常越　徐姣　閆嵩　劉振鵬　任偉超　張開雪　馬偉　劉秀波

[摘要]該實(shí)驗(yàn)采用Illumina測序平臺對大鼠胰腺進(jìn)行轉(zhuǎn)錄組測序，對靶點(diǎn)進(jìn)行表達(dá)量統(tǒng)計(jì)，分析空白組、模型組、黃芪六一湯組三者之間的表達(dá)差異關(guān)系，探究黃芪六一湯對2型糖尿病的治療效果，并探討其作用機(jī)制。結(jié)果表明，通過eggNOG對基因進(jìn)行分類分析，其中有2425%的基因?qū)傥粗δ茴悾瑸樽畲蠓诸悊卧?，其余依次為能量轉(zhuǎn)換類、氨基酸轉(zhuǎn)運(yùn)和代謝類、核苷酸轉(zhuǎn)運(yùn)和代謝類、碳水化合物轉(zhuǎn)運(yùn)和代謝類、輔酶轉(zhuǎn)運(yùn)和代謝類、脂質(zhì)轉(zhuǎn)運(yùn)和代謝類等；根據(jù)KEGG富集分析，黃芪六一湯可能在環(huán)境信息處理、細(xì)胞過程、生物系統(tǒng)、人類疾病這4類代謝通路上對2型糖尿病起到治療作用。研究表明，黃芪六一湯能顯著改善2型糖尿病大鼠空腹血糖、糖化血紅蛋白。

[關(guān)鍵詞]黃芪六一湯； 2型糖尿病； 轉(zhuǎn)錄組學(xué)； eggNOG分析； KEGG富集分析

[Abstract]In this study， Illumina sequencing platform was applied in sequencing rat pancreas， counting expression of target points， analyzing expression differences among blank group， model group and Huangqi Liuyi decoction group and exploring the therapeutic effect and mechanism of Huangqi Liuyi decoction on type 2 diabetes mellitus According to the result， 2425% of these genes belonged to the unknown functional class， which was the largest classification unit according to the classification analysis of genes by eggNOG The rest were classified as energy conversion， amino acid transport and metabolism， nucleotide transport and metabolism， carbohydrate transport and metabolism， coenzyme transport and metabolism， and lipid transport and metabolism， etcHuangqi Liuyi decoction may play a therapeutic role in the treatment of type 2 diabetes mellitus through four metabolic pathways， namely environmental information processing， cellular process， organismal system and human diseases according to KEGG enrichment analysis This study shows that， Huangqi Liuyi decoction can significantly improve the fasting blood glucose and glycosylated hemoglobin in type 2 diabetic rats

[Key words]Huangqi Liuyi decoction； type 2 diabetes mellitus； transcriptomics； eggNOG analysis； KEGG enrichment analysis

糖尿病是一種以失控的高血糖為主要表現(xiàn)，多種并發(fā)癥為主要損害的一種代謝性疾病，病程長且復(fù)雜，難以根治，已嚴(yán)重影響人們的健康生活[1]。中藥及中藥復(fù)方對糖尿病起到了治療作用，常用中藥有人參、黃芪、地黃、甘草等[2]。其中，黃芪多糖可抑制由內(nèi)質(zhì)網(wǎng)壓力引起的活化轉(zhuǎn)錄因子的活性，增加2型糖尿病大鼠肝臟組織中的AMPK磷酸化水平，降低蛋白酪氨酸磷酸酶1B（PTP1B） 的過表達(dá)，以提高大鼠胰島素敏感性，增加KKAy大鼠對高血糖癥和口服葡萄糖的耐受性[36]。Honda K等[7]將減少血漿胰島素濃度作為改善胰島素抵抗的指標(biāo)，并通過實(shí)驗(yàn)證明甘草總黃酮明顯降低血漿胰島素濃度，因此推測甘草總黃酮能改善胰島素抵抗。黃芪六一湯由黃芪、炙甘草組成，具有補(bǔ)氣、生津等功效。轉(zhuǎn)錄組（transcriptome）是指特定細(xì)胞在某一功能狀態(tài)下全部表達(dá)的基因總和，代表了每一個(gè)基因的身份和表達(dá)水平，轉(zhuǎn)錄組測序能全面的地揭示生物個(gè)體在特定組織和特定時(shí)期的全局基因的表達(dá)情況[8]。本實(shí)驗(yàn)通過黃芪六一湯對2型糖尿病治療效果轉(zhuǎn)錄組學(xué)的研究，表明黃芪六一湯可能通過改善新陳代謝通路從而對2型糖尿病起到治療作用。

1材料

11動(dòng)物選用SPF級雄性大鼠40只，體質(zhì)量（200±20） g，鼠齡6～8周（黑龍江中醫(yī)藥大學(xué)藥物安全評價(jià)中心），許可證號SCXK（黑）2013004。動(dòng)物飼養(yǎng)于SPF級動(dòng)物實(shí)驗(yàn)室，實(shí)驗(yàn)室溫度（22～24 ℃），濕度（45%～55%），日光照12 h，動(dòng)物分籠飼養(yǎng)（10只/籠），自由覓食飲水。實(shí)驗(yàn)過程中對動(dòng)物處置符合動(dòng)物實(shí)驗(yàn)倫理標(biāo)準(zhǔn)。

122型糖尿病大鼠模型構(gòu)建目前得到2型糖尿病大鼠的方法有2種，第1種是直接購買基因敲除的大鼠，第2種就是國內(nèi)廣大研究人員普遍采用的造模方法[9]，即采用鏈脲佐菌素（STZ）腹腔注射獲得2型糖尿病大鼠。綜合實(shí)驗(yàn)技術(shù)熟練程度、資金等方面因素，采用STZ腹腔注射的方法復(fù)制2型糖尿病大鼠模型。

取大鼠40只，適應(yīng)飼養(yǎng)7 d后，隨機(jī)選取10只作為空白對照組，空白對照組給予普通飼料，其余30只大鼠給予高糖高脂飼料3周。3周后，大鼠禁食12 h后腹腔注射檸檬酸檸檬酸鈉緩沖液（pH 45）溶解的STZ（40 mg·kg-1），配置STZ后冰浴并快速注射，以免藥物降解藥效失效?？瞻讓φ战M腹腔注射等劑量的檸檬酸檸檬酸鈉緩沖液。末次給藥72 h后禁食12 h檢測血糖，將血糖≥167 mmol·L-1確定為糖尿病大鼠，共得到造模成功大鼠26只。

13分組及干預(yù)方法選取造模成功大鼠中的20只并隨機(jī)分成2組。分為模型對照組、黃芪六一湯組。空白對照組、模型對照組：造模后第7天開始給予生理鹽水10 mL·kg-1·d-1；黃芪六一湯組：造模后第7天按照鼠人折算劑量分別以不同藥物灌胃，灌服中藥黃芪六一湯（生藥1260 g·kg-1），1次/d；給藥量=人體給藥量×0018×20。大鼠每周稱重1次，按照體重調(diào)整灌胃劑量，連續(xù)灌胃4周。

本實(shí)驗(yàn)選擇實(shí)驗(yàn)4周后空白組、模型組、黃芪六一湯組大鼠胰腺作為轉(zhuǎn)錄組測序?qū)嶒?yàn)材料。大鼠末次給藥后禁食12 h，用20%烏拉坦溶液對大鼠腹腔注射麻醉。麻醉后，快速取胰腺組織，鋁箔包裹并迅速凍存于液氮中，然后凍存于-80 ℃冰箱。

14黃芪六一湯的制備工藝取黃芪飲片600 g和甘草飲片100 g，加水2 L，浸泡2 h，煎煮1 h，濾過，回收濾液；藥渣加水2 L，煎煮05 h，濾過，棄去濾渣，合并濾液，減壓濃縮至700 mL。藥液置于棕色瓶中，密封儲存于4 ℃冰箱備用。

2方法

21大鼠胰腺總RNA的提取與質(zhì)檢采用天恩澤柱式動(dòng)物RNAout試劑盒（CAT#：71201）對樣品進(jìn)行RNA提取。采用15%瓊脂糖凝膠電泳對獲得的總RNA完整性檢測，表明RNA條帶完整，無降解。利用紫外分光光度計(jì)對RNA進(jìn)行定量檢測，達(dá)到要求濃度，且A260/A280大于18。

22轉(zhuǎn)錄組文庫構(gòu)建第一步：mRNA的純化，采用Illumina的TruSeq Stranded mRNA LT Sample Prep Kit。針對真核生物mRNA特有的poly A結(jié)構(gòu)，利用oligo dT磁珠捕獲mRNA。

第二步：反轉(zhuǎn)錄及cDNA文庫構(gòu)建，采用Illumina的TruSeq Stranded mRNA LT Sample Prep Kit。

第三步：cDNA文庫構(gòu)建，首先是3′端加A，在這一過程中，DNA的3′端會單獨(dú)加上一個(gè)A堿基，以防止DNA片段的自連，同時(shí)保證DNA與3′端有一個(gè)突出T堿基的測序接頭相連，而后加一個(gè)有特異性標(biāo)簽的接頭，此過程是為了讓DNA最終雜交到Flow Cell上。

23cDNA文庫質(zhì)檢與測序首先取1 μL cDNA文庫，采用Agilent Bioanalyzer 2100對構(gòu)建的文庫進(jìn)行質(zhì)檢。利用QuantiT PicoGreen dsDNA Assay Kit在Promega QuantiFluor上對文庫進(jìn)行定量分析。對合格cDNA文庫，進(jìn)行轉(zhuǎn)錄組測序。測序由上海派森諾生物科技有限公司完成，采用Illumina NextSeq 500 High Output Kit（300cycles）測序平臺進(jìn)行2×150 bp的雙端測序。測序樣品為大鼠胰腺RNASeq文庫。

24原始數(shù)據(jù)過濾及質(zhì)控分析符合要求的測序數(shù)據(jù)序列經(jīng)過進(jìn)一步除去低質(zhì)量序列和接頭序列，減少對后續(xù)分析的影響。數(shù)據(jù)過濾標(biāo)準(zhǔn)為：①去除Reads 接頭序列；②從Reads 3′端向5′端去掉平均質(zhì)量小于Q20的部分（5 bp窗口）；③去除最終長度小于50 bp的序列；④序列中沒有不確定堿基。原始數(shù)據(jù)通過質(zhì)量過濾后，通過FastQ（http：//www. bioinformatics. babraham. ac. uk/projects/fastqc/）進(jìn)行質(zhì)量過濾質(zhì)控分析。

3結(jié)果與分析

31大鼠胰腺轉(zhuǎn)錄組原始數(shù)據(jù)統(tǒng)計(jì)樣品通過上機(jī)測序，得到的最原始的測序數(shù)據(jù)以FASTQ格式的形式儲存。下機(jī)原始數(shù)據(jù)每個(gè)樣本的Reads數(shù)以及數(shù)據(jù)總量見表1。

32大鼠胰腺轉(zhuǎn)錄組原始數(shù)據(jù)過濾統(tǒng)計(jì)對大鼠胰腺轉(zhuǎn)錄組數(shù)據(jù)分別統(tǒng)計(jì)，統(tǒng)計(jì)結(jié)果見表2。通過對轉(zhuǎn)錄組數(shù)據(jù)質(zhì)量過濾質(zhì)控結(jié)果分析可知，本次測序過濾后的數(shù)據(jù)平均質(zhì)量很高，基本分布在Q>28區(qū)域。絕大部分Reads質(zhì)量都分布在35左右，說明整體Reads平均質(zhì)量都很高。一般而言5′端堿基的ATGC百分比會有所波動(dòng)，中間和3′端堿基比較穩(wěn)定，A與T大致相等，C與G大致相等。曲線形狀的偏差較小，本次實(shí)驗(yàn)理論值與實(shí)測值符合較好。

33比對到基因組（Mapping）參照基因組：Rattus_norvegicusRnor_60dnatoplevelfa （ftp：//ftpensemblorg/pub/release80/fasta/rattus_norvegicus/dna/）。分析軟件：bowtie2/tophat2 （http：//tophatcbcbumdedu/）。樣本比對到基因組上的數(shù)據(jù)見表3。

34eggNOG分析eggNOG（evolutionary genealogy of genes： nonsupervised orthologous decoctions） 是一個(gè)包含943種細(xì)菌，69種古生菌和121個(gè)真核生物的直系同源蛋白質(zhì)聚類數(shù)據(jù)庫[1011]。根據(jù)先前的研究，蛋白質(zhì)可分為25個(gè)功能類別。eggNOG數(shù)據(jù)庫包括蛋白質(zhì)直系同源簇（COGs）數(shù)據(jù)庫和KOG數(shù)據(jù)庫。將得到的Unigene進(jìn)行KOG注釋后，歸入適當(dāng)?shù)腒OG簇，由此對基因組的所有基因功能做分類統(tǒng)計(jì)，從宏觀上認(rèn)識該物種的基因功能分布特征。

經(jīng)對大鼠轉(zhuǎn)錄組數(shù)據(jù)處理，共有3 777條unigene（9999%），eggNOG共分26類。其中“未知功能”（916條，占比2425%）；僅一般功能預(yù)測（619條，占比1639%）在eggNOG中是2個(gè)最大的分類單元。“翻譯后修飾，蛋白轉(zhuǎn)換，分子伴侶”（334條，占比884%）；“信號轉(zhuǎn)導(dǎo)機(jī)制”（301條，占比797%）；“翻譯，核糖體結(jié)構(gòu)和生物轉(zhuǎn)化”（210條，占比556%）?！凹?xì)胞運(yùn)動(dòng)”（5條，占比013%），“真核細(xì)胞外結(jié)構(gòu)”（3條，占比008%），“核結(jié)構(gòu)”（1條，占比003%）有最少的直系同源基因，見圖1。

35KEGG富集分析京都基因與基因組百科全書庫數(shù)據(jù)庫（Kyoto encyclopedia of genes and genomes，KEGG）是系統(tǒng)分析基因功能和基因組信息的數(shù)據(jù)庫，它整合了基因組學(xué)、生物化學(xué)以及功能組學(xué)的信息[12]。KEGG數(shù)據(jù)庫有助于研究者把基因及表達(dá)信息作為一個(gè)整體的網(wǎng)絡(luò)進(jìn)行研究。KEGG通路分類富集分析圖見圖2。

在模型組與空白組比較中，在代謝途徑分類中：參與脂類代謝的500個(gè)基因中含有43個(gè)差異表達(dá)基因（P=508×10-16）；參與Overview的227個(gè)基因中含有29個(gè)差異表達(dá)基因（P=141×10-15）；參與氨基酸代謝的352個(gè)基因中含有29個(gè)差異表達(dá)基因（P=982×10-11）；參與碳水化合物代謝的417個(gè)基因中含有30個(gè)差異表達(dá)基因（P=122×10-9）；參與其他氨基酸代謝的98個(gè)基因中含有9個(gè)差異表達(dá)基因（P=0000 137）；參與多糖生物合成與代謝的276個(gè)基因中含有14個(gè)差異表達(dá)基因（P=0001 227）；參與異源物質(zhì)的降解和代謝的156個(gè)基因中含有9個(gè)差異表達(dá)基因（P=0003 845）；參與輔助因子和維生素代謝的174個(gè)基因中含有9個(gè)差異表達(dá)基因（P=0007 753）；參與能量代謝的191個(gè)基因中含有10個(gè)差異表達(dá)基因（P=0004 726）。在遺傳信息處理分類中：參與折疊、分類和降解的408個(gè)基因中含有14個(gè)差異表達(dá)基因（P=0032 386）。在環(huán)境信息處理分類中：參與信號分子與互作的659個(gè)基因中含有20個(gè)差異表達(dá)基因（P=0038 102）。在細(xì)胞過程分類中：參與轉(zhuǎn)運(yùn)和代謝的507個(gè)基因中含有22個(gè)差異表達(dá)基因（P=0000 503）。在生物系統(tǒng)分類中：參與內(nèi)分泌系統(tǒng)的956個(gè)基因中含有44個(gè)差異表達(dá)基因（P=173×10-7）；參與消化系統(tǒng)的441個(gè)基因中含有32個(gè)差異表達(dá)基因（P=271×10-10）；參與環(huán)境適應(yīng)的107個(gè)基因中含有7個(gè)差異表達(dá)基因（P=0005 281）。在人類疾病分類中：參與免疫系統(tǒng)疾病的390個(gè)基因中含有28個(gè)差異表達(dá)基因（P=461×10-9）；參與心血管疾病的237個(gè)基因中含有9個(gè)差異表達(dá)基因（P=0045 857）；參與內(nèi)分泌代謝途徑的236個(gè)基因中含有18個(gè)差異表達(dá)基因（P=141×10-6）；參與傳染性疾病的1 983個(gè)基因中含有56個(gè)差異表達(dá)基因（P=0003 92）。

黃芪六一湯組與空白組比較，在新陳代謝分類中：參與脂類代謝的500個(gè)基因中含有22個(gè)差異表達(dá)基因（P=0000 944 667）。在環(huán)境信息處理分類中：參與信號轉(zhuǎn)導(dǎo)的2 114個(gè)基因中含有129個(gè)差異表達(dá)基因（P=714×10-30）；參與信號分子交互的659個(gè)基因中含有58個(gè)差異表達(dá)基因（P=172×10-20）。在細(xì)胞過程分類中：參與運(yùn)輸和分解代謝的507個(gè)基因中含有27個(gè)差異表達(dá)基因（P=104×10-5）；參與細(xì)胞運(yùn)動(dòng)的167個(gè)基因中含有13個(gè)差異表達(dá)基因（P=532×10-5）；參與細(xì)胞間通信的384個(gè)基因中含有19個(gè)差異表達(dá)基因（P=0000 522 065）。在生物系統(tǒng)分類中：參與免疫系統(tǒng)的1 147個(gè)基因中含有125個(gè)差異表達(dá)基因（P=292×10-55）；參與內(nèi)分泌系統(tǒng)的956個(gè)基因中含有63個(gè)差異表達(dá)基因（P=639×10-16）；參與消化系統(tǒng)的441個(gè)基因中含有34個(gè)差異表達(dá)基因（P=758×10-11）；參與發(fā)育的222個(gè)基因中含有17個(gè)差異表達(dá)基因（P=488×10-6）；參與環(huán)境適應(yīng)的107個(gè)基因中含有9個(gè)差異表達(dá)基因（P=0000 420 574）；參與排泄系統(tǒng)的149個(gè)基因中含有9個(gè)差異表達(dá)基因（P=0004 249 559）；參與循環(huán)系統(tǒng)的277個(gè)基因中含有13個(gè)差異表達(dá)基因（P=0005 901 147）。在人類疾病分類中：參與感染性疾病的1 983個(gè)基因中含有193個(gè)差異表達(dá)基因（P=242×10-81）；參與免疫疾病的390個(gè)基因中含有57個(gè)差異表達(dá)基因（P=219×10-31）；參與內(nèi)分泌代謝疾病的236個(gè)基因中含有24個(gè)差異表達(dá)基因（P=203×10-10）；參與癌癥的1 557個(gè)基因中含有69個(gè)差異表達(dá)基因（P=262×10-9）；參與心血管疾病的237個(gè)基因中含有23個(gè)差異表達(dá)基因（P=122×10-9）。

黃芪六一湯組與模型組比較，在新陳代謝分類中：參與Overview的227個(gè)基因中含有45個(gè)差異表達(dá)基因（P=6219 17×10-28），參與脂類代謝的500個(gè)基因中含有50個(gè)差異表達(dá)基因（P=260×10-17），參與糖代謝的417個(gè)基因中含有44個(gè)差異表達(dá)基因（P=323×10-16），參與氨基酸代謝的352個(gè)基因中含有35個(gè)差異表達(dá)基因（P=216×10-12），參與外來物質(zhì)的降解和代謝的156個(gè)基因中含有19個(gè)差異表達(dá)基因（P=931×10-9），參與其他氨基酸代謝的98個(gè)基因中含有14個(gè)差異表達(dá)基因（P=112×10-7），參與能量代謝的191個(gè)基因中含有15個(gè)差異表達(dá)基因（P=744×10-5），參與其他次生代謝產(chǎn)物的生物合成的40個(gè)基因中含有5個(gè)差異表達(dá)基因（P=0002 761 753）。在環(huán)境信息處理分類中：參與信號轉(zhuǎn)導(dǎo)的2 114個(gè)基因中含有109個(gè)差異表達(dá)基因（P=304×10-14），參與信號分子相互作用的659個(gè)基因中含有43個(gè)差異表達(dá)基因（P=565×10-9）。在細(xì)胞過程分類中：參與轉(zhuǎn)運(yùn)和分解代謝的507個(gè)基因中含有35個(gè)差異表達(dá)基因（P=392×10-8），參與細(xì)胞通訊的384個(gè)基因中含有18個(gè)差異表達(dá)基因（P=0006 641 926），參與細(xì)胞移動(dòng)性的167個(gè)基因中含有10個(gè)差異表達(dá)基因（P=0008 067 433）。在生物系統(tǒng)分類中：參與免疫系統(tǒng)的1147個(gè)基因中含有97個(gè)差異表達(dá)基因（P=200×10-27），參與內(nèi)分泌系統(tǒng)的956個(gè)基因中含有68個(gè)差異表達(dá)基因（P=216×10-15），參與消化系統(tǒng)441個(gè)基因中含有33個(gè)差異表達(dá)基因（P=142×10-8），參與環(huán)境適應(yīng)性的107個(gè)基因中含有13個(gè)差異表達(dá)基因（P=211×10-6），參與發(fā)育的222個(gè)基因中含有14個(gè)差異表達(dá)基因（P=0001 170 584）。在人類疾病分類中：參與傳染性疾病的1 983個(gè)基因中含有182個(gè)差異表達(dá)基因（P=125×10-59），參與免疫系統(tǒng)疾病的390個(gè)基因中含有35個(gè)差異表達(dá)基因（P=394×10-11），參與內(nèi)分泌代謝系統(tǒng)疾病的236個(gè)基因中含有23個(gè)差異表達(dá)基因（P=198×10-8），參與癌癥的1 557個(gè)基因中含有73個(gè)差異表達(dá)基因（P=561×10-8），參與心血管疾病的237個(gè)基因中含有20個(gè)差異表達(dá)基因（P=165×10-6）。

4結(jié)論與討論

通過對本實(shí)驗(yàn)數(shù)據(jù)進(jìn)行差異基因eggNOG分析后發(fā)現(xiàn)，“未知功能”分類所占比例最高，達(dá)到檢測基因總數(shù)的2425%，推斷可能是誘發(fā)糖尿病致病的未知基因。值得注意的是，“表皮生長因子受體”、“氨基酸轉(zhuǎn)運(yùn)和代謝”、“核苷酸轉(zhuǎn)運(yùn)和代謝”、“碳水化合物轉(zhuǎn)運(yùn)和代謝”、“輔酶轉(zhuǎn)運(yùn)和代謝”、“脂質(zhì)轉(zhuǎn)運(yùn)和代謝”也同樣有可能直接或間接影響2型糖尿病發(fā)生與發(fā)展。在糖代謝過程中，除了葡萄糖，果糖和甘露糖在糖尿病患者和空腹血糖異常人中含量也較高。當(dāng)肝果糖代謝受到損傷，會中斷果糖的轉(zhuǎn)運(yùn)，作用于多元醇通路可能導(dǎo)致血清果糖的增量。血清果糖的升高可能是誘發(fā)胰島素抵抗的原因之一，可能反過來影響葡萄糖代謝。在氨基酸代謝過程中：國外研究人員通過嵌入式病例對照研究發(fā)現(xiàn)3種支鏈氨基酸、2種芳香族氨基酸、酪氨酸和苯丙氨酸可作為健康人發(fā)展成糖尿病患者預(yù)測的重要指標(biāo)[13]。研究人員通過橫斷面調(diào)查還發(fā)現(xiàn)α羥基丁酸、丙氨酸、脯氨酸、苯丙氨酸、谷氨酰胺支鏈氨基酸在糖尿病患者中顯著升高[14]。在脂肪酸代謝過程中：目前，脂肪酸已為獨(dú)立預(yù)測糖尿病發(fā)展的因素，通過大量的脂肪溶解和游離脂肪酸增多（Randle cycle假說）、細(xì)胞內(nèi)脂質(zhì)衍生物的積累（如甘油二酯）、氧化應(yīng)激反應(yīng)、炎癥和線粒體功能障礙，進(jìn)而影響胰島素作用機(jī)制[15]。

根據(jù)KEGG富集分析，模型組與空白組比較的顯著差異表達(dá)基因主要集中在新陳代謝、生物系統(tǒng)、人類疾病分類上；黃芪六一湯組與空白組比較的顯著差異表達(dá)基因主要集中在環(huán)境信息處理、細(xì)胞過程、生物系統(tǒng)、人類疾病分類上；黃芪六一湯組與模型組比較的顯著差異表達(dá)基因主要集中在新陳代謝、環(huán)境信息處理、細(xì)胞過程、生物系統(tǒng)、人類疾病分類上。對各組間KEGG富集分析圖分析，圖2中B與C顯著差異表達(dá)基因在環(huán)境信息處理、細(xì)胞過程、生物系統(tǒng)、人類疾病分類上的總體趨勢較為接近。但與A圖中這3類的總體趨勢差異較大。據(jù)此推測，黃芪六一湯可能在環(huán)境信息處理、細(xì)胞過程、生物系統(tǒng)、人類疾病這4類代謝通路上對2型糖尿病起到治療作用。在新陳代謝分類上，黃芪六一湯組的總體趨勢介于空白組與模型組之間，表明黃芪六一湯可能通過改善新陳代謝通路從而對2型糖尿病起到治療作用。

[參考文獻(xiàn)]

[1]鄭麗，徐濤糖尿病研究進(jìn)展[J]生命科學(xué)，2012，7（24）：606

[2]陳吉生，鄭聰中藥治療糖尿病及其并發(fā)癥的應(yīng)用分析[J]中國實(shí)驗(yàn)方劑學(xué)雜志，2011，17（23）：276

[3]陳雪輝，魏學(xué)娟，王濤，等黃芪多糖對大鼠胰島素敏感性和脂肪細(xì)胞因子的影響[J]新鄉(xiāng)醫(yī)學(xué)院學(xué)報(bào)， 2013，30（5）：356

[4]Liu M， Wu K， Mao X， et al Astragalus polysaccharide improves insulin sensitivity in KKAy mice： regulation of PKB/GLUT4 signaling in skeletal muscle [J] J Ethnopharmacol， 2010， 127（1）： 32

[5]Wang N， Zhang D L， Mao X Q， et al Astragalus polysaccharides decreased the expression of PTP1B through relieving ER stress induced activation of ATF6 in a rat model of type 2 diabetes [J] Mol Cell Endocrinol， 2009， 307（1）： 89

[6]吳德紅，王鳳杰，鄧娟，等黃芪多糖對2型糖尿病大鼠肝臟 AMPK 蘇氨酸磷酸化的影響 [J]微循環(huán)學(xué)雜志，2009，19（3）：1

[7]Honda K， Kamisoyama H， Tominaga Y， et al The molecular mechanism underlying the reduction in abdominal fat accumulation by licorice flavonoid oil in high fat dietinduced obese rats[J] Anim Sci J， 2009， 80（5）： 562

[8]田英芳，張曉政，周錦龍轉(zhuǎn)錄組學(xué)研究進(jìn)展及應(yīng)用[J]中學(xué)生物教學(xué)，2013，12（1）：29

[9]韋立順，許忠新，田河林，等鏈脲佐菌素致小鼠糖尿病模型的建立與評價(jià)[J]中國實(shí)驗(yàn)診斷學(xué)，2013，17（5）：806

[10]Tatusov R L， Fedorova N D， Jackson J D， et al The COG database： an updated version includes eukaryotes[J] Bmc Bioinformatics， 2003， 4（16）： 41

[11]Powell S， Szklarczyk D， Trachana K， et al eggNOG v30： orthologous groups covering 1133 organisms at 41 different taxonomic ranges[J] Nucl Acids Res， 2012， 40： 284

[12]Kanehisa M， Goto S， Kawashima S， et al The KEGG resource for deciphering the genome[J] Nucl Acids Res， 2004， 32：277

[13]Wang T J， Larson M G， Vasan R S， et al Metabolite profiles and the risk of developing diabetes [J] Nat Med， 2011， 17（4）： 448

[14]Xu F， Tavintharan S， Sum C F， et al Metabolic signature shift in type 2 diabetes mellitus revealed by mass spectrometrybased metabolomics[J] J Clin Endocrinol Metab， 2013， 98（6）：1060

[15]She P， Horn C V， Reid T， et al Obesityrelated elevations in plasma leucine are associated with alterations in enzymes involved in branched chain amino acid （BCAA） metabolism[J] Ajp Endocrinol Metab， 2008， 293（6）：1552

[責(zé)任編輯張寧寧]