盧玲 莊勝 陳煒 玉倩 汪順貴 李華霞 刁麗梅

摘 要 目的：研究柴胡疏肝散輔助治療重度抑郁癥（MDD）的潛在分子機制。方法：采用網絡藥理學方法。利用基因表達綜合數(shù)據庫（GEO）下載MDD患者基因芯片數(shù)據集GSE76826，再利用R語言軟件中的limma包篩選出MDD患者樣本中的差異基因。利用中藥系統(tǒng)藥理學數(shù)據庫和分析平臺（TCMSP）篩選柴胡疏肝散的活性成分及其對應的靶標。通過在線軟件venny 2.1.0對MDD的差異基因和柴胡疏肝散的靶標取交集，獲取柴胡疏肝散治療MDD的共同靶標基因，然后將共同靶標基因導入Cytoscape 3.6.1軟件構建“柴胡疏肝散活性成分-MDD靶標基因”關系網絡。利用BisoGenet插件構建蛋白互作（PPI）網絡，并對其進行拓撲結構分析，篩選核心靶標基因，進行京都基因與基因組百科全書（KEGG）通路分析。結果：柴胡疏肝散治療MDD的活性成分有139種，包括槲皮素、山柰酚、木犀草素、豆甾醇等;其作用的核心靶點基因共有8個，包括NR3C2、DPP4、ALOX5、GSTM1、CCND1、IGFBP3等;其主要通過調節(jié)細胞受體、嘌呤代謝、類固醇生物合成、氨酰生物合成等信號通路發(fā)揮治療MDD的作用。結論：柴胡疏肝散可通過多個靶標、多個途徑發(fā)揮輔助治療MDD的作用，可為后續(xù)研究其作用機制提供理論基礎。

關鍵詞 網絡藥理學;柴胡疏肝散;重度抑郁癥;靶標;機制

ABSTRACT OBJECTIVE： To explore the molecular mechanism of Chaihu shugan powder in the adjunctive treatment of major depressive disorder （MDD）. METHODS： Network pharmacology was adopted. The microarray dataset GSE76826 was downloaded from GEO common database， and the limma package was used to screen the differently expressed genes in the samples of MDD patients. The active ingredients and corresponding targets of Chaihu shugan powder were screened out based on TCMSP platform. Through the online software venny 2.1.0， the differently expressed genes of MDD and the targets of Chaihu shugan powder were screened， and the common target genes of Chaihu shugan powder for MDD were obtained. The target genes were introduced into Cytoscape 3.6.1 software to construct the network diagram of “Chaihu shugan powder active ingredients-MDD target gene”. Then， BisoGenet plug-in was used to construct the PPI network， analyze the topological structure and screen the core target gene. KEGG pathway analysis was conducted. RESULTS： There were 139 active components of Chaihu shugan powder for the treatment of MDD， including quercetin， kaempferol， luteolin， stigmasterol， etc. There were 8 core target genes， including NR3C2， DPP4， ALOX5， GSTM1， CCND1， IGFBP3 and so on. They play an important role in the treatment of MDD via signaling pathway such as regulating cell receptor， purine metabolism， steroid biosynthesis， aminoacyl biosynthesis， etc. CONCLUSIONS： Chaihu shugan powder can play a role in the adjunctive treatment of MDD through multiple targets and pathways， which can provide a theoretical basis for the follow-up study of its mechanism.

KEYWORDSNetwork pharmacology; Chaihu shugan powder; Major depressive disorder; Targets; Mechanism

重度抑郁癥（MDD）是一種具有高發(fā)病率、高復發(fā)率、高共病率和高自殺率等特點的情緒性功能障礙疾病[1]，主要臨床表現(xiàn)為情緒抑郁、易疲勞、興趣喪失、精力減退、注意力下降、決策力受損、反應遲鈍等。目前，該病的主要治療方式有藥物治療、物理治療及心理治療等[2]。以選擇性5-羥色胺再吸收抑制劑為代表的一線抗抑郁藥，可以有效緩解抑郁癥患者的憤怒情緒和攻擊性行為，但也存在副作用[3]。相關研究發(fā)現(xiàn)，中藥輔助治療重度抑郁癥，可減輕抗抑郁藥物的副作用，提高患者的依從性及治愈率，如柴胡疏肝散聯(lián)合推拿治療腦卒中后重性抑郁障礙，其治療有效率可達90%[4];另外，利用柴胡疏肝散顆粒能降低抑郁癥患者的漢密爾頓抑郁量表評分，改善其日常生活能力及抑郁狀態(tài)，提高其血清腦源性神經營養(yǎng)因子水平[5]。這表明柴胡疏肝散對MDD有一定的輔助治療作用，但其治療MDD的潛在分子機制尚不明確。

中藥網絡藥理學通過“網絡靶向多組分”的模式進行研究，可預測中藥化合物的靶向分布和藥理作用，揭示藥物-基因-疾病網絡關系，能高效率地從中藥復方中篩選出多種活性成分，更好地詮釋中藥方劑的組合規(guī)律和網絡調節(jié)效應[6]。本研究在中藥復方多成分、多靶標、多途徑作用的研究思路上，基于中藥網絡藥理學技術，構建“柴胡疏肝散活性成分-MDD靶標基因”關系網絡，探討柴胡疏肝散治療MDD的潛在分子機制，以期為該方劑后續(xù)研究及應用提供參考。

1 材料與方法

1.1 MDD患者基因表達譜芯片數(shù)據的獲取

本研究從基因表達綜合數(shù)據庫（GEO，https：//www.ncbi.nlm.nih.gov/gds/）中下載序列號為GSE76826的基因芯片數(shù)據矩陣文件。該數(shù)據矩陣文件是將年齡≥50歲的32例人體血液轉錄組樣本通過Agilent-039494 SurePrint G3 Human GE v2 8x60K Microarray 039381探針進行試驗處理而得的。該數(shù)據矩陣文件中包含對照組12例，為健康個體血液樣本的基因表達譜芯片數(shù)據;試驗組20例，為MDD患者血液樣本的基因表達譜芯片數(shù)據。

1.2 MDD患者差異基因的篩選

使用R語言軟件（版本：v.3.5.0）中的limma包對MDD患者的差異基因進行篩選。limma包可對RNA測序（RNAseq）數(shù)據執(zhí)行差異表達和差異剪接分析[7]。本研究差異基因的篩選條件為P<0.05且|log2 FC|>0.5，其中l(wèi)og2 FC>0.5為上調，log2 FC<-0.5為下調[8-9]，然后根據篩選出的差異基因繪制火山圖。

1.3 柴胡疏肝散活性成分的篩選及靶標預測

利用中藥系統(tǒng)藥理學數(shù)據庫和分析平臺（TCMSP，http：//tcmspw.com/ tcmsp.php）研究柴胡疏肝散和靶點的相互關系。以生物利用度（OB）≥30%和類藥性（DL）≥0.18為條件[10-11]篩選出柴胡疏肝散（由柴胡、陳皮、甘草、白芍、川芎、香附、枳殼組成）中每味中藥的活性成分;同時，查詢獲得柴胡疏肝散所有活性成分對應的靶標，然后通過UniProt 數(shù)據庫（https：//www.uniprot. org/）對靶標進行基因注釋，獲取各個靶標對應的基因ID。

1.4 構建“柴胡疏肝散活性成分-MDD靶標基因”關系網絡

通過在線軟件venny 2.1.0（https：//bioinfogp.cnb.csic.es/tools/venny/）對MDD差異基因和柴胡疏肝散活性成分對應的靶標基因取交集，獲取MDD與柴胡疏肝散的共同靶標基因，即柴胡疏肝散治療MDD的作用靶標基因。為了解藥物活性成分與疾病靶標基因之間的作用關系，將共同靶標基因與藥物活性成分編排成關系對文件，再導入Cytoscape 3.6.1軟件進行可視化分析，得到“柴胡疏肝散活性成分-MDD靶標基因”關系網絡。

1.5 蛋白互作（PPI）網絡的構建及拓撲分析

為了解各個靶標基因之間的相互作用關系，將柴胡疏肝散治療MDD的靶標基因導入Cytoscape 3.6.1軟件中，使用集網絡構建、可視化和分析功能于一體的生物信息學工具BisoGenet插件[12]構建PPI網絡。通過CytoNCA插件對構建的PPI網絡進行拓撲分析，計算Betweenness（BC）值，設置BC的最小值為600[13-15]，篩選出核心靶標基因，構建PPI核心子網絡。

1.6 基因集富集分析

為了篩選出的核心靶標基因在MDD中富集的生物學通路及潛在的作用機制，筆者通過GSEA 4.0.2軟件對核心靶標基因進行基因集富集分析。通過GSEA算法[16-17]，剔除掉正常樣本后，根據每個靶標基因在MDD患者樣本中表達量的中位值，分別定義了靶標基因的高表達組和低表達組兩個表型，然后基于基因表達數(shù)據與靶標基因高、低表型的關聯(lián)度大小進行排序，判斷每個京都基因與基因組百科全書（KEGG）功能基因集內的基因是否富集于基因列表的上部或下部，并根據富集于上下部的情況得到KEGG通路富集結果[18-19]。GSEA中KEGG通路富集分析的顯著差異的條件設定為錯誤發(fā)現(xiàn)率（FDR）<0.05，P<0.05[18，20]。

2 結果

2.1 MDD差異基因的篩選結果

基于R語言軟件中的limma包及篩選閾值P<0.05且|log2FC|>0.5，得到808個MDD差異基因，其中上調基因272個，下調基因536個，詳見圖1。

2.2 柴胡疏肝散中活性成分及預測靶標的篩選結果

共篩選出157種活性成分，其中柴胡活性成分17種、陳皮5種、甘草92種、白芍13種、川芎7種、香附18種、枳殼5種;剔除18種重復成分后，最終獲得139種活性成分。根據這139種活性成分在TCMSP中共檢索到對應靶標241個。柴胡疏肝散中部分活性成分及靶標基因見表1。

2.3 “柴胡疏肝散活性成分-MDD靶標基因”關系網絡的構建結果

通過在線軟件venny 2.1.0將808個MDD差異基因與篩選得到的241個柴胡疏肝散作用的靶標基因取交集，共獲得9個共同靶標基因NR3C2、DPP4、CYP3A4、ALOX5、GSTM1、GSTM2、ADRB1、CCND1、IGFBP3，其韋恩圖詳見圖2。這9個共同靶標基因既是與MDD密切相關的差異基因，又是柴胡疏肝散活性成分作用的靶標，由此推測柴胡疏肝散可通過這些靶標治療MDD。將這9個靶標基因與柴胡疏肝散活性成分導入Cytoscape 3.6.1軟件進行可視化分析，得到“柴胡疏肝散活性成分-MDD靶標基因”關系網絡，詳見圖3。

2.4 PPI網絡拓撲結構分析

將靶標基因導入Cytoscape 3.6.1軟件后以BisoGenet插件構建得到PPI網絡，詳見圖4。結果表明，9個共同靶標基因間均存在直接或間接的相互作用關系。

對PPI網絡進行拓撲結構分析，根據BC值>600構建PPI核心子網絡，詳見圖5。該核心網絡中包含除GSTM2外的8個共同靶標基因，即NR3C2、DPP4、CYP3A4、ALOX5、GSTM1、ADRB1、CCND1、IGFBP3，推測這8個共同靶標基因不僅在“柴胡疏肝散活性成分-MDD靶標基因”網絡中發(fā)揮著重要的作用，還在PPI網絡中扮演著重要的角色，可能是柴胡疏肝散治療MDD的核心靶標基因。

2.5 基因集富集分析結果

根據“2.4”項下得到的NR3C2、DPP4、CYP3A4、ALOX5、GSTM1、ADRB1、CCND1、IGFBP3核心靶標基因在每個MDD患者樣本中表達量的中位值，分別定義為高表達組和低表達組兩個表型。GSEA富集分析結果顯示，與低表達組比較，高表達組有6個核心靶標基因的高表達表型主要富集在細胞受體、RNA聚合酶、核糖體、嘌呤代謝、DNA復制、細胞周期、氨酰生物合成、類固醇生物合成、tRNA生物合成、幽門螺桿菌感染的上皮細胞信號轉導等相關通路，詳見表2。其中，靶標基因CYP3A4、ADRB1的GSEA富集結果未滿足FDR<0.05的篩選條件，故予以剔除。由此可知，柴胡疏肝散活性成分作用的靶標基因分布于不同的代謝通路，可通過多化合物、多靶標、多途徑輔助治療MDD。

3 討論

3.1 柴胡疏肝散治療MDD的基礎

中醫(yī)將MDD歸屬“郁病”范疇，《內經》認為外感六淫、七情內傷可導致臟腑功能紊亂而發(fā)為郁[21]。柴胡疏肝散出自《景岳全書》，是中醫(yī)疏肝解郁的代表方劑，自明代以來被廣泛應用于臨床?，F(xiàn)代藥理研究表明，柴胡疏肝散可通過調節(jié)神經遞質、細胞因子、內分泌系統(tǒng)、神經細胞損傷信號通路、抗氧化應激等，發(fā)揮抗抑郁癥的作用[22]，但其具體的作用機制尚不明確。因此，研究柴胡疏肝散輔助治療MDD的分子機制具有重要臨床意義。

3.2 柴胡疏肝散抗MDD的活性成分

本研究結果顯示，柴胡疏肝散的活性成分可能通過多靶點、多途徑參與MDD的輔助治療。其中，槲皮素、山柰酚、木犀草素、豆甾醇、異鼠李素、谷甾醇、川陳皮素等能作用于較多的靶標基因，可能是柴胡疏肝散治療MDD的主要活性成分。相關研究發(fā)現(xiàn)，β-谷甾醇、豆甾醇、異鼠李素和槲皮素均有抗抑郁作用[23]。槲皮素可通過抗氧化、抗炎、降低興奮性毒性、升高5-羥色胺水平來發(fā)揮抗MDD作用[24]。山柰酚可通過降低氧化應激、減少促炎細胞因子和上調蛋白激酶B/β-聯(lián)蛋白途徑來發(fā)揮抗抑郁作用[25]。槲皮苷和山柰酚均可通過升高下丘腦POMC mRNA的水平和血漿β-內啡肽水平，達到抗MDD的效果;木犀草素的抗抑郁活性，可能與其抑制內質網應激作用有關[26]。

3.3 核心靶標基因

PPI網絡拓撲分析和GSEA基因集富集分析的結果表明，NR3C2、DPP4、ALOX5、GSTM1、CCND1、IGFBP3可能是柴胡疏肝散治療MDD的關鍵靶標基因。丘腦-垂體-腎上腺軸（HPA軸）功能失調是抑郁癥等疾病的基礎，研究發(fā)現(xiàn)，大腦中核受體亞家族C組成員2（NR3C2）的表達下降，可導致HPA軸的反饋受限、皮質醇水平升高，與抑郁的發(fā)生密切相關[27]。二肽基肽酶4（DPP4）能夠通過降解神經調節(jié)肽來調節(jié)神經傳遞，且血清中DDP4是診斷MDD的重要生物學標志物[28]。胰島素樣生長因子結合蛋白3（IGFBP3）是神經發(fā)生的重要因子，異常的神經發(fā)生可能導致海馬功能障礙和新生齒狀顆粒細胞的產生減少，從而導致MDD患者認知、情感和行為功能的缺陷[29]。同期蛋白D1（CCND1）是一種細胞周期調節(jié)因子，參與了神經前體細胞的增殖，與損傷后神經發(fā)生、發(fā)育和修復相關，研究發(fā)現(xiàn)，let-7 miRNA家族不僅可以通過調控CCND1的活性來干預抑郁癥，還可以通過靶向白細胞介素6（IL-6）來參與MDD的炎癥過程[30]。此外，5-脂氧合酶（ALOX5）被證實在炎性疾病的發(fā)生中至關重要[31]。谷胱甘肽S-轉移酶Mu-1（GSTM1）也與抑郁的發(fā)生密切相關，相關動物實驗證實，GSTM1在抑郁樣本中表達增加[32]。

3.4 主要通路

GSEA基因集富集分析結果顯示，柴胡疏肝散治療MDD的主要信號通路有細胞受體信號通路、RNA聚合酶、核糖體、嘌呤代謝、DNA復制、細胞周期、氨酰生物合成、類固醇生物合成、tRNA生物合成、幽門螺桿菌感染的上皮細胞信號轉導等。其中，細胞周期與抑郁的發(fā)生密切相關，可通過抵抗神經元凋亡和壞死、改變細胞周期進程，從而治療MDD[33]。相關研究發(fā)現(xiàn)，MDD與氨基酸類神經遞質和氨酰生物合成異常有關[34]。此外，MDD的發(fā)生與類固醇生物合成密切相關，如糖皮質激素、神經類固醇等。神經類固醇通過與大腦中的受體結合來調節(jié)基因表達和調節(jié)神經元的興奮性，從而影響MDD的病理生理過程[35]。下丘腦功能障礙是抑郁癥發(fā)病的關鍵，神經炎癥、神經遞質和嘌呤代謝系統(tǒng)失衡是抑郁癥的重要特征，相關研究發(fā)現(xiàn)，炎癥性抑郁癥中伴隨有氨基酸代謝和嘌呤代謝的紊亂[36]。另外，細胞因子可能通過影響糖皮質激素受體而導致抑郁發(fā)生，目前已有研究證實，可通過抑制炎性細胞因子及其信號通路、增強糖皮質激素受體功能等，達到治療抑郁癥的目的[37]。

綜上，柴胡疏肝散輔助治療MDD的主要活性成分有槲皮素、山柰酚、木犀草素等，其作用機制可能與細胞受體、嘌呤代謝等信號通路有關，具有多靶標、多途徑的特點，可為后續(xù)研究提供理論基礎。

參考文獻

[ 1 ] WRAYNR，RIPKE S，MATTHEISEN M，et al. Genome- wide association analyses identify 44 risk variants and refine the genetic architecture of major depression[J]. Nat Genet，2018，50（5）：668-681.

[ 2 ] 張程赪，張嘉驥.改良電休克聯(lián)合帕羅西汀對重度抑郁癥執(zhí)行功能的影響[J].中國醫(yī)藥科學，2019，9（21）：280- 283.

[ 3 ] LOCHER C，KOECHLIN H，ZION SR，et al. Efficacy and safety of selective serotonin reuptake inhibitors，serotonin-norepinephrine reuptake inhibitors，and placebo for common psychiatric disorders among children and adolescents： asystematic review and meta-analysis[J]. JAMA Psychiatry，2017，74（10）：1011-1020.

[ 4 ] 藺建忠，紀斌，何龍，等.柴胡疏肝散聯(lián)合推拿治療腦卒中后重性抑郁障礙50例[J].中醫(yī)研究，2019，32（7）：9-12.

[ 5 ] 胡丹，盛蕾.加味柴胡疏肝顆粒輔助治療缺血性腦卒中后抑郁的療效觀察[J].中草藥，2016，47（21）：3866-3870.

[ 6 ] LI S，ZHANG B. Traditional Chinese medicine network pharmacology： theory，methodology and application[J]. Chin J Nat Med，2013，11（2）：110-120.

[ 7 ] RITCHIE ME，PHIPSON B，WU D，et al. Limma powers differential expression analyses for RNA-sequencing and microarray studies[J]. Nucleic Acids Res，2015. DOI：10. 1093/nar/gkv007.

[ 8 ] AMBATIPUDI S，GERSTUNG M，PANDE M，et al. Genome-wide expression and copy number analysis identifies driver genes in gingivobuccal cancers[J]. Genes Chromosomes Cancer，2012，51（2）：161-173.

[ 9 ] GALAMB O，KALM?R A，BART?K BK，et al. Aging related methylation influences the gene expression of key control genes in colorectal cancer and adenoma[J]. World J Gastroenterol，2016，22（47）：10325-10340.

[10] YU G，LUO Z，ZHOU Y，et al. Uncovering the pharmacological mechanism of Carthamus tinctorius L. on cardiovascular disease by a systems pharmacology approach[J]. Biomed Pharmacother，2019.DOI：10.1016/j.biopha.2019. 109094.

[11] WANG W，LIU T，YANG L，et al. Study on the multi-targets mechanism of triphala on cardio-cerebral vascular diseases based on network pharmacology[J]. Biomed Pharmacother，2019. DOI：10.1016/j.biopha.2019.108994.

[12] MARTIN A，OCHAGAVIA ME，RABASA LC，et al. BisoGenet： a new tool for gene network building，visualization and analysis[J]. BMC Bioinformatics，2010. DOI：10. 1186/1471-2105-11-91.

[13] 秦一冰，曲妮妮，鄭忻，等.基于網絡藥理學探討柴胡-黃芩治療新型冠狀病毒肺炎的作用機制[EB/OL].（2020- 03-26）[2020-04-22].http：//kns.cnki.net/kcms/detail/21. 1546.R.20200326.1521.002.html.

[14] 何信用，鄭思成，王群，等.基于網絡藥理學的黃連解毒湯治療動脈粥樣硬化的潛在分子機制研究[J].中草藥，2020，51（3）：687-696.

[15] 賈雪麗，楊彥，孫予祥.中藥復方腸復康抗結直腸癌血管生成作用靶基因網絡藥理學研究[J].中華中醫(yī)藥學刊，2020，38（3）：246-251、279.

[16] SUBRAMANIAN A，TAMAYO P，MOOTHA VK，et al. Gene set enrichment analysis： a knowledge-based approach for interpreting genome-wide expression profiles[J]. Proc Natl Acad Sci USA，2005，102（43）：15545- 15550.

[17] MOOTHA VK，LINDGREN CM，ERIKSSON KF，et al. PGC-1alpha-responsive genes involved in oxidative phosphorylation are coordinately downregulated in human diabetes[J]. Nat Genet，2003，34（3）：267-273.

[18] WU H，ZHANG J. Decreased expression of TFAP2B in endometrial cancer predicts poor prognosis： a study based on TCGA data[J]. Gynecol Oncol，2018，149（3）：592-597.

[19] OUYANG W，REN L，LIU G，et al. LncRNA mir4435- 2HG predicts poor prognosis in patients with colorectal cancer[J]. Peer J，2019. DOI：10.7717/peerj.6683.

[20] LIU B，LIU J，LIAN Y，et al. Identification of SEC61G as a novel prognostic marker for predicting survival and response to therapies in patients with glioblastoma[J]. Med Sci Monit，2019. DOI：10.12659/MSM.916648.

[21] 王文凱，張賀，劉景亮，等.郁證病名的古代文獻考辨[J].江蘇中醫(yī)藥，2019，51（10）：76-79.

[22] 周瑾，黃菲，吳曉俊.柴胡疏肝散抗抑郁化學成分和藥理作用研究進展[J].中藥藥理與臨床，2019，35（2）：174- 179.

[23] G?RA?A? DERELI FT，ILHAN M，K?PELI AKKOL E. Identification of the main active antidepressant constituents in a traditional Turkish medicinal plant，Centaurea kurdica Reichardt[J]. J Ethnopharmacol，2020. DOI：10. 1016/j.jep.2019.112373.

[24] SHEN Z，XU Y，JIANG X，et al. Avicularin relieves depressive-like behaviors induced by chronic unpredictable mild stress in mice[J]. Med Sci Monit，2019. DOI： 10. 12659/MSM.912401.

[25] GAO W，WANG W，PENG Y，et al. Antidepressive effects of kaempferol mediated by reduction of oxidative stress，proinflammatory cytokines and up-regulation of AKT/β-catenin cascade[J]. Metab Brain Dis，2019，34（2）：485-494.

[26] GUAN LP，LIU BY. Antidepressant-like effects and mechanisms of flavonoids and related analogues[J]. Eur J Med Chem，2016. DOI：10.1016/j.ejmech.2016.05.026.

[27] ROBERT K，DAVID K，MICHAAEL L，et al. Genetic variation of the mineralocorticoid receptor gene （MR，NR3C2） is associated with a conceptual endophenotype of “CRF-hypoactivity”[J]. Psychoneuroendocrinology，2018.DOI：10.1016/j.psyneuen.2018.09.036.

[28] WAGNER L，KAESTNER F，WOLF R，et al. Identifying neuropeptide Y（NPY） as the main stress-related substrate of dipeptidyl peptidase 4 （DPP4） in blood circulation[J]. Neuropeptides，2016，DOI：10.1016/j.npep.2016. 02.007.

[29] MAHMOOD S，EVINOV? A，?KERE?OV? M，et al. Association of EGF，IGFBP-3 and TP53 gene polymorphisms with major depressive disorder in Slovak population[J]. Cent Eur J Public Health，2016，24（3）：223-230.

[30] MAFFIOLETTI E，SALVI A，CONDE I，et al. Study of the in vitro modulation exerted by the antidepressant drug escitalopram on the expression of candidate microRNAs and their target genes[J]. Mol Cell Neurosci，2017. DOI：10.1016/j.mcn.2017.10.005.

[31] MARBACH-BREITR?CK E，KALLEDAT A，HEYDE- CK D，et al. Atopic patients show increased interleukin 4 plasma levels but the degree of elevation is not sufficient to upregulate interleukin-4-sensitive genes[J]. Skin Pharmacol Physiol，2019，32（4）：192-200.

[32] RAO C，SHI H，ZHOU C，et al. Hypothalamic proteomic analysis reveals dysregulation of glutamate balance and energy metabolism in a mouse model of chronic mild stress-induced depression[J]. Neurochem Res，2016，41（9）：2443-2456.

[33] 劉穎，張萱，劉純巖，等.抗抑郁藥奧氮平對大鼠海馬神經細胞凋亡和細胞周期的影響[J].吉林大學學報（醫(yī)學版），2013，39（6）：1094-1097.

[34] LIU LY，ZHANG HJ，LUO LY，et al. Blood and urinary metabolomic evidence validating traditional Chinese medicine diagnostic classification of major depressive disorder[J]. Chin Med，2018. DOI：10.1186/s13020-018-0211-z.

[35] QI XR，LUCHETTI S，VERWER R，et al. Alterations in the steroid biosynthetic pathways in the human prefrontal cortex in mood disorders： a postmortem study[J]. Brain Pathol，2018，28（4）：536-547.

[36] WU Y，LI Y，JIA Y，et al. Imbalance in amino acid and purine metabolisms at the hypothalamus in inflammation-associated depression by GC-MS[J]. Mol Biosyst，2017，13（12）：2715-2728.

[37] PACE TW，MILLER AH. Cytokines and glucocorticoid receptor signaling. Relevance to major depression[J]. Ann NY Acad Sci，2009. DOI：10.1111/j.1749-6632.2009.04984.x.

（收稿日期：2020-03-24 修回日期：2020-05-08）

（編輯：唐曉蓮）