来源：Chin Herb Med | 编译：DNA Lab Space
导语
纤维化疾病被喻为“沉默的杀手”，涉及肝、肺、肾等多个器官，全球范围内缺乏理想治疗药物。传统中药在抗纤维化方面具有多成分、多靶点的天然优势，但其药效物质发现与机制解析始终面临瓶颈。近期发表于《Chinese Herbal Medicines》的综述“Innovative strategies for anti-fibrotic drugs discovery from traditional Chinese medicine”系统梳理了该领域的前沿突破。文章不仅总结了网络药理学、高通量筛选、多组学融合等现代技术如何重塑中药抗纤维化研究范式，更提出“病证结合—功效导向—多维验证”的创新发现策略，为从天然宝库中精准挖掘抗纤维化新药指明了方向。
研究背景
组织纤维化是多种慢性疾病终末期的共同病理过程，以细胞外基质过度沉积、正常组织结构破坏和功能丧失为特征。肝纤维化、肺纤维化、肾纤维化及心肌纤维化等严重威胁人类健康，全球仅肝纤维化相关死亡率每年即超过百万人。当前临床仍以皮质类固醇、免疫抑制剂及靶向特定通路的化学药物为主，但疗效有限且副作用显著，研发安全高效的抗纤维化药物是公认的科学难题。
传统中药在纤维化治疗中积累了丰富的临床经验。扶正化瘀方抗肝纤维化的循证医学证据被国际认可，黄芪、丹参、莪术等单味药及其活性成分在临床前研究中展现出抑制成纤维细胞活化、调节免疫微环境、重塑细胞外基质等多重活性。然而，中药成分复杂，传统“分离提取—活性测试—机制探索”的线性研究模式效率低下，大量潜在活性分子难以被快速甄别；同时，中医对纤维化的认识基于“癥瘕”、“肺痿”、“肾劳”等病机理论，与西医病理体系之间存在语义鸿沟，导致中药抗纤维化研究常陷入“既懂中医又懂机制”的双重壁垒。
近年来，系统生物学、计算、类器官等技术的突破为解构中药复杂体系提供了全新接口。该综述正是在此背景下，对中药抗纤维化药物发现的创新策略进行了全景式梳理，力图构建一个从传统经验到精准筛选、从整体辨证到分子机制的多维研究框架。
研究方法
该综述并非报告一项独立实验，而是基于对近年高质量文献的系统检索与分析，提炼出当前最富前景的技术路线与研究策略。作者围绕“如何在中药中发现抗纤维化新药”这一核心问题，从三个层次构建技术路线：第一步是“活性导向的精准辨识”，即在中医药理论指引下确定候选药材或复方；第二步是“多维药效物质解析”，通过化学分析、组学技术与计算工具锁定关键活性成分并预测其靶点网络；第三步是“跨越模型的多级验证”，从细胞、类器官到动物模型，再到临床样本反译，逐级确认其抗纤维化效能与安全性。
具体而言，文章重点讨论了五种创新策略的整合应用：
- **“病证结合”的动物与细胞模型构建**：不再使用单一的化学损伤模型，而是结合中医证候特征（如气虚血瘀、热毒内蕴）建立复合模型，使筛选体系更贴近临床实际。
- **基于网络药理学与分子对接的虚拟筛选**：利用已有数据库构建“成分—靶点—纤维化通路”网络，通过拓扑分析锁定中枢靶点和关键成分，再以分子对接、分子动力学模拟进行初步筛选，极大提高了命中率。
- **高通量与高内涵筛选平台的引入**：采用荧光标记的成纤维细胞活化标志物（如α-SMA）作为读数，对中药提取物库进行快速活性评估，同时结合高内涵成像分析细胞形态、迁移、胶原分泌等多参数变化。
- **多组学融合与生物信息学深度解析**：运用转录组学、蛋白质组学和代谢组学描绘中药干预下纤维化微环境的全景变化，通过差异分析和通路富集还原“多成分—多靶点”的协同机制。
- **类器官与器官芯片的前沿验证**：利用患者来源的肝、肺类器官或微流控芯片模拟纤维化微环境，在接近人体生理的三维体系中评估候选药物的抗纤维化活性及毒性，克服传统二维细胞模型的局限性。
这些技术彼此交叉、相互印证，构成了一条从“海量成分”到“精准候选”的加速通道。
研究结果
综述通过剖析数十项代表性研究，凝练出当前中药抗纤维化药物发现领域的核心成果与趋势。
**第一，网络药理学成功照亮“暗物质”活性成分。** 以丹酚酸B为例，研究者通过构建化合物—靶标网络，发现其不仅直接抑制TGF-β1/Smad经典通路，还同时作用于炎症相关的NF-κB和氧化应激的Nrf2通路，进而以多通路协同的方式抑制肝星状细胞活化。网络分析还预测出数个此前未被关注的潜在靶点，并被后续实验验证，真正实现了“从计算到实验”的反向确证。
**第二，“病证结合”模型显著提升筛选准确率。** 在“气虚血瘀”证肝纤维化大鼠模型中，黄芪与丹参配伍提取物显示出明显优于单一成分的抗纤维化效果，其机制与改善肝脏微循环、调节肠道菌群代谢产物有关。这类模型避免了传统化学诱导模型因忽视中医证型而导致的“体外有效、体内无效”陷阱。
**第三，高通量筛选与高内涵分析联手捕获全新结构骨架。** 某研究团队对300余种中药组分库进行α-SMA/胶原双荧光高内涵筛选，发现一种来自白花蛇舌草的三萜类化合物可剂量依赖性地抑制TGF-β1诱导的肺成纤维细胞向肌成纤维细胞转化，且活性与阳性药尼达尼布相当，而该化合物此前从未被报道具有抗纤维化活性。
**第四，多组学“拼图”揭示协同作用全貌。** 在抗肾纤维化的研究中，大黄酸与黄芪甲苷联用被揭示可通过转录组重编程，同时下调多种促纤维化基因并上调脂代谢相关基因，代谢组学进一步发现二者纠正了肾纤维化模型中异常的磷脂代谢，呈现出“一加一大于二”的协同机制。
**第五，类器官平台推动候选药物向临床前转化。** 利用肺纤维化患者诱导多能干细胞建立的肺类器官模型，研究者评价了姜黄素衍生物的疗效，结果显示该衍生物能有效减少类器官中纤维化结节面积，且未观察到明显细胞毒性，相关数据已支持其进入研究者发起的临床研究。
整体来看，综述揭示了一个清晰的趋势：从被动分离鉴定到主动设计筛选，从单一靶点验证到系统生物学的网络阐释，中药抗纤维化研究正迈入“理性设计、多维验证”的新阶段。部分策略组合已成功推动数个候选化合物（如丹酚酸B、黄芪甲苷IV、姜黄素类似物）进入临床前或临床评价，显示出令人鼓舞的转化潜力。
讨论与展望
尽管成绩斐然，综述亦客观指出多项挑战。首先，当前“病证结合”模型仍缺乏统一的评价标准，中医证候的量化指标与纤维化经典标志物之间尚未建立公认的权重体系，导致模型重现性不足。其次，网络药理学的预测结果高度依赖现有数据库的完整性，而中药成分的靶点信息仍大量缺失，“假阳性”和“假阴性”风险并存。再者，类器官与器官芯片虽能提供仿生微环境，但其构建成本高昂、标准化程度低，距离大规模药物筛选仍有距离。
展望未来，文章提出三点方向：一是建立“纤维化病证分子分型”体系，将中医证候信息转化为可量化的组学特征，进而指导精准药物筛选；二是推动计算与中药大数据深度融合，利用知识图谱和深度学习预判潜在抗纤维化分子并优化配伍；三是发展微流体类器官芯片与活体成像技术，在动物体内实时追踪中药成分的动态分布与药效时程，真正实现“可见即可评”。
最后，作者强调，抗纤维化中药研发不能仅停留在“发现”层面，还需配套解决提取工艺、药代动力学特性及安全性评价等成药性关键问题，方能将实验室的“好消息”转化为临床可及的创新疗法。
参考来源
> Xin G, Wang T, Zhou Q, Zhang S, Wei Z. Innovative strategies for anti-fibrotic drugs discovery from traditional Chinese medicine. Chin Herb Med, 2024. DOI: 10.1016/j.chmed.2024.xx.xxx（具体DOI以正式发表为准）