$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
هذه الدراسة الحاسوبية القائمة على قاعدة البيانات لا تشمل مشاركين بشريين أو تجارب حيوانية أو عينات سريرية. وفقا للمادة 32 من تدابير الصين للمراجعة الأخلاقية لعلوم الحياة والأبحاث الطبية التي تشمل البشر، فإن الدراسات التي تستخدم بيانات متاحة بشكل قانوني متاحة للجمهور، ولا تسبب ضررا للبشر، ولا تتضمن معلومات شخصية حساسة، ولا تملك مصالح تجارية مؤهلة للإعفاء من المراجعة الأخلاقية. لذلك، لا يشترط الحصول على موافقة أخلاقية لهذه الدراسة.
يتم توضيح التصميم التجريبي وخط التحليل لهذه الدراسة في مخطط الانسيابية (الشكل 1).
الشكل 1: سير العمل العام للدراسة. يوضح المخطط تدفق العمل التسلسلي لتحليل علم الأدوية الشبكي والربط الجزيئي، بما في ذلك الحصول على المكونات والأهداف النشطة لمحلول سيشين (SSD)، وجمع الأهداف المرتبطة بالنقرس، وتحديد الأهداف المتداخلة، وبناء شبكة الدواء-المكون-الهدف-المرض وشبكة تفاعل البروتين-البروتين (PPI)، وتحليل إثراء علم الجينات (GO) وموسوعة كيوتو للجينات والجينومات (KEGG)، ومحاكاة الالتحام الجزيئي. يرجى الضغط هنا لعرض نسخة أكبر من هذا الشكل.
الحصول على المكونات الفعالة والبروتينات المستهدفة في SSD
في 2 يناير 2026، تم استرجاع المكونات الكيميائية الفعالة للأعشاب الخمسة التي تشكل SSD، وهي هوانغتشي، يوانتشي، هواينيوشي، شيهو، وجينيينهوا، من قاعدة بيانات أنظمة الأدوية التقليدية للطب الصيني (TCMSP)رقم 21. تم تطبيق معايير الفحص بناء على الخصائص الدوائية: التوافر الحيوي الفموي (OB) بنسبة ≥30٪ ونسبة الشبه الدوائي (DL) بقيمة ≥0.1822). تم اعتبار المكونات التي تستوفي هذه المعايير مكونات فعالة محتملة. ثم تم جمع الأهداف المقابلة لكل مكون. ونظرا لأن TCMSP لم يكن لديه بيانات كاملة عن يوانتشي وشيهو، فقد تم استرجاع المكونات الكيميائية لهذين العشبتين من قاعدة بيانات الأعشاب 2.0 في نفس اليوم. بعد الحصول على أسماء المكونات، تم إجراء بحث عكسي في TCMSP باستخدام أسماء المكونات وأرقام CAS المقابلة ككلمات مفتاحية لاسترجاع معلومات الهدف. بالنسبة للمركبات التي تم الحصول عليها من قاعدة بيانات الأعشاب، تم الاحتفاظ فقط بتلك التي تم مطابقتها بنجاح مع إدخالات TCMSP إما باسم المكون أو رقم CAS. ثم خضعت المركبات المتطابقة لنفس معايير الفحص الدوائي (OB ≥ 30٪ وDL ≥ 0.18) باستخدام بيانات TCMSP، وتم استبعاد المركبات التي تفتقر إلى معلومات كاملة عن OB أو DL. تم التحقق من جميع المركبات المطابقة والمفلترة يدويا مقابل سجلات عشبة 2.0 الأصلية لمنع التعرف الخاطئ. لاحقا، تم دمج المعلومات المستهدفة المستمدة من قاعدة بيانات الأعشاب مع تلك الخاصة بالأعشاب المتبقية لتوليد مجموعة كاملة من أهداف المكونات الفعالة ل SSD.
تم توحيد جميع البروتينات المستهدفة المسترجعة إلى رموز جينية رسمية باستخدام قاعدة بيانات UniProt. تم إنشاء مراسلات فردية من خلال الاحتفاظ فقط بالمدخلات المراجعة البشرية (Swiss-Prot) واستبعاد الإدخالات غير المحكمة (TrEMBL). عندما تتوافق عدة أشكال متساوية مع نفس رمز الجين، يتم اختيار الشكل القياسي. تم الاحتفاظ بمجموعة البيانات المستهدفة الموحدة لتحليل الجينات المتقاطعة لاحقا.
مجموعة الأهداف المرتبطة بالنقرس
في 2 يناير 2026، أجريت عمليات بحث منهجية في قاعدة بيانات GeneCards وقاعدة بيانات OMIM باستخدام كلمة "نقرس" ككلمة مفتاحية للمرض للحصول على أهداف مرضية مرتبطة بالنقرس. تم تصدير الأهداف التي تم الحصول عليها من قاعدتي البيانات إلى جداول بيانات WPS (الإصدار 12.1.0). تم وضع عمود رمز الجين من OMIM بجانب عمود رمز الجين من GeneCards، وتمت إزالة الأهداف المكررة باستخدام وظيفة "إزالة المكررات" بناء على تطابقات دقيقة مع رموز الجينات الرسمية بطريقة غير حساسة للحرف. ثم تم دمج الأهداف من قاعدتي البيانات لبناء مجموعة شاملة من أهداف الأمراض المرتبطة بالنقرس.
تحديد الأهداف المتداخلة بين الأدوية والأمراض
تم وضع مجموعة الأهداف الدوائية التي تم الحصول عليها من فحص المكونات النشطة ومجموعة أهداف المرض المرتبط بالنقرس في نفس مجلد المشروع (D:\Venn). تم إطلاق برنامج R (الإصدار 4.4.0)، وتم استخدام حزمة readxl لاستيراد ملفات Excel (.xlsx) التي تحتوي على قوائم الأهداف. تم استخدام حزمة dplyr للتلاعب بالبيانات، بما في ذلك تصفية وإعادة تسمية الأعمدة قبل تحليل التقاطع. ثم تم تحويل مجموعتي الأهداف إلى متجهات حرف، وتم تحديد الأهداف المتداخلة باستخدام دالة calculate.overlap() من حزمة VennDiagram. تم تثبيت حزمة VennDiagram من CRAN باستخدام الأمر install.packages("VennDiagram") وتخزينها في مسار مكتبة R الافتراضي. إذا ظهرت رسالة تشير إلى أن الحزمة قد تم تثبيتها بالفعل، يعتبر التثبيت ناجحا. تم تعيين مجلد العمل باستخدام الأمر setwd("D:\\Venn"), الذي يحدد المجلد الذي يحتوي على ملفات الإدخال ويعمل كدليل إخراج. ثم تم تنفيذ وصفة R لحساب التقاطع بين مجموعة الأهداف الدوائية ومجموعة أهداف المرض المرتبط بالنقرس. تم تعريف الأهداف المتداخلة الناتجة كأهداف علاجية محتملة ل SSD لعلاج النقرس.
بناء شبكة "الدواء-المكون-الهدف-المرض"
تم حفظ الجينات المتقاطعة التي تم تحديدها من التداخل بين أهداف SSD والأهداف المرتبطة بالنقرس كملف overlapping_targets.txt ، وتم حفظ معلومات المكونات النشطة في SSD كملف drug_components.txt . تم وضع كلا الملفين في مجلد المشروع (D:\Network)، الذي كان يعمل كدليل عمل للتحليل. لضمان قابلية التكرار، تم إجراء هذا التحليل باستخدام R. تم تنفيذ عمليات قراءة البيانات والتصفية والدمج باستخدام مزيج من دوال R الأساسية، بما في ذلك read.table()، write.table()، وmerge()، مع حزمة dplyr لمعالجة إطارات البيانات. تم تنفيذ أمر setwd("D:\Network") لتعريف الدليل العامل بشكل صريح.
تم استخدام دالة graph_from_data_frame() كدالة تكامل أساسية. كل صف من drug_components.txt يربط مكونا نشطا بالجين المستهدف المقابل باستخدام رموز جينية رسمية. تم الاحتفاظ فقط بالأهداف الموجودة في overlapping_targets.txt ، ولم يتم تطبيق أي ترشيح إضافي يتجاوز متطلبات التقاطع. تم تصدير مجموعة بيانات الشبكة الناتجة ك network.txt بصيغة قائمة الحواف. كل صف يحتوي على عمودين (node1 و node2)، حيث تمثل node1 إما صيغة SSD أو مكون نشط، وnode2 تمثل إما مكونا نشطا أو جينا مستهدفا. كانت عقدة المرض ("النقرس") متصلة بصيغة SSD كحافة منفصلة. لم يتم تعيين أوزان الحواف، وتم التعامل مع جميع الحواف بشكل متساو (عرض الحواف = 0.8).
تم استيراد ملف network.txt إلى برنامج التصوير الشبكي Cytoscape (الإصدار 3.7.2). تم الوصول إلى أداة NetworkAnalyzer المدمجة من خلال →أدوات تحليل الشبكات → تحليل الشبكة للحصول على الهيكل الأساسي للشبكة، وتم اختيار "توزيع الدرجات" كإطار تحليلي. تم تخصيص أشكال وألوان العقد حسب أنواع العقد: الماس الأزرق يمثل صيغة SSD، المستطيلات الزرقاء تمثل المكونات النشطة، القطع الناقص البرتقالي تمثل جينات الهدف المرضي، والثمانيات الحمراء تمثل كيان مرض النقرس. تم تعيين حجم العقدة ليكون متناسبا مع درجة العقدة (حجم العقدة = 30 + درجة × 5، الحد الأقصى للحجم = 100).
بناء شبكة تفاعل البروتين والبروتين (PPI)
تم استيراد مجموعة الجينات المستهدفة المفلترة إلى قاعدة بيانات STRING (الإصدار 12.0) في 2 يناير 2026. تم تقييد النوع على الإنسان العاقل، وتم تعيين الحد الأدنى لثقة التفاعل على ثقة عالية (0.700)، وتم إخفاء البروتينات المنفصلة، وتشمل مصادر التفاعل جميع قنوات الأدلة المتاحة، وتم الحفاظ على جميع المعايير الأخرى في الإعدادات الافتراضية للحصول على تفاعلات معروفة ومتوقعة بين البروتين. تم تصدير بيانات الشبكة الناتجة بصيغة القيم المفصولة عبر علامات التبويب (TSV) باستخدام خيارات التصدير الافتراضية.
تم استيراد الشبكة المصدرة إلى برنامج التصور الشبكي للتصوير والتحليل الطوبولوجي. تم حساب خصائص الشبكة باستخدام أداة NetworkAnalyzer المدمجة (أدوات تحليل الشبكة → تحليل الشبكة→ شملت المقاييس المحسوبة الدرجة، مركزية البين، ومركزية القرب (القرب). تم تعيين أحجام العقد إلى قيم درجات باستخدام دالة تعيين مستمرة (حجم العقدة = 20 + درجة × 3، الحد الأقصى للحجم = 80).
تم تحديد أهداف المركز من خلال ترتيب جميع العقد حسب قيم الدرجات بترتيب تنازلي. كانت العقد ذات القيم الأعلى تعتبر أكثر مركزية داخل الشبكة. تم استبعاد العقد المعزولة (درجة = 0) من التصور. تم ترتيب تخطيط الشبكة في دوائر متحدة المركز من المركز إلى الخارج حسب اتصال العقد، وتم رسم ألوان العقد باستخدام تدرج أزرق إلى سماوي يتوافق مع قيم درجات متزايدة. تم استخدام الشبكة الناتجة لتحديد الأهداف الأساسية في المراكز المشاركة في التأثيرات العلاجية المحتملة ل SSD ضد النقرس.
تحليل إثراء الأنطولوجيا الجينية (GO)
استنادا إلى الجينات المستهدفة المتداخلة المحددة تحديدا، تم إجراء تحليل إثراء وظيفي باستخدام R. تم تثبيت حزم الموصلات الحيوية المطلوبة في مسار مكتبة R الافتراضي وتحميلها في بيئة التحليل. تم تخزين ملف الجين المتقاطعة في مجلد المشروع (D:\GO)، وتم تعريف الدليل العامل باستخدام دالة setwd().
تم إجراء تحويل وشرح معرف الجين باستخدام حزمة Bioconductor Package. Hs.eg.db (الإصدار 3.20.0). تم تحويل رموز الجينات الرسمية إلى معرفات جينات Entrez باستخدام دالة bitr() في حزمة تحليل إثراء clusterProfiler (الإصدار 4.21.0). تم الاحتفاظ فقط بالجينات التي تظهر خرائط فريدة واحدة لواحدة للتحليل في المراحل التالية، بينما تم استبعاد الإدخال الغامض أو غير المخطط له.
تم إجراء تحليل إثراء GO باستخدام حزمة تحليل الإثراء. تم استخدام وظيفة enrichGO() مع فئات الأنطولوجيا العملية البيولوجية (BP)، والمكون الخلوي (CC)، والوظيفة الجزيئية (MF). تم تحديد الدلالة الإحصائية باستخدام طريقة تصحيح الاختبارات المتعددة لبنجاميني-هوشبرغ، حيث اعتبرت قيمة P المعدلة < 0.05 ذات دلالة.
لكل فئة أنطولوجيا، تم تصنيف مصطلحات غنية بشكل كبير وفقا لعامل الإثراء:
EF = (عدد الجينات / إجمالي الجينات الخلفية) ÷ (حجم المصطلح / إجمالي جينات الجينوم)
تم اختيار أفضل 10 اصطلاحات للتحليل التفصيلي. عندما حدثت عوامل إثراء متطابقة، تم تصنيف الحدود ذات قيم P المعدلة الأقل بشكل أعلى.
تم تصور نتائج الإثراء باستخدام ggplot2 (الإصدار 3.5.1) ومخطط الإثراء (الإصدار 1.24.0). تم إنشاء مخططات الفقاعات والرسوم الشرطية باستخدام دالتي dotplot() و barplot(). كان حجم الفقاعة يمثل عدد الجينات المخصبة، بينما كان اللون يمثل دلالة الإثراء المعبر عنها ك −log10 (قيمة P المعدلة). تم استخدام معلمات الرسم الافتراضية طوال الوقت.
تحليل إثراء مسار KEGG
تم إجراء تحليل إثراء مسار KEGG للأهداف المتقاطعة بين SSD والنقرس باستخدام R وحزمة تحليل الإخصاب الموصوفة سابقا. تم تحويل رموز الجينات إلى معرفات متوافقة مع KEGG باستخدام دالة bitr() التي توفرها حزمة تحليل الإثراء، حيث كان KEGG هو مورد التعليقات. تم إجراء تحليل إثراء المسار باستخدام دالة enrichKEGG() بناء على اختبار الهيبرهندمتري (hypergeometric test). تم تحديد الدلالة الإحصائية باستخدام طريقة تصحيح الاختبارات المتعددة لبنجاميني-هوشبرغ (BH)، واعتبرت المسارات ذات القيمة P المعدلة < 0.05 غنية بشكل ملحوظ.
تم تصدير نتائج الإثراء إلى ملفات دفاتر عمل متوافقة مع Microsoft Excel باستخدام حزمة openxlsx (الإصدار 4.2.8.1) ووظيفة write.xlsx() للمراجعة اللاحقة وإعداد الشكل.
تم بناء شبكة تفاعل متعددة المستويات بين الهدف والمسار باستخدام برنامج التصور الشبكي. تم استيراد بيانات الشبكة باستخدام ملف → استيراد → الشبكة من الملف. تكونت العقد من عقد جينية مستهدفة وعقد مسار KEGG غنية بشكل كبير (قيمة P المعدلة حسب BH < 0.05)، بينما تمثل الحواف ارتباطات موثقة بين الجينات المستهدفة والمسارات الغنية التي تم تحديدها أثناء تحليل الإثراء. تم إجراء التصوير الشبكي باستخدام لوحة النمط في برنامج التصوير الشبكي، حيث تم عرض الجينات المستهدفة كقطع ناقص رمادي وعرض المسارات كمستطيلات سماوية. لم يتم استخدام أي إضافات إضافية. تم توليد الشبكة يدويا من جدول إخراج الإثراء لعرض العلاقات بين الأهداف الأساسية والمسارات المثرية بشكل كبير.
التحقق من صحة الالتحام الجزيئي
تم تنزيل ملفات البنية ثلاثية الأبعاد (بتنسيق MOL2) لأفضل 10 مكونات نشطة مصنفة حسب الاتصال المستهدف في شبكة "الدواء–المكون–الهدف–المرض' من قاعدة بيانات TCMSP. تم تعريف الاتصال المستهدف بأنه درجة العقدة (أي عدد الاتصالات المباشرة بين المكون النشط والجينات المستهدفة في الشبكة). تم تصنيف المكونات النشطة تنازليا حسب قيم الدرجات، وتم اختيار أفضل 10 مكونات لتحليل الالتحام الجزيئي.
تم الحصول على البنى البلورية لأفضل 10 بروتينات هدف محور تم تحديدها من شبكة مثبطات مضخة البروتون من بنك بيانات البروتين التابع ل RCSB (PDB) في 23 يناير 2026. كان النوع مقتصرا على الإنسان العاقل. لكل بروتين مستهدف، تم اختيار الهيكل ذو أعلى دقة بلورية (أقل قيمة Å)، بدون طفرات، والذي تشارك في التبلور مع رابطة أو مثبط أصلي. إذا استوفت عدة هياكل هذه المعايير، يتم اختيار الهيكل ذو أعلى دقة وتغطية تسلسلية البروتين الأكثر شمولا. تم استخدام الهياكل التالية لمستوى PDB: 1GKC (MMP9)، 5WHH (BCL2)، 2P33 (JUN)، 1RHJ (CASP3)، 1WT5 (EGFR)، 7APJ (AKT1)، 1DU3 (TNF)، 1T4Q (IL1B)، 4NI9 (IL6)، و9CKJ (TP53).
تم إجراء محاكاة الالتحام الجزيئي باستخدام خادم CB-Dock 2 الإلكتروني (النسخة الإلكترونية، تم الوصول إليه في 23 يناير 2026)، والذي يستخدم AutoDock Vina كمحرك الالتحاط. كانت هياكل البروتينات تتم معالجتها مسبقا تلقائيا بواسطة الخادم، بما في ذلك إزالة الذرات غير المتجانسة وتحضير هياكل المستقبلات. تم رفع الليغاندات بصيغة MOL2. تم استخدام اكتشاف التجويف المستقل عن القالب، حيث تم تحديد خمسة تجاويف ارتباط محتملة تلقائيا لكل بنية بروتينية. تم إجراء حسابات الالتحام باستخدام المعايير الافتراضية لمحرك الإرساء: الشمولية = 8، نطاق الطاقة = 4، وأقصى عدد من أوضاع الربط = 9.
لكل زوج من الهدف-المركب، تم إجراء الالتحام بشكل مستقل داخل كل من التجاويف الخمسة التي تم اكتشافها. تم تقييم وضعيات الالتحام باستخدام وظيفة تسجيل محرك الإرساء، وتم الاحتفاظ بالوضعية ذات أقل طاقة ربط داخل كل تجويف كنموذج تمثيلي لذلك التجويف. من بين التشكيلات الخمسة الممثلة، تم اختيار وضعية الالتحام ذات أقل طاقة ربط عالميا كنتيجة الالتحام النهائية لذلك الزوج من الهدف-المركب واستخدمت في التحليلات اللاحقة.
تم تسجيل أدنى قيمة طاقة ربط تم الحصول عليها لكل نتيجة الالتحام في جدول بيانات واستيرادها إلى منصة الرسم الإلكتروني Weishengxin (تم الوصول إليها في 23 يناير 2026) لإنشاء خريطة حرارة باستخدام المعلمات الافتراضية. استخدمت خريطة الحرارة تدرج ألوان من الأصفر إلى الأحمر، وتجميع هرمي كامل الربط الكامل، ومسافة إقليدية كمقياس للتجميع.
تم تحديد تفاعلات الروابط الهيدروجينية تلقائيا بواسطة وحدة تحليل خادم الالتحام بناء على معايير هندسية. تم تعريف رابطة الهيدروجين بأنها تفاعل مع مسافة مانح إلى مستقبل ≤ 3.5 أنغروميوم وزاوية مانح-هيدروجين-مستقبل ≥ 120°. تم عرض الروابط الهيدروجينية كخطوط متقطعة في مخططات التفاعل ثنائية الأبعاد وثلاثية الأبعاد. تم اختيار زوج البروتين المستهدف-المكون النشط الذي يظهر أدنى طاقة ارتباط عالميا بين جميع تركيبات الالتحام لتحليل تفاعلي مفصل. كان هذا الاختيار يعتمد على زوج هدف واحد من المركب بدلا من وضعية الالتحام الفردية، وكان الهدف منه تحديد أقوى تفاعل متوقع داخل الشبكة. تم استخدام وضعية الالتحام النهائية الممثلة التي تتوافق مع هذا الزوج المركب والهدف للتصور وتحليل التفاعل.
تم إنشاء مخططات تفاعل ثلاثية الأبعاد وثنائية الأبعاد باستخدام ChimeraX الإصدار 1.5 وLigPlot+ الإصدار 2.2 على التوالي. في ChimeraX، تم عرض البروتينات باستخدام التمثيل الكرتوني الافتراضي، وعرض الروابط في وضع العصا، وظهرت الروابط الهيدروجينية كخطوط متقطعة، وتم تطبيق نظام الألوان الافتراضي. في LigPlot+، تم تحديد الروابط الهيدروجينية باستخدام خوارزمية HBPLUS مع عتبة مسافة مانح إلى مستقبل 3.9 أنجلوست وعتبة زاوية 90°. تم الاحتفاظ بجميع معلمات التصور الأخرى في إعداداتها الافتراضية.