]. 家庭医学（下半月）, 2019, (1): 26-27. [Wei N. Common misconceptions among gout patients[J]. Family Medicine (Lower Half-Month), 2019, (1): 26-27.] DOI: 10.3969/j.issn.1001-0203.2019.01.012.

4.方宁远, 吕力为, 吕晓希, 等. 中国高尿酸血症相关疾病诊疗多学科专家共识（2023年版）[J]. 中国实用内科杂志, 2023, 43(6): 461-80. [Fang NY, Lyu LW, Lyu XX, et al. Multidisciplinary expert consensus on diagnosis and treatment of hyperuricemia-related diseases in China (2023 edition)[J]. Chinese Journal of Practical Internal Medicine, 2023, 43(6): 461-480.] DOI: 10.19538/j.nk2023060106.

5.Heitel P, Gellrich L, Heering J, et al. Urate transporter inhibitor lesinurad is a selective peroxisome proliferator-activated receptor gamma modulator (sPPARγM) in vitro[J]. Sci Rep, 2018, 8(1): 13554. DOI: 10.1038/s41598-018-31833-4.

6.Mandal AK, Mercado A, Foster A, et al. Uricosuric targets of tranilast[J]. Pharmacol Res Perspect, 2017, 5(2): e00291. DOI: 10.1002/prp2.291.

7.Stamp LK, Merriman TR, Singh JA. Expert opinion on emerging urate-lowering therapies[J]. Expert Opin Emerg Drugs, 2018, 23(3): 201-209. DOI: 10.1080/14728214.2018.1527899.

8.朱君, 余俊文. 痛风的中药治疗研究进展[J]. 辽宁中医药大学学报, 2008, 10(10): 62-64. [Zhu J, Yu JW. Advances in traditional Chinese medicine treatment for gout[J]. Journal of Liaoning University of Traditional Chinese Medicine, 2008, 10(10): 62-64.] DOI: 10.3969/j.issn.1673-842X.2008.10.034.

9.梁谋, 钟建, 魏清兰, 等. 固本泄浊方治疗无症状高尿酸血症的临床观察及安全性评价[J]. 江西中医药, 2018, 49(6): 32-34. [Liang M, Zhong J, Wei QL, et al. Clinical observation and safety evaluation of Guiben Xiezhuo formula in treating asymptomatic hyperuricemia[J]. Jiangxi Journal of Traditional Chinese Medicine, 2018, 49(6): 32-34.] https://www.cnki.com.cn/Article/CJFDTOTAL-JXZY201806017.htm.

10.徐红, 罗恒, 陈坚翱. 基于代谢组学对中药芪苓颗粒治疗高尿酸血症的疗效及安全性评价[J]. 中华中医药杂志, 2017, 32(10): 4644-4647. [Xu H, Luo H, Chen JA. Evaluation of the efficacy and safety of the traditional Chinese medicine Qiling granules in treating hyperuricemia based on metabolomics[J]. Journal of Chinese Medicine and Traditional Chinese Medicine, 2017, 32(10): 4644-4647.] https://www.cnki.com.cn/Article/CJFDTOTAL-BXYY201710089.htm.

11.Nie J, Zhao C, Deng LI, et al. Efficacy of traditional Chinese medicine in treating cancer[J]. Biomed Rep, 2016, 4(1): 3-14. DOI: 10.3892/br.2015.537.

12.Wani TA, Kaloo ZA, Dangroo NA. Aconitum heterophyllum Wall. ex Royle: a critically endangered medicinal herb with rich potential for use in medicine[J]. J Integr Med, 2022, 20(2): 104-113. DOI: 10.1016/j.joim.2021.12.004.

13.杨舜伊, 袁纯红, 蒋高华, 等. 乌头属植物生物碱研究新进展 [J]. 湖北农业科学, 2020, 59(23): 5-10. [Yang SY, Yuan  CH, Jiang GH, et al. Recent advances in research on aconitine alkaloids from Aconitum species[J]. Hubei Agricultural Sciences, 2020, 59(23): 5-10.] DOI: 10.14088/j.cnki.issn0439-8114.2020.23.001.

14.Choudhary A, Shekhawat D, Pathania J, et al. Exploring DNA barcode for accurate identification of threatened Aconitum L. species from Western Himalaya[J]. Mol Biol Rep, 2024, 51(1): 75. DOI: 10.1007/s11033-023-08927-y.

15.Li S, Zhang B. Traditional Chinese medicine network pharmacology: theory, methodology and application[J]. Chin J Nat Med, 2013, 11(2): 110-120. DOI: 10.1016/s1875-5364(13)60037-0.

16.段爱霞, 陈晶, 刘宏德, 等. 分子对接方法的应用与发展[J]. 分析科学学报, 2009, 25(4): 473-437. [Duan AX, Chen J, Liu HD, et al. Application and development of molecular docking methods[J]. Journal of Analytical Science, 2009, 25(4): 473-477.] https://www.cnki.com.cn/Article/CJFDTOTAL-FXKX200904025.htm.

17.Wu X, Xu L Y, Li EM, et al. Application of molecular dynamics simulation in biomedicine [J]. Chem Biol Drug Des, 2022, 99(5): 789-800. DOI: 10.1111/cbdd.14038.

18.Wadman M. FDA no longer has to require animal testing for new drugs[J]. Science, 2023, 379(6628): 127-128. DOI: 10.1126/science.adg6276.

19.Zambuto SG, Kolluru SS, Harley BAC, et al. Gelatin methacryloyl biomaterials and strategies for trophoblast research[J]. Placenta, 2024, 157: 67-75. DOI: 10.1016/j.placenta.2024.09.016.

20.Taneera J, Khalique A, Mohammed AK, et al. Investigating the impact of IL6 on insulin secretion: evidence from INS-1 cells, human pancreatic islets, and serum analysis[J]. Cells, 2024, 13(8). DOI: 10.3390/cells13080685.

21.Mohanraj K, Karthikeyan BS, Vivek-Ananth RP, et al. IMPPAT: a curated database of Indian medicinal plants, phytochemistry and therapeutics[J]. Sci Rep, 2018, 8(1): 4329. DOI: 10.1038/s41598-018-22631-z.

22.Vivek-Ananth RP, Mohanraj K, Sahoo AK, et al. IMPPAT 2.0: an enhanced and expanded phytochemical atlas of Indian medicinal plants[J]. ACS Omega, 2023, 8(9): 8827-8845. DOI: 10.1021/acsomega.3c00156.

23.Kim S, Chen J, Cheng T, et al. PubChem 2025 update[J]. Nucleic Acids Res, 2025, 53(D1): D1516-d25. DOI: 10.1093/nar/gkae1059.

24.Daina A, Michielin O, Zoete V. SwissTargetPrediction: updated data and new features for efficient prediction of protein targets of small molecules[J]. Nucleic Acids Res, 2019, 47(W1): W357-W364. DOI: 10.1093/nar/gkz382.

25.Stelzer G, Rosen N, Plaschkes I, et al. The GeneCards suite: from gene data mining to disease genome sequence analyses[J]. Curr Protoc Bioinformatics, 2016, 54: 1.30.1-1.30.33. DOI: 10.1002/cpbi.5.

26.Shannon P, Markiel A, Ozier O, et al. Cytoscape: a software environment for integrated models of biomolecular interaction networks[J]. Genome Res, 2003, 13(11): 2498-2504. DOI: 10.1101/gr.1239303.

27.Szklarczyk D, Kirsch R, Koutrouli M, et al. The STRING database in 2023: protein-protein association networks and functional enrichment analyses for any sequenced genome of interest[J]. Nucleic Acids Res, 2023, 51(D1): D638-D646. DOI: 10.1093/nar/gkac1000.

28.Sherman BT, Hao M, Qiu J, et al. DAVID: a web server for functional enrichment analysis and functional annotation of gene lists (2021 update)[J]. Nucleic Acids Res, 2022, 50(W1): W216-W221. DOI: 10.1093/nar/gkac194.

29.Ormö M, Cubitt AB, Kallio K, et al. Crystal structure of the Aequorea victoria green fluorescent protein[J]. Science, 1996, 273(5280): 1392-1395. DOI: 10.1126/science.273.5280.1392.

30.Sanner MF. Python: a programming language for software integration and development[J]. J Mol Graph Model, 1999, 17(1): 57-61. https://pubmed.ncbi.nlm.nih.gov/10660911/.

31.Ghallab DS, Shawky E, Metwally AM, et al. Integrated in silico-in vitro strategy for the discovery of potential xanthine oxidase inhibitors from Egyptian propolis and their synergistic effect with allopurinol and febuxostat[J]. RSC Adv, 2022, 12(5): 2843-2872. DOI: 10.1039/d1ra08011c.

32.李敏, 郎吉瑞, 李延芳, 等. 痛风和高尿酸血症的藏医药治疗研究进展[J]. 中药药理与临床, 2024, 40(11): 120-128. [Li M, Lang JR, Li YF, et al. Advances in Tibetan medicine treatment for gout and hyperuricemia[J]. Chinese Journal of Pharmacology and Clinical Medicine, 2024, 40(11): 120-128.] DOI: 10.13412/j.cnki.zyyl.20240912.006.

33.梁晖, 张意侗, 解纪惠, 等. 急性痛风性关节炎的中药治疗进展[J]. 中国中医急症, 2019, 28(3): 553-556. [Liang  H, Zhang YT, Xie JH, et al. Advances in traditional Chinese medicine treatment for acute gouty arthritis[J]. Chinese Journal of Traditional Chinese Medicine Emergency, 2019, 28(3): 553-556.] DOI: 10.3969/j.issn.1004-745X.2019.03.052.

34.Rees F, Hui M, Doherty M. Optimizing current treatment of gout[J]. Nat Rev Rheumatol, 2014, 10(5): 271-283. DOI: 10.1038/nrrheum.2014.32.

35.胡宛婷, 黄远志, 金徐鹏, 等. 基于网络药理学结合分子动力学模拟探讨五味消毒饮治疗急性痛风性关节炎的作用机制[J]. 时珍国医国药, 2024, 35(7): 1786-1790. [Hu WT, Huang YZ, Jin XP, et al. Mechanism of action of Wuwei Xiaodu decoction in treating acute gouty arthritis based on network pharmacology combined with molecular dynamics simulation[J]. Shizhen Guoyi Guoyao, 2024, 35(7): 1786-1790.] DOI: 10.3969/j.issn.1008-0805.2024.07.65.

36.Anmol, Kumari S, Kumar R, et al. Antiplasmodial diterpenoid alkaloid from Aconitum heterophyllum Wall. ex Royle: Isolation, characterization, and UHPLC-DAD based quantification[J]. J Ethnopharmacol, 2022, 287: 114931. DOI: 10.1016/j.jep.2021.114931.

37.Gururani R, Patel S, Bisht A, et al. Airways relaxant and antiasthmatic activity of Aconitum heterophyllum Wall ex Royle. roots: a mechanistic insight[J]. Cell Biochem Biophys, 2024, 82(3): 2607-2624. DOI: 10.1007/s12013-024-01374-x.

38.Shoaib A, Salem-Bekhit MM, Siddiqui HH, et al. Antidiabetic activity of standardized dried tubers extract of Aconitum napellus in streptozotocin-induced diabetic rats[J]. 3 Biotech, 2020, 10(2): 56. DOI: 10.1007/s13205-019-2043-7.

39.Xu M, Zhai W, Zhang Y, et al. Kaixin Jieyu Granule attenuates neuroinflammation-induced depressive-like behavior through TLR4/PI3K/AKT/FOXO1 pathway: a study of network pharmacology and experimental validation[J]. BMC Complement Med Ther, 2023, 23(1): 156. DOI: 10.1186/s12906-023-03970-5.

40.Franke TF, Yang SI, Chan TO, et al. The protein kinase encoded by the Akt proto-oncogene is a target of the PDGF-activated phosphatidylinositol 3-kinase[J]. Cell, 1995, 81(5): 727-736. DOI: 10.1016/0092-8674(95)90534-0.

41.Kohn AD, Kovacina KS, Roth RA. Insulin stimulates the kinase activity of RAC-PK, a pleckstrin homology domain containing ser/thr kinase[J]. Embo J, 1995, 14(17): 4288-4295. DOI: 10.1002/j.1460-2075.1995.tb00103.x.

42.Burgering BM, Coffer PJ. Protein kinase B (c-Akt) in phosphatidylinositol-3-OH kinase signal transduction[J]. Nature, 1995, 376(6541): 599-602. DOI: 10.1038/376599a0.

43.Guo N, Wang X, Xu M, et al. PI3K/AKT signaling pathway: Molecular mechanisms and therapeutic potential in depression[J]. Pharmacol Res, 2024, 206: 107300. DOI: 10.1016/j.phrs.2024.107300.

44.Hong SY, Yu FX, Luo Y, et al. Oncogenic activation of the PI3K/Akt pathway promotes cellular glucose uptake by downregulating the expression of thioredoxin-interacting protein[J]. Cell Signal, 2016, 28(5): 377-383. DOI: 10.1016/j.cellsig.2016.01.011.

45.Fang J, Zhou SH, Fan J, et al. Roles of glucose transporter-1 and the phosphatidylinositol 3-kinase/protein kinase B pathway in cancer radioresistance (review)[J]. Mol Med Rep, 2015, 11(3): 1573-1581. DOI: 10.3892/mmr.2014.2888.

46.Chen X, Zhao Y, Lyu S, et al. Identification of novel inhibitors of GLUT1 by virtual screening and cell-based assays[J]. Invest New Drugs, 2021, 39(5): 1242-55. DOI: 10.1007/s10637-021-01109-2.

47.Ancey PB, Contat C, Meylan E. Glucose transporters in cancer - from tumor cells to the tumor microenvironment[J]. Febs J, 2018, 285(16): 2926-2943. DOI: 10.1111/febs.14577.

48.Guo D, Meng Y, Jiang X, et al. Hexokinases in cancer and other pathologies[J]. Cell Insight, 2023, 2(1): 100077. DOI: 10.1016/j.cellin.2023.100077.

49.Novellasdemunt L, Tato I, Navarro-Sabate A, et al. Akt-dependent activation of the heart 6-phosphofructo-2-kinase/fructose-2,6-bisphosphatase (PFKFB2) isoenzyme by amino acids[J]. J Biol Chem, 2013, 288(15): 10640-10651. DOI: 10.1074/jbc.M113.455998.

50.Zahra K, Dey T, Ashish, et al. Pyruvate kinase M2 and cancer: the role of PKM2 in promoting tumorigenesis[J]. Front Oncol, 2020, 10: 159. DOI: 10.3389/fonc.2020.00159.

51.Futosi K, Németh T, Horváth ÁI, et al. Myeloid src-family kinases are critical for neutrophil-mediated autoinflammation in gout and motheaten models[J]. J Exp Med, 2023, 220(7): e20221010. DOI: 10.1084/jem.20221010.

52.Oh KK, Adnan M, Cho DH. Network pharmacology study on Morus alba L. leaves: pivotal functions of bioactives on RAS signaling pathway and its associated target proteins against gout[J]. Int J Mol Sci, 2021, 22(17): 9372. DOI: 10.3390/ijms22179372.

53.Yang X, Wang Y, Ding X, et al. Network pharmacology identification and in vivo validation of key pharmacological pathways of Qin Jiao for gout and arthritis[J]. Pharm Biol, 2023, 61(1): 1525-1535. DOI: 10.1080/13880209.2023.2288289.

54.Pascart T, Filippou G, Lioté F, et al. Calcium pyrophosphate deposition disease[J]. Lancet Rheumatol, 2024, 6(11): e791-e804. DOI: 10.1016/s2665-9913(24)00122-x.

55.Fan W, Liu C, Chen D, et al. Ozone alleviates MSU-induced acute gout pain via upregulating AMPK/GAS6/MerTK/SOCS3 signaling pathway[J]. J Transl Med, 2023, 21(1): 890. DOI: 10.1186/s12967-023-04769-1.

56.Chen B, Li H, Ou G, et al. Curcumin attenuates MSU crystal-induced inflammation by inhibiting the degradation of IκBα and blocking mitochondrial damage[J]. Arthritis Res Ther, 2019, 21(1): 193. DOI: 10.1186/s13075-019-1974-z.