面部激素依赖性皮炎（facial steroid dermatitis，FSD）是因面部长期不当外用含激素制品引发的皮肤病，以皮肤屏障功能受损为主要特征[1-2]。该病发病率呈逐年上升趋势，尤好发于中青年女性，具有显著损容性，严重影响患者身心健康及社会功能[3-4]。目前西医常用激素递减疗法、替代治疗及抗炎抗过敏等对症处理方法[5]。但该病治疗难度大，顽固性强，且不良反应发生率高[6]。中医药治疗FSD积累了丰富经验，在缓解皮肤症状方面具有起效较快、不良反应较少、治疗成本较低等特点，因而深受广大患者认可[6-7]。本研究系统归纳整理近10年基于临床对照试验证据的有效方剂，运用集对分析法（set pair analysis，SPA）量化中药治疗FSD的效果以明确优选中药。通过网络药理学预测优选中药活性成分与作用靶点，并采用分子对接技术进行验证，以期为FSD临床用药与新药开发提供科学依据。

1 资料与方法

1.1 数据来源与检索策略

本研究检索中国知网、万方数据知识服务平台、维普网三大数据库，采用主题词结合自由词的检索策略，时间限定为2015年1月至2025年9月。以中国知网为例，高级检索式为：（主题：（激素依赖性皮炎*面部）+面部激素药毒）AND（主题：临床*疗效）AND（全文：中医+中药+中医药+中西医）。初筛文献经Note-Express软件去重后，由两名研究者独立完成双盲筛选，分歧通过共识协商或第三方专家仲裁解决。

1.2 纳入标准

①文献研究设计应为具有明确中医辨证分型的临床对照试验。②受试对象需符合赵辨主编的《中国临床皮肤病学》[8]或《激素依赖性皮炎诊治指南》[9]的诊断标准，年龄18～65岁，性别不限。③试验组核心干预措施为中药口服制剂（如汤剂、颗粒剂等）；对照组可为空白对照、安慰剂对照或常规西医治疗。若对照组包含外用疗法或物理治疗时，试验组需设立相同疗法。④试验组疗效应采用4级评价体系（痊愈、显效、好转、无效），明确报告总有效率，且总体疗效具有统计学优势（P＜0.05）。⑤文献类型限期刊论文或学位论文。⑥不同研究团队使用相同主方的临床研究均予纳入。

1.3 排除标准

①重复发表文献仅保留样本量最大或数据最完整的版本；②非临床研究类型，如综述、meta分析、理论探讨及个案报告等；③诊断标准不明确或研究对象包含孕妇、哺乳期妇女等特殊人群的文献；④处方组成描述模糊文献。

1.4 数据库建立与规范化处理

使用Microsoft Excel 2019构建“FSD中药处方数据库”，收录所纳入文献中试验组的处方组成及其四级疗效对应的病例数。参照《中医临床诊疗术语第2部分：证候》（2021年版）[10]将FSD证型标准化，对复杂、无法统一规范的证型，保留原文献中的名称。中药名称依据《中华人民共和国药典》（2020年版）[11]及《中华本草》第2版[12]进行标准化，合并炮制方法不同但药效相近者，保留炮制后药性显著改变者。中药功效分类参照《中药学》[13]。为减小药味过少类别对后续集对分析造成的偏移，剔除药味数少于各功效类别药味数分布上四分位数的类别。

1.5 SPA

1.5.1 四元药效联系数模型构建 根据SPA原理，四元药效联系数的数学表达式为：μ=a+bi+cj+dk。式中各参数需满足归一化条件：a+b+c+d=1。其中，a、b、c、d分别为痊愈、显效、好转与无效的例数占总样本数的比例；i、j、k为联系系数。i∈[0，1]，j∈[-1，0]，表示中间状态向痊愈转化或向无效衰退的不确定性方向与潜力。k=1，表示“无效”状态[14]。

1.5.2 核心疗效指标计算

1.5.2.1 势值（SHI） SHI（SHI=a/d）是刻画药物疗效分布中痊愈患者相对于无效患者静态疗效优势的关键指标[15]。SHI越高，提示该药的静态疗效优势越明显。

1.5.2.2 三阶全偏联系数 三阶全偏联系数是刻画药物疗效动态演变趋势的关键指标，其计算公式[16]如下：

∂3±μ上标“3”代表三阶，μ为四元药效联系数；∂3±μ表示对μ进行三阶全偏联系数运算。当∂3±μ＞0时，表明疗效向痊愈发展的趋势占优；反之，∂3±μ＜0则表示向无效衰退的趋势占优。其绝对值大小直接表征该趋势的强度[14,16]。

1.5.2.3 药效欧氏距离 为量化各中药的实际疗效与理想痊愈状态之间的差距，本研究引入一个理想痊愈四元联系数[11]：μideal=1+0i+0j+0k。该理想状态代表所有患者均达到痊愈（a=1），且不存在非痊愈（b=0、c=0、d=0）的情况。距理想状态的药效欧氏距离。其中，下标t为药物索引，特指当前所计算的单味中药。ρt值越小，表明该药的综合疗效越接近全体痊愈的理想状态[15]。

1.5.3 药效同异反分析与优选界定

为综合评价SHI与∂3±μ，本研究采用SPA中的同异反分析。具体而言，对同类功效的中药，分别依据SHI与∂3±μ对所有药物进行降序排列，得到两次独立排序结果。随后，计算同一药物在两次排序中位次的绝对差值，记为δt。依据δt值划定疗效一致性等级：δt=0定义为“同”，表示疗效优势与发展趋势高度协调；1 ≤δt ≤N/4（N为组内最大排序号）定义为“偏同”；N/4＜δt ≤N/2定义为“偏反”；δt＞N/2则定义为“反”[15]。

基于上述分析，本研究的优选药界定标准如下：为“同”等级药物，且综合疗效（ρt）排序位于同类别药物的上四分位以内（即前25%）。

1.6 网络药理学分析

1.6.1 优选中药活性成分筛选与作用靶点预测

基于中药系统药理学数据库与分析平台数据库（https：//old.tcmsp-e.com/tcmsp.php）筛选植物药活性成分，设定筛选条件为口服生物利用度 ≥30%且类药性 ≥0.18，并收集其作用靶点[17]。动物药潜在活性成分从HERB数据库（http：//herb.ac.cn/）获取，筛选标准为Probability＞0，并利用SwissTargetPrediction平台（http：//swisstargetprediction.ch/）预测其作用靶点。所有靶点均通过UniProt数据库（http：//www.uniprot.org/）进行标准化校正。以“facial steroid dermatitis”为关键词，在GeneCards（https：//www.genecards.org/）与OMIM（https：//www.omim.org/）数据库中检索FSD疾病靶点。借助微生信平台（https：//www.bioinformatics.com.cn/static/others/jvenn/example.html）整合药物与疾病靶点，取交集后绘制维恩图。运用Cytoscape 3.10.0软件构建“药物-活性成分-交集靶点-疾病”相互作用网络，以度值为标准筛选关键活性成分。

1.6.2 靶点蛋白质-蛋白质相互作用（proteinprotein interaction，PPI）网络构建与核心靶点筛选

将交集靶点导入STRING平台（https：//cn.stringdb.org/），设定物种为“Homo sapiens”，置信度＞0.4，构建PPI网络。利用Cytoscape 3.10.0软件对PPI网络可视化，并依据节点度值筛选核心靶点。

1.6.3 基因本体（gene ontology，GO）功能与京都基因和基因组数据库（Kyoto Encyclopedia of Genes and Genomes，KEGG）通路富集分析

将交集靶点导入RStudio，以P＜0.05为筛选标准进行GO与KEGG富集分析[18]，揭示交集靶点的生物学功能和信号通路。富集分析结果使用微生信在线作图（http：//www.bioinformatics.com.cn/）进行可视化分析。

1.6.4 分子对接验证

使用AutoDockTools 1.5.7和PyMOL软件，对关键活性成分与核心靶点进行分子对接验证及结果可视化。关键活性成分的Mol2文件从PubChem（https：//pubchem.ncbi.nlm.nih.gov/）数据库下载。核心靶点的三维结构从蛋白质数据库（PDB，https：//www.rcsb.org/）下载。结合亲和力以结合能（ΔG）为评价指标，依据每个对接事件中的最低结合能确定最终结合构象。ΔG ≤-5.0 kJ/mol通常表明结合良好[19]。

2 结果

2.1 FSD证型分布及核心功效药物确定

初步检索获得相关文献486篇，经去重与纳入及排除标准筛选后，最终纳入31篇临床对照研究文献。共涉及12种证型，92味中药，15类功效。证型分布以血热、风热、热毒蕴结、阴虚内热及湿热为主（图1）。剔除少于各类别药味数分布上四分位数（8味）的功效类别后，保留清热药（26味）、补虚药（11味）、解表药（12味）、利水渗湿药（8味）和活血化瘀药（8味）共5类功效药物，共计65味，用于后续分析。

图1 证型分布

2.2 基于SPA的优选中药结果

65味中药基于四级疗效标准的四元联系数计算结果见表1。65味中药的疗效四元联系数及两种排序方法的同异反比较见表2。基于同异反分析与综合疗效的中药分布见图2。如图2所示，清热类优选药为马齿苋；补虚类优选药为鳖甲、白芍、白术；利水渗湿类优选药为茵陈，解表类与活血化瘀类无优选药。

表1 65味中药基于四级疗效标准的病例数与百分比

分类代号中药痊愈[例（%）]显效[例（%）]好转[例（%）]无效[例（%）]总数（例）清热药q1马齿苋31（42.47）20（27.40）18（24.66）4（5.48）73 q2牡丹皮316（33.91）326（34.98）206（22.10）84（9.01）932 q3玄参59（26.58）95（42.79）46（20.72）22（9.91）222 q4栀子167（38.93）136（31.70）93（21.68）33（7.69）429……………………………………q11生地黄333（34.08）331（33.88）217（22.21）96（9.83）977……………………………………q26黄连45（34.62）57（43.85）20（15.38）8（6.15）130补虚药x1鳖甲70（58.82）29（24.37）14（11.76）6（5.04）119 x2白芍31（39.74）25（32.05）15（19.23）7（8.97）78 x3白术31（39.74）25（32.05）15（19.23）7（8.97）78……………………………………x7甘草332（34.23）331（34.12）210（21.65）97（10.00）970……………………………………x11炙甘草24（54.55）15（34.09）3（6.82）2（4.55）44解表药g1浮萍31（34.44）35（38.89）17（18.89）7（7.78）90 g2薄荷68（37.78）62（34.44）31（17.22）19（10.56）180 g3防风66（35.29）72（38.50）30（16.04）19（10.16）187 g4柴胡52（42.98）33（27.27）28（23.14）8（6.61）121……………………………………g12牛蒡子17（48.57）15（42.86）2（5.71）1（2.86）35利水渗湿药w1茵陈43（48.31）24（26.97）16（17.98）6（6.74）89 w2车前草49（36.03）39（28.68）31（22.79）17（12.50）136……………………………………w8茯苓67（50.38）39（29.32）19（14.29）8（6.02）133活血化瘀药h1紫荆皮12（38.71）10（32.26）7（22.58）2（6.45）31 h2鸡血藤10（33.33）12（40.00）5（16.67）3（10.00）30……………………………………h8酒大黄24（54.55）15（34.09）3（6.82）2（4.55）44

表2 65味中药的疗效四元联系数及两种排序方法的同异反比较

分类μ（t）at+bti+ctj+dtkSHI排序∂3±μ排序δt同异反清热药μ（tq1）0.424 7+0.274 0i+0.246 6j+0.054 8k 220同μ（tq2）0.339 1+0.349 8i+0.221 0j+0.090 1k 12120同μ（tq3）0.265 8+0.427 9i+0.207 2j+0.099 1k 23230同μ（tq4）0.389 3+0.317 0i+0.216 8j+0.076 9k 541偏同………………………………μ（tq11）0.340 8+0.338 8i+0.222 1j+0.098 3k 15114偏同………………………………μ（tq26）0.346 2+0.438 5i+0.153 8j+0.061 5k 42521反补虚药μ（tx1）0.588 2+0.243 7i+0.117 6j+0.050 4k 220同μ（tx2）0.397 4+0.320 5i+0.192 3j+0.089 7k 330同μ（tx3）0.397 4+0.320 5i+0.192 3j+0.089 7k 330同………………………………μ（tx7）0.342 3+0.341 2i+0.216 5j+0.100 0k 651偏同………………………………μ（tx11）0.545 5+0.340 9i+0.068 2j+0.045 5k 1109反解表药μ（tg1）0.344 4+0.388 9i+0.188 9j+0.077 8k 550同μ（tg2）0.377 8+0.344 4i+0.172 2j+0.105 6k 770同μ（tg3）0.352 9+0.385 0i+0.160 4j+0.101 6k 880同μ（tg4）0.429 8+0.272 7i+0.231 4j+0.066 1k 413偏同………………………………μ（tg12）0.485 7+0.428 6i+0.057 1j+0.028 6k 11110反利水渗湿药μ（tw1）0.483 1+0.269 7i+0.179 8j+0.067 4k 440同μ（tw2）0.360 3+0.286 8i+0.227 9j+0.125 0k 660同………………………………μ（tw8）0.503 8+0.293 2i+0.142 9j+0.060 2k 176反活血化瘀药μ（th1）0.387 1+0.322 6i+0.225 8j+0.064 5k 220同μ（th2）0.333 3+0.400 0i+0.166 7j+0.100 0k 550同………………………………μ（th8）0.545 5+0.340 9i+0.068 2j+0.045 5k 176反

注 μ（t）表示当前中药的四元联系数，其一般表达式为μ（t）=at+bti+ctj+dtk。式中t为药物索引，指当前具体药物的联系数值，其对应药物可通过代号追溯至表1。例如：tq1对应表1中药代号为q1的马齿苋。SHI排序：指基于四元联系数SHI的计算结果进行的排序。∂3±μ排序：指基于三阶全偏联系数（∂3±μ）计算结果进行的排序。δt：表示上述两种排序差值的绝对值，即|SHI排序-∂3±μ排序|。SHI：势值。

图2 基于同异反分析与综合疗效的中药分布

2.3 网络药理学结果

2.3.1 优选中药作用FSD的靶点及活性成分

基于上述5味优选中药，共收集到42个活性成分及356个作用靶点。与FSD相关的462个疾病靶点取交集后，获得85个共同作用靶点（图3）。据此构建的“药物-活性成分-交集靶点-疾病”网络包含132个节点与423条边（图4）。网络拓扑分析显示，度值排名前3位的关键活性成分依次为槲皮素、山柰酚和木犀草素。

图3 优选中药与FSD的靶点交集

图4 中药-活性成分-交集靶点-疾病网络

2.3.2 PPI网络与核心靶点

交集靶点构建的PPI网络见图5。度值排名前4位的核心靶点分别为TNF、Akt1、IL-6、ESR1。

图5 PPI网络

2.3.3 GO与KEGG富集分析

GO富集结果显示，生物过程显著富集于微RNA转录及调节，对营养物质、类固醇激素的应答等；细胞组成显著富集于髓鞘、小窝等；分子功能显著富集于雌激素应答元件结合、核类固醇受体活性等（图6）。KEGG通路显著富集于IL-17、AGE-RAGE、Th17细胞分化等（图7）。

图6 GO富集分析

图7 KEGG富集分析

2.3.4 分子对接

结果显示，所有对接组合的ΔG＜-5.0 kJ/mol（表3），提示关键活性成分与核心靶点蛋白之间能够自发形成稳定的复合物（图8）。

表3 核心活性成分与关键靶点的分子对接ΔG（kJ/mol）

活性成分TNFAkt1IL-6ESR1槲皮素-6.6-8.0-7.2-8.0山柰酚-7.2-7.4-7.2-8.8木犀草素-6.7-7.9-7.3-9.1

图8 分子对接

3 讨论

3.1 SPA探究

SPA核心优势在于通过联系数模型，系统地整合“痊愈”“无效”等确定性结局与“显效”“好转”等中间状态的不确定性转化，精准刻画临床疗效动态演变的本质[14]。本研究基于SPA，构建了多维度疗效综合评价方法。SHI与∂3±μ高度协同时，提示药物治愈效能与推进力内在统一，临床疗效具备数学可验证的稳健性。最后引入ρt，确保评价体系聚焦患者核心获益，规避高协调低输出的临床风险。如使用频率较高（600次以上）但未成为优选的黄芩呈现∂3±μ强劲，但SHI薄弱的不协调；而生地黄、牡丹皮和甘草虽协调性良好，但ρt未达理想水平。这一基于数学模型的新假说为审视经典药物的临床应用提供新视角。

3.2 证型分布与优选中药解读

证型分布显示，FSD辨证以“热”主，常见血热、风热、热毒蕴结、阴虚内热及湿热证。与专家共识提出“热毒蕴肤”的核心病机相符，对应长期误用性味类于辛燥、甘温之品的激素制品，助阳化热、灼伤阴液，致“风、湿、热、瘀邪蕴结”的病机演变[1]。药物功效分类进一步强调本病风、湿、热、瘀等多种病理因素交织及标实本虚的病机特点。

针对实热阶段，清热类优选药马齿苋能清解热毒、凉血消肿，适用于血热与热毒蕴结所致的红斑灼痛等急性炎症表现。针对阴虚内热与正虚阶段，补虚类优选药鳖甲、白芍、白术分别具有滋阴潜阳、养血敛阴、健脾益气之功，通过滋养阴血与扶助正气，改善热邪耗伤所致的皮肤干燥、脱屑、屏障功能下降及色素沉着等。针对湿热夹杂阶段，利水渗湿类优选药茵陈可利湿清热、祛浊退黄，适用于湿热蕴结证，以皮肤潮红、肿胀及渗出糜烂等为主要表现。解表类与活血化瘀类虽无药物入选“优选”，但风热证频现，提示“风邪”常作为兼夹或诱发因素存在；而“瘀”可能作为热、湿蕴结的病理产物，存在于病程后期。

需说明的是，SPA分类优选旨在为临床辨证选药时提供疗效明确且稳定的药物参考。优选药物数量与证型频数非一一对应关系。在纳入分析的不同功效药物中，数据量越大，其在SPA疗效排序中的位置差异越难趋于一致，从而影响其成为“同”级药物。

3.3 基于网络药理学的潜在机制阐释

现代医学研究表明，FSD发病与皮肤屏障受损、炎症反应增强、神经血管高反应性及微生物感染等因素密切相关[6]。相关研究表明，关键活性成分槲皮素、山柰酚、木犀草素可作用于TNF、Akt1、IL-6、ESR1等核心靶点，通过AGE-RAGE信号通路参与炎症与免疫反应[20]。此外，这些成分还具有抗氧化和调节皮脂分泌等作用，有助于修复与巩固皮肤屏障[21]。核心靶点Akt1在皮肤细胞增殖与分化中发挥关键作用[22]。ESR1广泛存在于皮肤、中枢神经等组织器官，可通过编码雌激素受体调节免疫细胞的发育参与局部免疫反应[23-24]。

GO功能富集分析提示，药物可能通过调控局部激素敏感性，并影响营养物质利用及微RNA网络参与皮肤代谢与修复。髓鞘、小窝等膜相关结构的富集提示药物可能有助于维持细胞膜稳定及脂筏介导的受体聚集，进而支持皮肤屏障功能。此外，活性成分能够直接结合雌激素应答元件并调节核类固醇受体活性，在分子层面协调激素应答、减轻炎症与促进屏障修复等。KEGG通路分析进一步识别出IL-17、AGE-RAGE等炎症相关通路与Th17细胞分化等免疫调控通路为治疗FSD的关键通路[25-28]。分子对接显示，关键成分与核心靶点结合良好，支持其多靶点、多通路协同干预调节炎症、免疫及屏障等相关靶点网络。

3.4 展望

本研究运用SPA与网络药理学，系统筛选并验证治疗FSD的优选中药及其作用机制，为FSD的临床用药与新药开发奠定了理论基础。但由于纳入研究的数量有限，未来需扩大样本量以进一步验证计算结果的稳定性，并聚焦于优选中药的药效学实验验证。

利益冲突声明：本文所有作者均声明不存在利益冲突。

[参考文献]

[1] 中华中医药学会皮肤科分会. 面部激素药毒（糖皮质激素依赖性皮炎）中医治疗专家共识[J]. 中国中西医结合皮肤性病学杂志，2019，18（5）：497-499.

[2] 赵辨. 刍议“激素依赖性皮炎”[J]. 临床皮肤科杂志，2013，42（11）：708-709.

[3] 郭清龙. 激素依赖性皮炎的研究进展[J]. 赣南医学院学报，2021，41（4）：420-423，428.

[4] 朱雅楠，赵玉磊，王俊志，等. 王玉玺教授治疗面部激素依赖性皮炎经验[J]. 中国医药导报，2024，21（28）：151-154.

[5] 起珏，庞勤，涂颖，等. 含1%青刺果油、10%马齿苋提取物的护肤品对糖皮质激素依赖性皮炎患者皮肤屏障恢复的临床观察[J]. 临床皮肤科杂志，2012，41（2）：119-121.

[6] LI M，TAN W，DU J，et al. Tacrolimus ointment in the treatment of hormone-dependent dermatitis：a protocol of systematic review [J]. Medicine，2020，99（37）：e22159.

[7] 张建. 面部激素依赖性皮炎的中医治疗进展[J]. 中医药学报，2014，42（6）：93-95.

[8] 赵辨. 中国临床皮肤性病学[M]. 南京：江苏科学技术出版社，2011：723.

[9] 中国医师协会皮肤科分会美容专业组. 激素依赖性皮炎诊治指南[J]. 临床皮肤科杂志，2009，38（8）：549-550.

[10] 全国中医标准化技术委员会（SAC/TC 478）. 中医临床诊疗术语第2部分：证候：GB/T 16751.2——2021[S].北京：中国标准出版社，2021.

[11] 国家药典委员会. 中华人民共和国药典[M]. 一部.北京：中国医药科技出版社，2020.

[12] 国家中医药管理局《中华本草》编委会. 中华本草[M].2版.上海：上海科学技术出版社，1999.

[13] 钟赣生，杨柏灿. 中药学[M]. 北京：中国中药出版社，2021.

[14] 徐蓉，卢怡，蒯仂，等. 基于集对分析偏联系数研究银屑病皮损对疗效的影响[J]. 中华中医药学刊，2019，37（5）：1042-1045.

[15] 华亮，魏冬慧，蒯仂，等. 基于集对分析势值与疗效曲线的银屑病血热证中药选优[J]. 中国中西医结合皮肤性病学杂志，2022，21（5）：412-416.

[16] 杨红梅，赵克勤. 偏联系数的计算与应用研究[J]. 智能系统学报，2019，14（5）：865-876.

[17] 胡艺璇，王钰，欧春雪，等. 增液汤关键信息考证及质量标志物预测[J]. 中成药，2025，47（11）：3709-3716.

[18] 李超，曾琳，安冬青. 基于数据挖掘与网络药理学分析“通补开泄法”治疗冠心病用药规律及作用机制[J]. 中国医药导报，2025，22（18）：177-183.

[19] 杨曜铭，陈冉，吴柳青，等. 基于数据挖掘和网络药理学分析于国泳教授治疗2型糖尿病的用药规律与作用机制[J]. 中国医药导报，2025，22（18）：168-176.

[20] 闫景顺，朱林平，张红霞，等. 基于网络药理学和分子对接探讨参芪五味子胶囊治疗焦虑症的机制[J]. 天津中医药，2024，41（6）：781-788.

[21] 朱可意，向聪莲，秦爽，等. 基于网络药理、分子对接和分子动力学模拟探讨二至丸治疗脂溢性皮炎的作用机制[J]. 中国医药导报，2025，22（16）：30-37.

[22] 刘佳雯，李菲菲，张洪怡，等. 白及抗痤疮药效物质筛选及其作用机制初探[J]. 中国药学杂志，2025，60（6）：589-603.

[23] 张倩，张梅奎，刘颖璐，等. 六味酸枣汤治疗围绝经期失眠的作用机制：基于网络药理学与动物实验[J]. 南方医科大学学报，2023，43（9）：1536-1547.

[24] 胡灵燕，解举民，朱颖，等. 基于多模态人工智能探究理冲汤治疗慢性盆腔炎的分子机制[J]. 时珍国医国药，2025，36（19）：3790-3800.

[25] 杨晓明，田一文，徐旺，等. 基于气相色谱-质谱联用结合网络药理学探究柴胡挥发油抗炎作用机制[J]. 分析科学学报，2025，41（5）：507-515.

[26] BANERJEE A，SINGH P，SHEIKH P A，et al. Simultaneous regulation of AGE/RAGE signaling and MMP-9 expression by an immunomodulating hydrogel accelerates healing in diabetic wounds [J]. Biomate Adv，2024，163：213937.

[27] WANG Q，ZHU G，CAO X，et al. Blocking AGE-RAGE signaling improved functional disorders of macrophages in diabetic wound [J]. J Diabetes Res，2017（1）：1428537.

[28] 宫恬，李玮婕，周兆寅，等. 基于“成分-疾病-症状-靶标”多维互作网络探析甘草抗COVID-19的潜在作用机制研究[J/OL]. 南京中医药大学学报，2025（11）：1464-1479.

Study on the optimization of Chinese herbal medicines for facial steroid dermatitis based on set pair analysis and network pharmacology

HAN Zhaoge1 MA Baiyan2 HE Xinyi2 QU Jianhua3 JIANG Xiaoya1 FU Liangman1 JIANG Chunyan3

1.Graduate School, Beijing University of Chinese Medicine, Beijing 100029, China; 2.School of Traditional Chinese Medicine, Hubei University of Chinese Medicine, Hubei Province, Wuhan 430065, China; 3.Department of Dermatology,Beijing Hospital of Traditional Chinese Medicine, Capital Medical University, Beijing 100010, China

[Abstract] Objective To optimize the selection of Chinese herbal medicines for facial steroid dermatitis based on set pair analysis and network pharmacology. Methods Effective prescriptions for treating facial steroid dermatitis supported by controlled clinical trials were collected from the three databases: CNKI, Wanfang Data, and VIP from January 2015 to September 2025. A quaternary efficacy connection number model was constructed using set pair analysis. Potential values, third-order total partial connection numbers, and efficacy Euclidean distances were comprehensively calculated. Efficacy was quantified through identity-discrepancy-contrary analysis to determine optimal Chinese medicines. Further,the preferred active components of traditional Chinese medicine, as well as the target sites of action and disease-related target sites, were obtained by utilizing the Chinese Herbal System Pharmacology Database and Analysis Platform,HERB, GeneCards, and OMIM databases. The underlying mechanisms were systematically explored through the construction of a proteinprotein interaction network, followed by gene ontology (GO) and Kyoto Encyclopedia of Genes and Genomes (KEGG) enrichment analyses, and further validated by molecular docking. Results A total of 31 literature sources were included, involving 12 syndrome types. Retain five types of therapeutic effects of traditional Chinese medicine, namely clearing heat, tonifying deficiency, dispelling exterior pathogenic factors, promoting diuresis and diuresis to eliminate dampness, and activating blood circulation and removing blood stasis, totaling 65 kinds of herbs. Five optimal herbs were selected using set pair analysis: Portulacae Herba, Trionycis Carapax, Paeoniae Radix Alba, Atractylodis Macrocephalae Rhizoma, and Artemisiae Scopariae Herba. Network pharmacology analysis identified quercetin, kaempferol,and luteolin as the key active components, with TNF, Akt1, IL-6, and ESR1 as the core targets for both the herbs and the disease. GO enrichment analysis revealed that the selected traditional Chinese medicine targets were significantly enriched in biological processes such as microRNA transcription and regulation, response to nutrients and steroid hormones; cellular components such as myelin sheath, membrane rafts, as well as molecular functions such as binding of estrogen response elements and nuclear steroid receptor activity. KEGG enrichment analysis indicated close associations with signaling pathways such as IL-17 and AGE-RAGE. Molecular docking demonstrated favorable binding between the key active components and core targets. Conclusion The Chinese herbal medicines selected based on set pair analysis exhibit therapeutic advantages and stability. Their mechanism of action may involve components such as quercetin and luteolin regulating targets like Akt1 and TNF, thereby intervening in IL-17 and AGE-RAGE signaling pathways to exert therapeutic effects in facial steroid dermatitis.

[Key words] Facial steroid dermatitis; Optimization of Chinese herbal medicine; Set pair analysis; Network pharmacology; Molecular docking

[中图分类号] R275

[文献标识码] A

[文章编号] 1673-7210（2026）04（c）-0071-10

DOI：10.20047/j.issn1673-7210.25100616

[基金项目] 北京中医药薪火传承“新3+3”工程示范案例项目（2023-ZYSF-05）。

[作者简介]

韩朝歌（2001-），女，北京中医药大学（北京中医医院）2025级中医外科学专业在读硕士研究生；研究方向：中西医结合诊治皮肤疾病。

[通讯作者] 姜春燕（1977-），女，博士，主任医师，副教授，硕士生导师；研究方向：中西医结合诊治皮肤疾病。

（收稿日期：2025-10-12）

（修回日期：2025-12-30）