Methodenartikel

Netzwerkpharmakologische Vorhersage und experimentelle Validierung des Wirkungsmechanismus von Trichosanthes-Fritillaria thunbergii gegen Lungenadenokarzinome

DOI:

10.3791/64847

⸱

3. März 2023

 ,  ,  , 
1Dongzhimen Hospital affiliated to Beijing University of Chinese Medicine, 2Traditional Chinese Medicine Department, Peking University People's Hospital

In diesem Artikel

Zusammenfassung

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Diese Studie enthüllt den Mechanismus von Trichosanthes-Fritillaria thunbergii bei der Behandlung von Lungenadenokarzinomen auf der Grundlage von Netzwerkpharmakologie und experimenteller Überprüfung. Die Studie zeigt auch, dass der PI3K/AKT-Signalweg eine wichtige Rolle bei der Wirkung von Trichosanthes-Fritillaria thunbergii bei der Behandlung des Lungenadenokarzinoms spielt.

Zusammenfassung

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Unser Ziel war es, den Mechanismus von Trichosanthes-Fritillaria thunbergii bei der Behandlung des Lungenadenokarzinoms (LUAD) auf der Grundlage von Netzwerkpharmakologie und experimenteller Verifizierung zu untersuchen. Die wirksamen Komponenten und potentiellen Targets von Trichosanthis und Fritillaria thunbergii wurden mittels Hochdurchsatz-Experiment und referenzgeführter (HERB) Datenbank der Traditionellen Chinesischen Medizin und einer SEA-Datenbank (Similarity Ensemble Approach) gesammelt, und die LUAD-bezogenen Targets wurden von den Datenbanken GeneCards und Online Mendelian Inheritance in Man (OMIM) abgefragt. Ein Drug-Component-Disease-Target-Netzwerk wurde mit der Cytoscape-Software aufgebaut. Protein-Protein-Interaktionsnetzwerke (PPI), Genontologie-Funktionen (GO) und Analysen der Kyoto-Enzyklopädie der Gene und Genome (KEGG)-Signalwege wurden durchgeführt, um Kernziele und Schlüsselsignalwege zu erhalten. Für die anschließende experimentelle Validierung wurden ein wässriger Extrakt aus Trichosanthes-Fritillaria thunbergii und A549-Zellen verwendet. Durch die HERB-Datenbank und die Literaturrecherche wurden 31 wirksame Verbindungen und 157 potenzielle Zielgene von Trichosanthes-Fritillaria thunbergii untersucht, von denen 144 regulatorische Ziele von Trichosanthes-Fritillaria thunbergii bei der Behandlung des Lungenadenokarzinoms waren. Die GO-funktionelle Anreicherungsanalyse zeigte, dass der Wirkmechanismus von Trichosanthes-Fritillaria thunbergii gegen das Lungenadenokarzinom hauptsächlich in der Proteinphosphorylierung besteht. Die Analyse der Anreicherung des KEGG-Signalwegs deutete darauf hin, dass die Behandlung des Lungenadenokarzinoms mit Trichosanthes-Fritillaria thunbergii hauptsächlich den PI3K/AKT-Signalweg beinhaltet. Die experimentelle Validierung zeigte, dass ein wässriger Extrakt von Trichosanthes-Fritillaria thunbergii die Proliferation von A549-Zellen und die Phosphorylierung von AKT hemmen kann. Durch Netzwerkpharmakologie und experimentelle Validierung konnte nachgewiesen werden, dass der PI3K/AKT-Signalweg eine wichtige Rolle bei der Wirkung von Trichosanthes-Fritillaria thunbergii bei der Behandlung des Lungenadenokarzinoms spielt.

Einleitung

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Lungenkrebs bezieht sich auf bösartige Tumoren, die von der Bronchialschleimhaut der Lunge ausgehen, einschließlich Plattenepithelkarzinom, Adenokarzinom, großzelligem Karzinom und kleinzelligem Karzinom1. Das Lungenadenokarzinom (LUAD) ist die häufigste Form von Lungenkrebs und macht etwa 40 % aller Lungenkrebsfälleaus 2. Die meisten Patienten werden in einem fortgeschrittenen Stadium diagnostiziert oder haben Fernmetastasen und verlieren so die Möglichkeit einer Operation3. In der aktuellen klinischen Behandlung ist die gleichzeitige Radiochemotherapie die häufigste Strategie zur Behandlung von LUAD, ihre Anwendung ist jedoch aufgrund schwerwiegender Nebenwirkungen begrenzt4.

Die Traditionelle Chinesische Medizin (TCM) kann die klinischen Symptome von LUAD-Patienten wirksam lindern und die durch Strahlen- und Chemotherapie verursachten Nebenwirkungen reduzieren und ist damit zu einem Forschungs-Hotspot geworden 5,6,7. In der traditionellen chinesischen Medizin gehört Lungenkrebs in die Kategorie der "Lungenansammlung" und "Lungensteinwasser". Der Mangel an Qi und das Zusammenspiel von Schleim, Stase und Gift sind wichtig für die Pathogenese von Lungenkrebs. Daher sind die Tonisierung des Qi und die Beseitigung von Schleim und Blutstau die wichtigsten klinischen Behandlungsmethoden8 für Lungenkrebs gemäß der TCM-Theorie9. Trichosanthes kirilowii Maxim (Gualou) und Fritillaria thunbergii Miq (Zhebeimu) stellen ein häufiges Medikamentenpaar bei der Behandlung von Lungenkrebs dar, und diese Kombination hat die Wirkung, die Hitze zu beseitigen und den Schleim zu reduzieren10,11,12. Der Wirkmechanismus ist jedoch noch unklar, und es muss noch weiter geforscht werden.

Die Netzwerkpharmakologie ist eine umfassende, auf der Theorie der Systembiologie und der multidirektionalen Pharmakologie basierende Methode, die darauf abzielt, komplexe Netzwerkbeziehungen zwischen mehreren Medikamenten und Krankheiten aufzudecken13. Traditionelle chinesische Verschreibungen haben die Eigenschaften, dass sie Mehrkomponenten- und Multi-Target-Verschreibungen sind, was bedeutet, dass sie sich sehr gut für das Studium der Netzwerkpharmakologie eignen14,15. In jüngster Zeit hat sich die Netzwerkpharmakologie zu einem leistungsstarken Ansatz bei der Erforschung von TCM-Rezepturen entwickelt und ist zu einem Forschungs-Hotspot geworden16,17.

Nach unserem besten Wissen werden jedoch alle Forschungen zur Netzwerkpharmakologie als Text dargestellt. Die Präsentation dieser Technologie per Video wird die Lernschwelle erheblich verringern und die Förderung dieser Technologie erleichtern, was einer der Vorteile dieses Artikels ist. In dieser Studie haben wir Trichosanthes-Fritillaria thunbergii gegen Lungenadenokarzinome als Beispiel genommen, um eine netzwerkpharmakologische Vorhersage und experimentelle Validierung durchzuführen.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Protokoll

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Alle netzwerkpharmakologischen Verfahren wurden in Übereinstimmung mit den Richtlinien für netzwerkpharmakologische Bewertungsmethoden18 durchgeführt. Alle experimentellen Verfahren wurden in Übereinstimmung mit den Labormanagementvorschriften der Pekinger Universität für Chinesische Medizin durchgeführt.

1. Pharmakologische Vorhersage des Netzwerks

  1. Auswahl der aktiven Komponenten
    1. Öffnen Sie die HERB-Datenbank (http://herb.ac.cn)19 und verwenden Sie "Gualou" (der chinesische Name für Trichosanthes kirilowii Maxim) und "Zhebeimu" (der chinesische Name für Bulbus Fritillariae thunbergii) als Schlüsselwörter, um die Bestandteile der beiden Arzneimittel zu erhalten. Laden Sie die Liste und die kanonischen SMILES-Strukturen der verwandten Komponenten der beiden Medikamente herunter.
    2. Bestimmen Sie, ob es sich bei der erhaltenen Komponente um die aktive Komponente handelt.
      1. Nehmen Sie als aktive Komponenten diejenigen auf, die orale Bioverfügbarkeitswerte (OB) und medikamentenähnliche (DL) Werte in der HERB-Gruppendatenbank aufweisen (d. h. Komponenten mit OB-≥ 30 % und DL-≥ 0,18)20,21.
      2. Wenn die Komponente keine OB- und DL-Werte aufweist, geben Sie die Komponente in die Schweizer ADME-Datenbank (http://www.swissadme.ch/index.php)22 ein, um die Informationen zu jeder Komponente zu erhalten. Nehmen Sie Komponenten mit "hoher" GI-Absorption und mindestens zwei "Ja"-DL-Werten als aktive Komponenten auf.
  2. Zielvorhersage der aktiven Komponenten
    1. Öffnen Sie die HERB-Datenbank (http://herb.ac.cn). Suchen und kopieren Sie die kanonischen SMILES-Strukturen der aktiven Komponenten.
    2. Öffnen Sie die SEA-Datenbank (Similarity Ensemble Approach, http://sea.bkslab.org)23. Fügen Sie die kanonischen SMILES-Strukturen der aktiven Komponenten in das Suchfeld ein und klicken Sie auf SEA testen , um den Zielschlüssel, den Zielnamen, den p-Wert und die MaxTC jeder aktiven Komponente zu erhalten.
    3. Kopieren Sie die Daten in eine Tabellenkalkulation und verwenden Sie die Filterfunktion der Tabellenkalkulationsdatei, um die Ziele der aktiven Komponenten nach Zieltaste (Mensch, P < 0,05 und MaxTC > 0,5) zu filtern.
    4. Kopieren Sie alle Ziele in eine Tabelle und entfernen Sie die Duplikate, um die Drogenziele zu erhalten.
  3. Vorhersage von Krankheitszielen
    1. Öffnen Sie die GeneCards-Datenbank (https://www.genecards.org)24 und die Online-Datenbank Mendelian Inheritance in Man (OMIM, https://www.omim.org)25 und verwenden Sie Lungenadenokarzinom als Schlüsselwort, um die Krankheitsziele des Lungenadenokarzinoms zu erhalten.
    2. Laden Sie die Tabellen der Krankheitsziele herunter. Löschen Sie die wiederholten Ziele, um die LUAD-Ziele zu erhalten.
  4. Aufbau eines Drug-Component-Disease-Target-Netzwerks
    1. Kopieren Sie die LUAD-bezogenen Ziel- und Arzneimittelziele in dieselbe Spalte in einer neuen Tabelle. Verwenden Sie die Funktion Daten - Duplikate identifizieren in der Symbolleiste, um Schnittziele der LUAD-bezogenen Ziele und der aktiven Komponentenziele von Trichosanthes-Fritillaria thunbergii zu erhalten.
    2. Öffnen Sie Cytoscape 3.8.0. Klicken Sie in der Menüleiste auf Datei und wählen Sie dann > Netzwerk aus Datei importieren, um die Tabellenkalkulationsdatei zu importieren. Optimieren Sie die Größe und Farbe der Netzwerkknoten über die Stilleiste in der linken Systemsteuerung.
    3. Verwenden Sie die Funktion Netzwerk analysieren für die Analyse der Netzwerktopologie. Klicken Sie in der Menüleiste auf Extras , und wählen Sie dann Netzwerk analysieren aus. Klicken Sie im Bereich Tabelle in der Titelleiste auf Grad, um die Komponenten nach Grad in absteigender Reihenfolge anzuordnen. Nehmen Sie die zehn wichtigsten Komponenten und Ziele als die wichtigsten aktiven Komponenten und Kernziele.
  5. Aufbau des PPI-Netzwerks und Screening der Kernproteine
    1. Öffnen Sie die STRING-Datenbank (https://cn.string-db.org/)26. Fügen Sie die Liste der potentiellen Ziele von Trichosanthes-Fritillaria thunbergii gegen LUAD im Textformat in das Dialogfeld Namensliste ein. Wählen Sie Homo sapiens in Organismen aus und klicken Sie auf die Schaltflächen SUCHEN > WEITER .
    2. Wenn die Ergebnisse verfügbar sind, klicken Sie auf Einstellungen und aktivieren Sie Hohe Konfidenz (0,700) in den Grundeinstellungen > Mindestens erforderliche Interaktionsbewertung. Setzen Sie ein Häkchen bei Getrennte Knoten im Netzwerk ausblenden in den erweiterten Einstellungen und klicken Sie dann auf die Schaltfläche AKTUALISIEREN .
    3. Klicken Sie in der Titelleiste auf Exporte und laden Sie den kurzen Tabellentext der PPI-Beziehung im TSV-Format herunter.
    4. Öffnen Sie Cytoscape 3.8.0. Klicken Sie auf Datei > > Netzwerk aus Datei importieren, um die Datei im TSV-Format für die visuelle Analyse zu importieren.
    5. Verwenden Sie die Funktion Netzwerkanalysator , um die topologische Analyse durchzuführen. Optimieren Sie die Größe und Farbe der Netzwerkknoten über die Stilleiste in der linken Systemsteuerung.
  6. Analyse der KEGG-Anreicherung
    1. Öffnen Sie die Metascape (https://metascape.org/)27-Plattform. Fügen Sie die Liste der potenziellen therapeutischen Ziele im Textformat in das Dialogfeld ein und klicken Sie dann auf die Schaltfläche Senden. Kreuzen Sie H. sapiens sowohl in der Eingabe als Art als auch in der Analyse als Art an und klicken Sie dann auf die Schaltfläche Benutzerdefinierte Analyse. Wählen Sie Anreicherung, markieren Sie nur den KEGG-Pfad und klicken Sie dann auf Anreicherungsanalyse. Nachdem der Fortschrittsbalken 100 % erreicht hat, klicken Sie auf die orangefarbene Schaltfläche Analyseberichtsseite, um die Anreicherungsergebnisse anzuzeigen.
    2. Klicken Sie auf All in One Zip File , um das Anreicherungsergebnis herunterzuladen, und öffnen Sie dann die Datei _ FINAL_GO.csv im Ordner Enrichment_GO , um das Ergebnis zu erhalten.
    3. Öffnen Sie die R-Software (https://cran.r-project.org/). Geben Sie install.package (" ggplot2") und library (ggplot2) in R ein, um das Paket ggplot2 R zu installieren. Drücken Sie die Eingabetaste , um das KEGG-Visualisierungsprogramm auszuführen.

2. Experimentelle Verifizierung

  1. Herstellung von Medikamenten
    HINWEIS: Fritillaria thunbergii Miq und Trichosanthes kirilowii Maxim wurden vom Dongzhimen Hospital gekauft, das der Pekinger Universität für Chinesische Medizin angegliedert ist.
    1. Mischen Sie 50 g Fritillaria thunbergii Miq und 50 g Trichosanthes kirilowii Maxim. Die Mischung 20 Minuten in 1 l destilliertem Wasser einweichen und dann 1 Stunde lang bei 100 °C unter Normaldruck abkochen.
    2. Filtern Sie den Sud, um ein Filtrat mit einer doppelten Schicht steriler medizinischer Gaze zu erhalten, und verwenden Sie dann 80 μm Filterpapier, um den Extrakt weiter zu filtern. Wiederholen Sie den obigen Vorgang dreimal.
    3. Mischen Sie das Filtrat zusammen, um eine Abkochung von ca. 1,2 l zu erhalten. Geben Sie die Lösung in den Kolben eines Rotationsverdampfers. Stellen Sie die Drehzahl auf 50 U/min bei einer Temperatur von 37 °C ein. Mischen und kondensieren Sie die Abkochungen 6 h lang im Rotationsverdampfer zu einem Extrakt, um eine viskose Flüssigkeit zu erhalten.
    4. Schalten Sie den Vakuum-Gefriertrocknungsmechanismus ein, um die Temperatur auf −40 °C vorzukühlen. Geben Sie den erhaltenen Extrakt in die Materialschale und legen Sie ihn zum Einfrieren in die Kühlfalle.
    5. Wenn die Kühlfallentemperatur −50 °C erreicht und das Material 2 Stunden lang gefroren war, geben Sie das gefrorene Material auf einen Trockengestell, der in der Kühlfalle platziert ist. Schalten Sie die Vakuumpumpe ein, um den Gefriertrocknungsprozess zu starten. Nehmen Sie das gefriergetrocknete Pulver heraus und lagern Sie es für die spätere Verwendung im Kühlschrank bei −20 °C.
  2. Zellkultivierung
    1. Konfigurieren Sie das DMEM-Komplettmedium mit 89 % DMEM-Basismedium, 10 % fetalem Kälberserum und 1 % Penicillin-Streptomycin.
    2. Nachdem Sie die A549-Zellen aus flüssigem Stickstoff entfernt haben, inkubieren Sie die Zellen in einem 37 °C warmen Wasserbad und rühren Sie, bis das Medium in der Durchstechflasche schmilzt.
    3. Geben Sie ein vierfaches Volumen DMEM-Komplettmedium in die geschmolzenen Zellen. Zentrifugieren Sie die Zellen (4 °C, 679 x g, 5 min) und entsorgen Sie den Überstand.
    4. Resuspendieren Sie die ausgefällten Zellen mit 6 mL DMEM-Komplettmedium, legen Sie sie in einen T25-Kulturkolben und inkubieren Sie den Kolben in einem Zellinkubator bei 37 °C, 5% CO2.
  3. Nachweis der Zellviabilität
    1. Die logarithmischen A549-Zellen der Wachstumsphase werden mit 1 ml 0,25%igem Trypsin für 1 min bei 37°C aufgeschlossen. Fügen Sie 1 ml DMEM-Komplettmedium hinzu, um das Trypsin zu neutralisieren, und blasen Sie es vorsichtig, um die Zellablösung zu fördern. Zentrifugieren Sie die Mischung, um das Zellpellet zu erhalten (4 °C, 192 x g, 5 min). Resuspendieren Sie die erhaltenen Zellen mit DMEM-Komplettmedium.
    2. Geben Sie die Zellsuspension in ein Hämozytometer und zählen Sie mit einem automatisierten Zellzähler. Verdünnen Sie es auf 5 x 104 Zellen/ml mit DMEM-Komplettmedium.
    3. Lösen Sie 1 g Trichosanthes-Fritillaria thunbergii-Wasserextrakt in 10 ml PBS-Lösung auf und filtern Sie ihn durch einen 0,22-μm-Filter. Verdünnen Sie die Mischung mit PBS auf 90 mg/ml, 80 mg/ml, 70 mg/ml, 60 mg/ml, 50 mg/ml, 40 mg/ml, 30 mg/ml, 20 mg/ml und 10 mg/ml.
    4. Die verdünnten Zellen werden auf 96-Well-Platten mit 100 μL pro Well plattiert. Nach der Zelladhärenz fügen Sie 1 μl Trichosanthes-Fritillaria thunbergii Wasserextrakte in verschiedenen Konzentrationen hinzu, um die Konzentration jeder Vertiefung auf 900 μg/ml, 800 μg/ml, 700 μg/ml, 600 μg/ml, 500 μg/ml, 400 μg/ml, 300 μg/ml, 200 μg/ml und 100 μg/ml einzustellen.
    5. Das ursprüngliche Medium wird nach 24 h Kultur verworfen und 100 μl DMEM-Basismedium für die weitere Inkubation von 2 h bei 37 °C, 5 % CO2, hinzugefügt.
    6. Nach der oben genannten Behandlung fügen Sie 20 μl MTS-Lösung hinzu (Tabelle der Materialien) und inkubieren Sie die Zellen für weitere 1 Stunde bei 37 °C, 5% CO2.
    7. Übertragen Sie die inkubierte Mischung auf einen anderen Teller. Messen Sie die Absorption (OD) bei einer Wellenlänge von 490 nm mit einem Mikroplatten-Reader. Berechnen Sie die Zellviabilität mit der folgenden Formel:
      Viabilität (%) = 100 × (OD der behandelten Probe − OD des Mediums)/(OD der Kontrollprobe − OD des Mediums).
      Anmerkungen: Eine Mindestkonzentration in der Nähe von IC50 ist als hohe Dosis definiert. Die Konzentration, bei der die Zellproliferation gehemmt wird, wird als niedrig dosierte Konzentration und der Zwischenwert als mittlere Dosiskonzentration für nachfolgende experimentelle Studien definiert. In dieser Studie wurden 400 μg/ml, 600 μg/ml und 800 μg/ml als niedrige, mittlere und hohe Dosen verwendet.
  4. Drogenintervention und Probenentnahme
    HINWEIS: Das Zellwachstum wurde gegen die Zeit aufgetragen, um die logarithmische Phase zu bestimmen.
    1. Die logarithmischen A549-Zellen der Wachstumsphase werden auf 5 x 105 Zellen/ml verdünnt. Geben Sie 2 ml der Zellsuspension in eine 6-Well-Platte und züchten Sie sie 12 Stunden lang.
    2. Wiederholen Sie Schritt 2.3.3, um 80 mg/ml, 60 mg/ml und 40 mg/ml PBS-Verdünnungen von Trichosanthes-Fritillaria thunbergii-Wasserextrakt zu erhalten. Fügen Sie 20 μl der PBS-Lösung, 20 μl des 40 mg/ml Trichosanthes-Fritillaria thunbergii-Wasserextrakts, 20 μl des 60 mg/ml Trichosanthes-Fritillaria thunbergii-Wasserextrakts und 20 μl des 80 mg/ml Trichosanthes-Fritillaria thunbergii-Wasserextrakts in die Blindkontrollgruppe, die Gruppe mit niedriger Konzentration, die Gruppe mit mittlerer Konzentration und die Gruppe mit hoher Konzentration hinzu. beziehungsweise. Verwerfen Sie den Überstand nach 24 Stunden des Eingriffs und reinigen Sie die Zellen dreimal mit PBS.
      HINWEIS: Die Konzentrationen der Blindkontrollgruppe, der Gruppe mit niedriger Konzentration, der Gruppe mit mittlerer Konzentration und der Gruppe mit hoher Konzentration von Trichosanthes-Fritillaria thunbergii Wasserextrakt betrugen 0 μg/ml, 400 μg/ml, 600 μg/ml bzw. 800 μg/ml.
    3. Geben Sie 250 μl RIPA-Puffer (enthält 1 % PMSF und 1 % Phosphatase-Hemmer) in jede Vertiefung und lysieren Sie die Zellen 30 Minuten lang. Sammeln Sie das Lysat für die Zentrifugation (4 °C, 6,714 x g, 10 min) und erhalten Sie den Überstand.
  5. Western-Blotting
    1. Bestimmen Sie die Proteinkonzentration der Proben mit der BCA-Methode gemäß den Anweisungen des Herstellers. Verwenden Sie RIPA-Puffer, um die Konzentration jeder Probe so einzustellen, dass sie konsistent ist.
    2. Mischen Sie 40 μl der Proteinprobe mit 10 μl 5-fachem Beladungspuffer und kochen Sie sie 5 Minuten lang bei 100 °C. Zentrifugieren (4 °C, 6,714 x g, 10 min) der Mischung, um den Überstand für nachfolgende Experimente zu erhalten.
    3. Isolieren Sie die Proteine durch Gelelektrophorese mit 120 V vertikaler Elektrophorese.
    4. Bereiten Sie ein elektrisches "Sandwich" vor (Schwamm - Filterpapier - Gel - PVDF-Membran - Filterpapier - Schwamm). Weichen Sie die Transferapparatur in einem Eisbad ein und übertragen Sie das Protein 60 Minuten lang bei 70 V auf PVDF-Membranen.
    5. Verwenden Sie 100 ml TBST-Lösung (0,05 % [v/v] Tween-20, 10 mM Tris, 150 mM NaCl, pH 7,5) und 5 g Magermilchpulver, um 5 % Milch zu konfigurieren. Die AKT- und p-AKT-Antikörper werden mit dem Antikörperverdünnungsmittel im Verhältnis 1:1.000 vorverdünnt.
    6. Blockieren Sie die PVDF-Membran in 5%igem Magermilchpulver für 1 Stunde unter Schütteln. Nach dem Blocken wird die Blockiermilch verworfen und der verdünnte Primärantikörper zur Inkubation über Nacht bei 4 °C hinzugefügt.
    7. Nachdem Sie den primären Antikörper entfernt haben, waschen Sie die PVDF-Membran mit TBST-Lösung fünfmal für jeweils 5 Minuten.
    8. Den sekundären Antikörper mit dem Antikörperverdünnungsmittel im Verhältnis 1:5.000 vorverdünnen. Fügen Sie den sekundären Antikörper hinzu und inkubieren Sie ihn 1,5 h lang bei Raumtemperatur (RT). Nachdem Sie den sekundären Antikörper entfernt haben, waschen Sie die PVDF-Membran mit TBST-Lösung fünfmal für jeweils 5 Minuten.
    9. Weisen Sie das Protein mit einem Chemilumineszenz-Detektionssystem nach.

3. Molekulares Andocken

  1. Öffnen Sie die UniProt-Datenbank (https://www.uniprot.org)28. Geben Sie die Zielsymbole in das Suchfeld ein und klicken Sie auf die Schaltfläche SUCHEN . Klicken Sie in der Unterüberschrift Struktur auf Download , um die 3D-Strukturen der Proteintargets anzuzeigen.
  2. Öffnen Sie die RCSB-PDB-Datenbank (https://www.rcsb.org/pdb/home/sitemap.do)29. Geben Sie den Namen der Proteinmakromoleküle in das Suchfeld ein. Laden Sie die Protein-Makromolekülstrukturen im PDB-Format herunter.
  3. Laden Sie das Installationspaket der UCSF Chimera 1.16-Software (https://vina.scripps.edu/) und AutoDock Vina (https://vina.scripps.edu/) herunter. Installieren und öffnen Sie die UCSF Chimera 1.16-Software. Klicken Sie auf Datei > Öffnen , um das Rezeptorprotein anzuzeigen.
  4. Klicken Sie auf Werkzeuge > Strukturbearbeitung > Dock-Vorbereitung und aktivieren Sie im Popover Lösungsmittel löschen, Wasserstoff hinzufügen und Ladungen hinzufügen , um Wasser zu entfernen und Hydrierungs- und Ausgleichsladungen hinzuzufügen. Klicken Sie auf Mol2-Datei schreiben , um das Rezeptorprotein im mol2-Format zu speichern. Führen Sie den gleichen Schritt für den Liganden durch.
  5. Klicken Sie auf Datei > Öffnen , um den Liganden im mol2-Format in der UCSF Chimera 1.16-Software anzuzeigen. Legen Sie unter Tools > Oberflächen-/Bindungsanalyse > AutoDock Vina den Rezeptorbalken auf den Namen des Rezeptorproteins und den Ligandenbalken auf den Namen des Liganden fest. Geben Sie einen Wert in das Feld hinter Mitte und Größe ein, um den neu entwickelten Raum anzupassen, so dass der Ligand und der Rezeptor vollständig umschlossen werden können.
  6. Klicken Sie auf OK für das virtuelle Screening des molekularen Dockings, um die optimale Position für die Bindung des Liganden an den Rezeptor zu ermitteln. Notieren Sie den Bindungsenergiewert an der optimalen Position.

4. Statistische Analyse

  1. Öffnen Sie die Statistiksoftware SPSS 26.0. Klicken Sie auf Datei > Daten importieren , um Daten zu laden.
  2. Stellen Sie die experimentellen Daten als Mittelwert ± Standardabweichung dar.
  3. Vergleichen Sie mehrere Gruppen mit einer einfaktoriellen ANOVA.
    ANMERKUNG: P < 0,05 wurde in dieser Arbeit als statistisch signifikant angesehen.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Ergebnisse

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Insgesamt wurden 31 Trichosanthes-Fritillaria thunbergii-verwandte Wirkstoffe identifiziert, darunter 21 Trichosanthes- und 10 Fritillaria thunbergia-Komponenten, sowie 144 korrespondierende Targets. Insgesamt wurden 9.049 bzw. 67 LUAD-verwandte Gene aus der GeneCards-Datenbank bzw. der OMIM-Datenbank extrahiert. Nach dem Löschen duplizierter Gene konnten 9.057 Gene identifiziert werden, die mit LUAD in Verbindung stehen. Die Überschneidung der LUAD-verwandten Gene und der Trichosanthes-Fr...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Diskussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Im Allgemeinen umfasst eine vollständige netzwerkpharmakologische Studie die Identifizierung von Wirkstoffen aus Datenbanken, die Erfassung von Zielen, die den Wirkstoffen und Krankheiten entsprechen, den Aufbau eines Netzwerks von Wirkstoffkomponenten-Krankheitszielen und die Vorhersage von Kernzielen und -wegen. Die Assoziation zwischen Wirkstoffen und Kernproteinen (molekulares Docking) wird mit Hilfe von Computertechnik vorläufig vorhergesagt und die abschließende Verifizierung mit einem Experiment durchgeführt.

...

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Offenlegungen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Die Autoren haben keine Interessenkonflikte zu erklären.

Danksagungen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Diese Studie wurde durch das Innovation Training Program der Beijing University of Chinese Medicine (Nr.: 202110026036) unterstützt.

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
0,25 % Trypsin-EDTAGibcoR001100
A549  ZelllinieProcellCL-0016
AKT AntikörperCST4691S
BCA Protein Assay KitSolarbioPC0020
Chemilumineszenz-NachweissystemShanghai Qinxiang Scientific Instrument FactoryChemiScope 6100
Dulbecco's modifiziertes Eagle-Medium (DMEM)Solarbio11995
Kit für erweiterte Chemilumineszenz (ECL)ABklonalesRM00021
fötales RinderserumScienCell0025
HRP Ziege Anti-Kaninchen IgG (H+L)ABclonalAS014
MTS Assay KitPromegaG3580
p-AKT AntikörperCST6040S
Penicillin StreptomycinGibcoC14-15070-063
Phenylmethansulfonylfluorid (PMSF)SolarbioP0100
Phosphatase-InhibitorBeyotimeP1081
Phosphatgepufferte Kochsalzlösung (PBS)SolarbioP1020
Polyvinylidendifluorid (PVDF)-MembranenMilliporeISEQ00010 RIPA-Lyselösung
SolarbioR0010
RotationsverdampferShanghai Yarong Biochemical Instrument FactoryRE52CS-1
Vakuum-GefriertrocknungsmechanismusNingbo Scientz BiotechnologySCIENTZ-10
β-Aktin-AntikörperABklonalAC026

Referenzen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Thai, A. A., Solomon, B. J., Sequist, L. V., Gainor, J. F., Heist, R. S. Lung cancer. The Lancet. 398 (10299), 535-554 (2021).
  2. Sinha, A., et al. Early-stage lung adenocarcinoma MDM2 genomic amplification predicts clinical outcome and response to targeted therapy. Cancers. 14 (3), 708(2022).
  3. Howlader, N., et al. The effect of advances in lung-cancer treatment on population mortality. The New England Journal of Medicine. 383 (7), 640-649 (2020).
  4. Hirsch, F. R., et al. Lung cancer: Current therapies and new targeted treatments. The Lancet. 389 (10066), 299-311 (2017).
  5. Liu, J., et al. Comprehensive treatment with Chinese medicine in patients with advanced non-small cell lung cancer: A multicenter, prospective, cohort study. Chinese Journal of Integrative Medicine. 23 (10), 733-739 (2016).
  6. Xiao, Z. W., et al. Comprehensive TCM treatments combined with chemotherapy for advanced non-small cell lung cancer: A randomized, controlled trial. Medicine. 100 (18), 25690(2021).
  7. Li, Y., et al. Effectiveness of traditional Chinese medicine on chemoradiotherapy induced leukaemia in patients with lung cancer: A meta-analysis. Journal of Traditional Chinese Medicine. 38 (5), 661-667 (2018).
  8. Yuan, F., et al. Therapeutic effect and apoptosis mechanism of lung-tonifying and expectorant decoction on lung cancer rats with Qi deficiency and blood stasis. Asian Pacific Journal of Tropical Medicine. 8 (11), 983-988 (2015).
  9. Zhang, Y. L., Liang, Y. E., He, C. W. Anticancer activities and mechanisms of heat-clearing and detoxicating traditional Chinese herbal medicine. Chinese Medicine. 12, 20(2017).
  10. Wang, T. B., et al. Exploring the rules of application of RONG Yuan-ming in the treatment of non-small cell lung cancer. Guiding Journal of Traditional Chinese Medicine and Pharmacy. 25 (14), 22-25 (2019).
  11. Chen, T. T., Wang, Y., Tian, T. Medication regularity and mechanism of traditional Chinese medicine in treating lung cancer. Chinese Journal of Experimental Traditional Medical Formulae. 24 (11), 206-210 (2018).
  12. Shen, C. J. Analysis of the rule of Chinese medicine in treating lung cancer. Journal of Shandong University of Traditional Chinese Medicine. 35 (2), 127-129 (2011).
  13. Yang, X. Y., et al. Evidence-based complementary and alternative medicine bioinformatics approach through network pharmacology and molecular docking to determine the molecular mechanisms of Erjing pill in Alzheimer's disease. Experimental and Therapeutic Medicine. 22 (5), 1252(2021).
  14. Chen, G. Y., et al. Network pharmacology analysis and experimental validation to investigate the mechanism of total flavonoids of Rhizoma Drynariae in treating rheumatoid arthritis. Drug Design Development and Therapy. 16, 1743-1766 (2022).
  15. Chen, G. Y., et al. Integrating network pharmacology and experimental validation to explore the key mechanism of Gubitong recipe in the treatment of osteoarthritis. Computational and Mathematical Methods in Medicine. 2022, 7858925(2022).
  16. Xie, G. G., et al. A network pharmacology analysis to explore the effect of Astragali Radix-Radix Angelica Sinensis on traumatic brain injury. BioMed Research International. 2018, 3951783(2018).
  17. Chen, G. Y., et al. Prediction of Rhizoma Drynariae targets in the treatment of osteoarthritis based on network pharmacology and experimental verification. Evidence Based Complementary and Alternative Medicine. 2021, 5233462(2021).
  18. World Federation of Chinese Medicine Societies. Network pharmacology evaluation methodology guidance. World Chinese Medicine. 16 (4), 527-532 (2021).
  19. Fang, S. S., et al. A high-throughput experiment- and reference-guided database of traditional Chinese medicine. Nucleic Acids Research. 49, 1197-1206 (2021).
  20. Chen, G. Y., et al. Network pharmacology-based strategy to investigate the mechanisms of Cibotium barometz in treating osteoarthritis. Evidence-Based Complementary and Alternative Medicine. 2022, 1826299(2022).
  21. Yu, J. H., et al. ZiYinHuaTan recipe inhibits cell proliferation and promotes apoptosis in gastric cancer by suppressing PI3K/AKT pathway. BioMed Research International. 2020, 2018162(2020).
  22. Daina, A., Michielin, O., Zoete, V. SwissADME: A free web tool to evaluate pharmacokinetics, drug-likeness and medicinal chemistry friendliness of small molecules. Scientific Reports. 7, 42717(2017).
  23. Keiser, M. J., et al. Relating protein pharmacology by ligand chemistry. Nature Biotechnology. 25 (2), 197-206 (2007).
  24. Safran, M., et al. GeneCards Version 3: The human gene integrator. Database. 2010, (2010).
  25. Amberger, J. S., Hamosh, A. Searching Online Mendelian Inheritance in Man (OMIM): A knowledgebase of human genes and genetic phenotypes. Current Protocols in Bioinformatics. 58, 1-12 (2017).
  26. Mering, C. V., et al. STRING: Known and predicted protein-protein associations, integrated and transferred across organisms. Nucleic Acids Research. 33, 433-437 (2005).
  27. Zhou, Y. Y., et al. Metascape provides a biologist-oriented resource for the analysis of systems-level datasets. Nature Communications. 10, 1523(2019).
  28. Pundir, S., et al. UniProt protein knowledgebase. Methods in Molecular Biology. 1558, 41-55 (2017).
  29. Burley, S. K., et al. Protein data bank (PDB): The single global macromolecular structure archive. Methods in Molecular Biology. 1607, 627-641 (2017).
  30. Welsh, L. C., Welsh, M. VEGFA and tumour angiogenesis. Journal of Internal Medicine. 273 (2), 114-127 (2013).
  31. Hsu, L. H., Chu, N. M., Kao, S. H. Estrogen, estrogen receptor and lung cancer. International Journal of Molecular Sciences. 18 (8), 1713(2017).
  32. Atmaca, A., et al. SNAI2/SLUG and estrogen receptor mRNA expression are inversely correlated and prognostic of patient outcome in metastatic non-small cell lung cancer. BMC Cancer. 15, 300(2015).
  33. Lakshmi, S. P., Reddy, A. T., Banno, A., Reddy, R. C. PPAR agonists for the prevention and treatment of lung cancer. PPAR Research. 2017, 8252796(2017).
  34. Oguro, A., Sakamoto, K., Funae, Y., Imaoka, S. Overexpression of CYP3A4, but not of CYP2D6, promotes hypoxic response and cell growth of Hep3B cells. Drug Metabolism and Pharmacokinetics. 26 (4), 407-415 (2011).
  35. Jamroze, A., Chatta, G., Tang, D. G. Androgen receptor (AR) heterogeneity in prostate cancer and therapy resistance. Cancer Letters. 518, 1-9 (2021).
  36. Wu, Y. I., et al. Regulation of global gene expression and cell proliferation by APP. Scientific Reports. 6, 22460(2016).
  37. Sedlář, A., et al. Growth factors VEGF-A 165 and FGF-2 as multifunctional biomolecules governing cell adhesion and proliferation. International Journal of Molecular Sciences. 22 (4), 1843(2021).
  38. Guo, L. H., Yin, M., Wang, Y. X. CREB1, a direct target of miR-122, promotes cell proliferation and invasion in bladder cancer. Oncology Letters. 16 (3), 3842-3848 (2018).
  39. Wang, D. D., et al. Induction of CYP1A1 increases gefitinib-induced oxidative stress and apoptosis in A549 cells. Toxicology In Vitro. 44, 36-43 (2017).
  40. Tan, A. C. Targeting the PI3K/Akt/mTOR pathway in non-small cell lung cancer (NSCLC). Thoracic Cancer. 11 (3), 511-518 (2020).
  41. Jin, X., et al. RBM10 inhibits cell proliferation of lung adenocarcinoma via RAP1/AKT/CREB signalling pathway. Journal of Cellular and Molecular Medicine. 23 (6), 3897-3904 (2019).
  42. Henkels, K. M., et al. Phospholipase D (PLD) drives cell invasion, tumor growth and metastasis in a human breast cancer xenograph model. Oncogene. 32 (49), 5551-5562 (2013).
  43. Zhang, Z. Y., et al. CircRNA_101237 promotes NSCLC progression via the miRNA-490-3p/MAPK1 axis. Scientific Reports. 10, 490-493 (2020).
  44. Gao, T. X., et al. Exploring the mechanism of Fu-Zi Decoction in treatment of chronic heart failure based on network pharmacology and molecular docking technology. Journal of Chinese Pharmaceutical Sciences. 30 (09), 705-715 (2021).
  45. Wang, B., et al. PP4C facilitates lung cancer proliferation and inhibits apoptosis via activating MAPK/ERK pathway. Pathology, Research and Practice. 216 (5), 152910(2020).
  46. Moon, M. Y., et al. Rap1 regulates hepatic stellate cell migration through the modulation of RhoA activity in response to TGF-β1. International Journal of Molecular Medicine. 44 (2), 491-502 (2019).
  47. Kan, J., et al. He-Chan Pian inhibits the metastasis of non-small cell lung cancer via the miR-205-5p-mediated regulation of the GREM1/Rap1 signaling pathway. Phytomedicine. 94, 153821(2022).
  48. Sidrat, T., et al. Role of Wnt signaling during in-vitro bovine blastocyst development and maturation in synergism with PPARδ signaling. Cells. 9 (4), 923(2020).
  49. Wagner, N., Wagner, K. D. PPAR beta/delta and the hallmarks of cancer. Cells. 9 (5), 1133(2020).
  50. Miriam, M., et al. PI3K/AKT signaling pathway and cancer: An updated review. Annals of Medicine. 46 (6), 372-383 (2014).
  51. Ma, X. L., et al. CD73 promotes hepatocellular carcinoma progression and metastasis via activating PI3K/AKT signaling by inducing Rap1-mediated membrane localization of P110β and predicts poor prognosis. Journal of Hematology & Oncology. 12 (1), 37(2019).
  52. Li, T., et al. Pomegranate flower extract bidirectionally regulates the proliferation, differentiation and apoptosis of 3T3-L1 cells through regulation of PPARγ expression mediated by PI3K-AKT signaling pathway. Biomedicine & Pharmacotherapy. 131, 110769(2020).

Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.

Nachdrucke und Genehmigungen

Genehmigung beantragen, um den Text oder die Abbildungen dieses JoVE-Artikels zu verwenden

Genehmigung beantragen

Schlagwörter

PI3K AKT SignalwegProteinphosphorylierungA549 ZellenKEGG EnrichmentProtein InteraktionsnetzwerkHemmung der Zellproliferationmolekulares Docking

Verwandte Artikel