Methodenartikel

Antagonistische Wirkung von Jiawei Shengjiang San auf ein Rattenmodell der diabetischen Nephropathie: Verwandt mit dem EGFR/MAPK3/1-Signalweg

1.3K Aufrufe

⸱

DOI:

10.3791/66179

⸱

10. Mai 2024

 ,  ,  ,  , 
1Graduate School, Hebei University of Chinese Medicine, 2School of Basic Medical Sciences, Hebei University of Chinese Medicine, 3Department of Endocrinology and Nephrology, Renal Research Institute of Beijing University of Chinese Medicine, Dongzhimen Hospital Affiliated to Beijing University of Chinese Medicine, 4Hebei Province Academy of Chinese Medicine Sciences, 5Department of Nephrology, First Affiliated Hospital, Hebei University of Chinese Medicine

* These authors contributed equally

In diesem Artikel

Zusammenfassung

Hier stellen wir ein Protokoll vor, das die Netzwerkpharmakologie und molekulare Docking-Techniken beschreibt, um den Wirkmechanismus von Jiawei Shengjiang San (JWSJS) bei der Behandlung der diabetischen Nephropathie zu untersuchen.

Zusammenfassung

Unser Ziel war es, die Mechanismen zu untersuchen, die der Aktion von Jiawei Shengjiang San (JWSJS) bei der Behandlung der diabetischen Nephropathie und dem Einsatz von Netzwerkpharmakologie zugrunde liegen. Mit Hilfe von Netzwerkpharmakologie und molekularen Docking-Techniken haben wir die Wirkstoffe und Ziele von JWSJS vorhergesagt und ein akribisches "Wirkstoff-Komponenten-Ziel"-Netzwerk konstruiert. Die Anreicherungsanalysen der Genontologie (GO) und der Kyoto-Enzyklopädie der Gene und Genome (KEGG) wurden verwendet, um die therapeutischen Wege und Ziele von JWSJS zu ermitteln. Autodock Vina 1.2.0 wurde für die Verifizierung des molekularen Dockings eingesetzt, und es wurde eine 100-ns-Molekulardynamiksimulation durchgeführt, um die Andockergebnisse zu bestätigen, gefolgt von einer In-vivo-Verifizierung an Tieren. Die Ergebnisse zeigten, dass JWSJS 227 sich überschneidende Ziele mit der diabetischen Nephropathie teilte und eine Protein-Protein-Interaktionsnetzwerk-Topologie konstruierte. Die KEGG-Anreicherungsanalyse zeigte, dass JWSJS die diabetische Nephropathie durch Modulation von Lipiden und Atherosklerose, dem PI3K-Akt-Signalweg, der Apoptose und dem HIF-1-Signalweg abschwächt, wobei die Mitogen-aktivierte Proteinkinase 1 (MAPK1), MAPK3, der epidermale Wachstumsfaktor-Rezeptor (EGFR) und die Serin/Threonin-Proteinkinase 1 (AKT1) als kollektive Ziele mehrerer Signalwege identifiziert wurden. Molecular docking behauptete, dass die Kernkomponenten von JWSJS (Quercetin, Palmitoleinsäure und Luteolin) die Konformation mit drei zentralen Zielen (MAPK1, MAPK3 und EGFR) durch Wasserstoffbrückenbindungen stabilisieren können. In-vivo-Untersuchungen zeigten eine bemerkenswerte Zunahme des Körpergewichts und eine Verringerung des glykierten Serumproteins (GSP), des Low-Density-Lipoprotein-Cholesterins (LDL-C), des Uridintriphosphats (UTP) und des Nüchternblutzuckerspiegels (FBG) aufgrund von JWSJS. Die Elektronenmikroskopie in Verbindung mit Hämatoxylin und Eosin (HE) und die Periodensäure-Schiff-Färbung (PAS) zeigten das Potenzial jeder Behandlungsgruppe bei der Linderung von Nierenschäden in unterschiedlichem Ausmaß, wobei sie unterschiedliche Rückgänge von p-EGFR, p-MAPK3/1 und BAX sowie Zuwächse der BCL-2-Expression im Nierengewebe der behandelten Ratten zeigten. Zusammenfassend deuten diese Erkenntnisse darauf hin, dass die schützende Wirksamkeit von JWSJS bei diabetischer Nephropathie mit der Unterdrückung der Aktivierung des EGFR/MAPK3/1-Signalwegs und der Linderung der Apoptose der Nierenzellen verbunden sein könnte.

Einleitung

Diabetes mellitus (DM) ist eine chronische Krankheit, die mehrere Systeme betrifft und aufgrund einer kontinuierlichen Hyperglykämie verschiedene Komplikationen verursachen kann, wie z. B. diabetische Nephropathie (DN), Retinopathie und Neuropathie1. DN ist eine schwerwiegende Komplikation der DM und macht etwa 30 % bis 50 % der Nierenerkrankungen im Endstadium (ESRD) aus2. Ihre klinische Manifestation ist die Mikroalbuminurie, die zu einer ESRD fortschreiten kann, die durch ein erhöhtes glomeruläres Volumen, eine mesangiale Stromahyperplasie und eine verdickte glomeruläre Basalmembrangekennzeichnet ist 3. Die Pathogenese der DN ist komplex und noch nicht vollständig geklärt. Klinische Methoden wie die Senkung des Blutzuckerspiegels, die Regulierung des Blutdrucks und die Verringerung der Proteinurie werden hauptsächlich verwendet, um das Fortschreiten zu verzögern, aber die Wirkung ist allgemein.

Derzeit wurde kein spezifisches Medikament zur Behandlung von DN4 gefunden. Seit Jahrhunderten werden chinesische pflanzliche Arzneimittel jedoch häufig zur Behandlung von DM und seinen Komplikationen eingesetzt5 und haben die klinischen Symptome der Patienten verbessert und das Fortschreiten der Krankheit verzögert. Aufgrund der Vorteile von Mehrkomponenten-, Multi-Target- und Multi-Pathway-Effekten wird erwartet, dass chinesische pflanzliche Arzneimittel eine innovative Arzneimittelquelle für die Behandlung von DN6 sind.

"Shengjiang san" stammt von den "Wanbing Huichun" des Arztes Gong Tingxian aus der Ming-Dynastie. Das Buch "Neifu Xianfang" beschreibt die Verwendung von Bombyx Batryticatus, Cicadae Periostracum, Curcumaelongae Rhizoma und Radix Rhei et Rhizome. Auf dieser Grundlage übt es nach der Zugabe von Hedysarum Multijugum Maxim, Epimrdii Herba und Smilacis Glabrae Rhixom die Funktion von Shengjiang san aus, die Klarheit zu erhöhen, die Trübungen zu verringern, stagnierende "Wärme" freizusetzen und das "Qi" und das Blut zu harmonisieren 7,8. Es erhöht auch die Wirkung der Milzstärkung und der Straffung der Nieren. Seine Wirksamkeit steht im Einklang mit der Pathogenese des "Qi" von DN, das aufgrund eines Mangels an "Lebensenergie", übermäßiger Trockenheit und "Hitze" und einer Stagnation der "Wärme", die durch einen dreifachen Energizer verursacht wird, ansteigt und abfällt 7,8.

Frühere klinische Studien haben gezeigt, dass chinesische pflanzliche Arzneimittel zur Behandlung von DM und seinen Komplikationen eingesetzt wurden, und es wurde gezeigt, dass Jiawei Shengjiang San (JWSJS) den Blutzucker und die Lipide reguliert, die Proteinurie reduziert und die klinische Wirksamkeit von Patienten mit frühem DN7 signifikant verbessert. Die Fähigkeit von JWSJS, den Protein- und Blutzuckerspiegel im Urin bei DN-Ratten zu senken, wurde durch frühere Studien bestätigt. Dies geschieht wahrscheinlich durch die Hemmung der TXNIP/NLRP3- und RIP1/RIP3/MLKL-Signalwege, die Verringerung der Podozyten-Pyroptose und die Verhinderung der nekrotischen Apoptose im Nierengewebe von DN-Ratten, wodurch ein Nierenschutz erreichtwird 9. JWSJS kann die Expression von Nephrin- und Podocin-Proteinen hochregulieren und die Podozytenschädigung bei DN-Ratten reduzieren, was darauf hindeutet, dass JWSJS eine hemmende Wirkung auf die Podozytenschädigung hat. JWSJS hat eine gewisse Anti-DN-Wirkung mit guten Sicherheitsprofilen, aber es gibt wenig Forschung darüber, und diese Arbeit konzentriert sich hauptsächlich auf Pyroptose und nekrotische Apoptose. Die Literatur ist nicht tief genug und nicht systematisch10. Unsere früheren Ergebnisse haben bestätigt, dass JWSJS die Proteinurie reduzieren und Nierenschäden bei DN-Ratten lindern kann7. Es gibt jedoch nur wenige Studien über den Mechanismus von JWSJS für die DN-Behandlung, und diesen fehlt es an Tiefe und Systematisierung. Ziel dieser Studie ist es daher, die molekularen Substanzen und Wirkmechanismen von JWSJS für die DN-Behandlung mittels Netzwerkpharmakologie zu analysieren und eine solide Grundlage für zukünftige Forschung zu schaffen.

Die Netzwerkpharmakologie ist eine aufstrebende Methode zur Untersuchung des Wirkmechanismus von Arzneimitteln, einschließlich Chemieinformatik, Netzwerkbiologie, Bioinformatik und Pharmakologie11,12. Das Forschungsdesign der Netzwerkpharmakologie ist dem ganzheitlichen Konzept der traditionellen chinesischen Medizin sehr ähnlich13,14 und es ist eine wichtige Methode, um den Mechanismus chinesischer pflanzlicher Arzneimittel zu untersuchen. Molekulares Docking kann Wechselwirkungen zwischen Molekülen untersuchen und ihre Bindungsmuster und Affinität vorhersagen. Molekulares Docking hat sich zu einer wichtigen Technik im Bereich der computergestützten Arzneimittelforschung entwickelt15. Daher wurde in dieser Studie ein JWSJS-DN-Ziel-Interaktionsnetzwerk durch Netzwerkpharmakologie und molekulare Docking-Methoden konstruiert, das eine zuverlässige und theoretische Grundlage für die weitere Erforschung der DN-Behandlung mit JWSJS bietet.

Protokoll

Alle Tiere wurden in Übereinstimmung mit dem US National Research Council Guide for the Care and Use of Laboratory Animals, 8. Auflage, gehalten und verwendet und gemäß den ARRIVE-Richtlinien16,17 berichtet. Die Studie wurde in Übereinstimmung mit dem China National Research Council Guide for the Care and Use of Laboratory Animals durchgeführt und von der Tierethikkommission der Universität für Chinesische Medizin Hebei (DWLL2019030) genehmigt.

1. JWSJS Wirkstoffe und Zielsammlung

  1. Geben Sie die medizinische Zusammensetzung JWSJS (Hedysarum Multijugum Maxim, Epimrdii Herba, Smilacis Glabrae Rhixoma, Radix Rhei et Rhizome und Curcumaelongae Rhizoma) in die Datenbank18 der traditionellen chinesischen Medizin ein, um alle chemischen Komponenten abzurufen.  Gemäß dem ADME-Screening (Absorption, Distribution, Metabolismus und Exkretion) beträgt die orale Bioverfügbarkeit (OB) ≥ 30 % und die arzneimittelähnlichen Eigenschaften (DL) ≥ 0,18 chemischen Inhaltsstoffe19,20.
  2. Verwenden Sie die TCMSP-Datenbank (https://old.tcmsp-e.com/ tcmsp.php, Version 2.3), um die entsprechenden Ziele chemischer Inhaltsstoffe abzurufen.
  3. Beziehen Sie die Wirkstoffe von Bombyx Batryticatus und Cicadae Periostracum , indem Sie in den Datenbanken für Traditionelle Chinesische Medizin und Chemische Zusammensetzungsuchen 21.
  4. Um die Glaubwürdigkeit der Experimente zu gewährleisten, wählen Sie für diese Studie Verbindungen mit CAS-Nummern (Chemical Abstracts Service) aus. Laden Sie dann 2D-Strukturdiagramme (.sdf-Format) von Wirkstoffen von PubChem herunter (https://pubchem.ncbi.nlm.nih.gov/, aktualisiert 2021)22.
  5. Verwenden Sie SwissADME (www.swissadme.ch, aktualisiert 2021)23, um die Komponenten mit hoher gastrointestinaler (GI) Resorption als Arzneimittelähnlichkeit (Lipinski, Ghose, Veber, Egan, Muegge) zu screenen, deren ≥ 2 Items "Ja" waren. Dies führte zu den Wirkstoffen von Bombyx Batryticatus und Cicadae Periostracum.
  6. Importieren Sie diese in die TCMSP-Datenbank für die Vorhersage von Zielproteinen (https://old.tcmsp-e.com/tcmsp.php, Version 2.3)18.
  7. Standardisierung der Ziele in der UniProt-Datenbank (https://www.uniprot.org, aktualisiert im Jahr 2021) mit dem Status " Überprüft " und der Spezies " Mensch24".

2. DN-entsprechende Zielsammlung

  1. Suche nach diabetischer Nephropathie über GeneCards (https://www.genecards.org/, Version 5.1)25, OMIM (https://omim.org/, aktualisiert im Jahr 2021)26, TTD (http://db.idrblab.net/ttd/, aktualisiert im Jahr 2021)27, PharmGKB (https://www.pharmgkb.org/, aktualisiert im Jahr 2021)28 und DrugBank-Datenbanken (https://www.drugbank.ca/, aktualisiert im Jahr 2021)29. Ermitteln Sie die Ziele von DN nach dem Kombinieren und Deduplizieren.
  2. Screening gemeinsamer Ziele von JWSJS und DN und Netzbau
    1. Prüfen Sie die gemeinsamen Ziele von JWSJS und DN mit der Software R 4.2.0 und zeichnen Sie Venn-Diagramme. Importieren Sie die Wirkstoffe und potenziellen Ziele von JWSJS in die Cytoscape 3.8.0 Software30 , um ein Drug-Ingredient-Target-Netzwerkdiagramm zu erstellen, das den Zusammenhang zwischen Medikamenten, Inhaltsstoffen, Zielen und Krankheiten visualisiert.
    2. Lassen Sie die Größe des Knotens die Größe des Gradwerts widerspiegeln, wobei ein höherer Gradwert angibt, dass der Knoten im Netzwerk wichtiger ist.
  3. Aufbau eines PPI-Protein-Protein-Interaktionsnetzwerks und Screening von Kernzielen
    1. Analysieren Sie die sich überschneidenden Gene mit der Online-Plattform STRING (Version:11.5), um ein Protein-Protein-Interaktionsnetzwerk (PPI) zu konstruieren31. Konstruieren Sie das Netzwerk mit einem Analysemodus für mehrere Proteine , legen Sie die Spezies auf Homo sapiens fest, und legen Sie den minimal erforderlichen Interaktionswert auf >0,930 fest.
    2. Verwenden Sie Cytoscape 3.8.0, um das Netzwerk topologisch zu analysieren, die Werte für die Zwischenzentralität (BC), die Nähezentralität (CC), die Gradzentralität (DC), die Eigenvektorzentralität (EC), die lokale durchschnittliche konnektivitätsbasierte Methode (LAC) und die Netzwerkzentralität (NC) für jeden Knoten zu berechnen und die sechs Knoten mit allen Werten größer als dem Median32 zu filtern. Wiederholen Sie diesen Vorgang mehrmals, um die Kernziele von JWSJS für die DN-Therapie zu identifizieren.
  4. GO-Funktionsanalysen und KEGG-Signalweg-Anreicherungsanalyse
    1. Führen Sie GO- und KEGG-Anreicherungsanalysen durch, um die biologischen Prozesse, molekularen Funktionen, zellulären Komponenten und Signalwege zu identifizieren, die mit den gemeinsamen Zielen von JWSJS und DN verbunden sind.
    2. Verwenden Sie die Organisation. Hs.eg.db Paket, um die IDs der Schnittpunktziele abzurufen, und verwenden Sie den clusterProfiler, org. Hs.eg.db-, enrichplot- und ggplot2-Pakete für Anreicherungsanalysen33.
    3. Screening auf funktionelle GO-Anreicherungsanalyse der Top 10 biologischen Treffer mit einem korrigierten P-Wert < 0,05 und Auswahl der Top-30-Signalwege mit der höchsten Anreicherung für die KEGG-Analyse.

3. Molekulares Andocken

  1. Verwenden Sie die AutoDock Vina-Software, um ein molekulares Andocken zwischen den JWSJS-Kernkomponenten und den Kernzielen für die DN-Therapie34 durchzuführen.
  2. Suchen Sie in der PubChem-Datenbank, um die SDF-Datei der 2D-Struktur der JWSJS-Kernkomponenten zu erhalten. Verwenden Sie die ChemBio 3D Ultra14.0-Software, um die 3D-Struktur zu generieren und zu optimieren, speichern Sie sie im mol2-Format und verwenden Sie sie als Ligandendatei.
  3. Suchen Sie das PDB-Format der 3D-Struktur der Kernziele aus der Datenbank der Protein Data Bank (PDB) des Research Collaboratory for Structural Bioinformatics (RCSB) und laden Sie es herunter. Verwenden Sie die Pymol 2.4.0-Software, um Wassermoleküle und Liganden aus der Proteinstruktur zu entfernen, sie im pdb-Format zu speichern und als Rezeptordatei zu verwenden.
  4. Importieren Sie die Rezeptor-PDB-Datei in die AutoDockTools 1.5.7-Software für die Hydrierung, konvertieren Sie sowohl das Rezeptorprotein als auch den niedermolekularen Liganden in das pdbqt-Format, stellen Sie die aktive Tasche für das Rezeptorprotein mit einem auf 1 eingestellten Abstandskoeffizienten ein.
  5. Verwenden Sie Autodock vina 1.2.0 für das molekulare Andocken und berechnen Sie die Bindungsenergie; Wenn die Affinität 0 <, berücksichtigen Sie, dass das Molekül spontan an das Protein bindet, ein höherer absoluter Wert der Affinität zeigt eine stabilere Bindung zwischen ihnen an. Visualisieren Sie abschließend die Docking-Ergebnisse mit der Software Pymol 2.3.0 und LigPlot 2.2.5.

4. Molekulardynamische Simulation

  1. Um MD-Simulationen mit der Desmond-Software durchzuführen, gehen Sie folgendermaßen vor:
    1. Verwenden Sie die akademische Version 2019-1 der Desmond-Software, um die Stabilität und Flexibilität von Protein-Liganden-Wechselwirkungen zu bewerten.
    2. Durchführung molekulardynamischer (MD) Untersuchungen an einem Trio der vielversprechendsten Ligandenkomplexe, die aus Docking-Studien abgeleitet wurden. Durchführung von Simulationen in einer wässrigen SPC-Umgebung mit 0,15 M NaCl, die die physiologischen ionischen Bedingungen replizieren. Die Simulationsbox ist so konzipiert, dass der gelöste Stoff mindestens 10 Å von seinen Grenzen entfernt bleibt. Gegenionen werden eingeführt, um die elektrische Ladung des Systems zu neutralisieren. Zusätzlich werden periodische Randbedingungen angewendet, die durch die Parameter des Kraftfeldes OPLS 2005 bestimmt werden.
    3. Initiieren Sie eine Energieminimierungsphase für 100 ps mit Desmond-Standardparametern.
    4. Stellen Sie die Temperatur- und Druckstabilisierung bei 26,85 °C (300 K) und 1,01325 bar durch die Nosé-Hoover-Kette und die Martyna-Tobias-Klein-Methoden für alle MD-Produktionssysteme sicher. Die Molekulardynamik-Simulation wird mit einem Zeitschritt von 2 fs für eine Gesamtdauer von 100 ns ausgeführt, wobei die atomaren Koordinaten alle 100 ps aufgezeichnet werden.
    5. Öffnen Sie das Modul Simulation Interactions Diagram (SID). Laden Sie die Datendateien der Simulationsergebnisse in das Modul.
    6. Wählen Sie den gewünschten Analysetyp aus den im Modul verfügbaren Optionen aus (z. B. Root-Mean-Square-Abweichung [RMSD], Root-Mean-Square-Fluktuation [RMSF], Wasserstoffbrückenbindungsanalyse usw.). Geben Sie alle zusätzlichen Parameter an, die für den ausgewählten Analysetyp erforderlich sind.
    7. Führen Sie die Analyse aus, indem Sie auf die Schaltfläche Analysieren oder Starten klicken.
    8. Sobald die Analyse abgeschlossen ist, können Sie die Ergebnisse in der Benutzeroberfläche des SID-Moduls anzeigen und interpretieren. Exportieren Sie die Ergebnisse, wenn sie zur weiteren Verwendung oder Präsentation benötigt werden.

5. Validierung von Tierversuchen

  1. Tiere und Versuchsaufbau
    HINWEIS: An dieser Studie nahmen 75 männliche Sprague-Dawley-Ratten teil, die aus einer Tierproduktionsanlage mit Lichtschutzfaktor stammten und 8 Wochen alt waren und eine Körpermasse von 150 g ± 20 g aufwiesen (Tierproduktionsbescheinigung Nummer SCXK [Hebei] 2018-004).
    1. Bringen Sie die Ratten in einem Tierlabor mit Lichtschutzfaktor unter und teilen Sie sie nach 1 Woche adaptiver Fütterung nach dem Zufallsprinzip in Normal- und Modellgruppen ein. Versorgen Sie die Normalgruppe mit einer normalen Ernährung und die Modellgruppe mit einer zucker- und fettreichen Ernährung. Nach 4 Wochen fasten Sie die Ratten, aber entziehen Sie ihnen 12 Stunden lang kein Wasser.
    2. Injizieren Sie der Modellgruppe eine intraperitoneale Injektion von Streptozotocin (STZ; 35 mg·kg-1). Nach 72 h den Blutzuckerspiegel durch eine Schwanzvenenblutabnahme messen. Wenn der Nüchternblutzuckerspiegel ≥16,7 mmol· L-1, bestätigen Sie es als erfolgreiches Diabetikermodell.
    3. Bestätigung des erfolgreichen DN-Modells durch Beobachtung histopathologischer Veränderungen in der Rattenniere.
    4. Teilen Sie die erfolgreich replizierten Modelle nach dem Zufallsprinzip in die Modellgruppe auf, die JWSJS mit 4,37 g/kg, 8,73 g/kg und 17,46 g/kg (entsprechend dem 3,2-, 6,3- und 12,6-fachen der klinischen Äquivalentdosis) erhielt, sowie in eine Irbesartan-Gruppe (0,014 g/kg). Jede Gruppe bestand aus 10 Ratten. Verabreichen Sie alle Arzneimittel einmal täglich über eine orale Sonde. Behalten Sie dieses Dosierungsschema 4 Wochen lang konsequent bei.
    5. Betäuben Sie die Ratten mit einer intraperitonealen Injektion von 1% Pentobarbital-Natrium (50 mg/kg) und bestätigen Sie die ordnungsgemäße Anästhesie durch Verlust des Pedalentzugsreflexes. Entnehmen Sie vor der Euthanasie Blutproben aus der Bauchaorta.
    6. Entnehmen Sie die Nieren nach dem Einschläfern der Ratten mit einer intraperitonealen Injektion von Natrium-Pentobarbital in einer Dosis von 150 mg/kg.
      HINWEIS: Die Tiere wurden auf humane Weise eingeschläfert, gemäß den aktuellsten Richtlinien der American Veterinary Medical Association (AVMA) (https://www.avma.org/resources-tools/avma-policies/avma-guidelines-euthanasia-animals) für Euthanasie.
  2. Histologische Analysen der Nieren
    HINWEIS: Das Nierengewebe wurde in 4 % Paraformaldehyd fixiert und nach 48 h in Ethanol dehydriert; Abschnitte wurden in Paraffin eingebettet. Die Schnitte wurden in dünne (4-μm) Scheiben geschnitten, um sie mit Hämatoxylin- und Eosin (HE) und periodischem Säure-Schiff (PAS) zu färben, und die morphologischen Veränderungen der Nierenhistologie wurden unter einem Lichtmikroskop beobachtet.
    1. HE-Färbung:
      1. Entparaffinierung und Hydratation: Behandeln Sie die Gewebeschnitte mit Xylol I und II (je 10 min), absolutem Alkohol I und II (je 3 min). Tauchen Sie dann die Gewebeschnitte in 95 %, 90 %, 80 % und 70 % Ethanol (jeweils 2 Minuten), gefolgt von einer 5-minütigen Wäsche mit destilliertem Wasser.
      2. Legen Sie die Gewebeschnitte 5 Minuten lang in Hämatoxylin-Färbung und differenzieren Sie die Schnitte dann 5 s lang mit Salzsäure.
      3. Legen Sie den Schnitt für 3 Minuten in die Eosin-Färbelösung.
      4. Dehydratisieren, Reinigen und Einbetten: Entwässern Sie die Abschnitte zu unterschiedlichen Zeiten in verschiedenen Ethanolen (70 %, 80 %, 90 %, 95 % und absolute Ethanole), reinigen Sie sie dann in Xylol I und II, gefolgt von der Montage mit neutralem Gummi.
    2. PAS-Färbung:
      1. Befolgen Sie die in Schritt 5.2.1 beschriebenen Entparaffinierungsschritte und behandeln Sie den Abschnitt ~8 min lang mit der periodischen sauren Färbelösung.
      2. Spülen Sie die Abschnitte 2 Minuten lang in destilliertem Wasser ab und färben Sie sie dann 15 Minuten lang im Dunkeln mit dem Schiff Reagenz.
      3. Waschen Sie die Abschnitte 10 Minuten lang in Leitungswasser, nachdem Sie sie mit dem Schiff-Reagenz behandelt haben.
      4. Die Schnitte 1 min lang mit Hämatoxylin gegenfärben und anschließend 30 s lang mit HCl-Alkohol differenzieren. Waschen Sie die Abschnitte erneut 5 Minuten lang in Leitungswasser, um den Kern blau zu färben.
    3. Elektronenmikroskopie:
      1. Fixieren Sie die Proben 3 h lang in 2,5 % Glutaraldehyd und spülen Sie sie dann 3 h lang in PBS. Behandeln Sie die Proben weiterhin 3 h lang in 1%iger Osmisäure und spülen Sie sie dann erneut 3 h lang in PBS.
      2. Dehydrieren Sie durch eine abgestufte Reihe von Alkoholbädern, die mit Aceton enden (jeder Schritt dauert insgesamt etwa 2 Stunden).
      3. Die Proben werden 2 h lang mit einer Mischung aus Epoxidpropan und Epoxidharz (1:1) bei Raumtemperatur (RT) infiltriert, gefolgt von reinem Epoxidharz bei 37 °C für weitere 2 h.
      4. Danach härten und härten die Proben bei immer höheren Temperaturen über einen Zeitraum von 36 h aus, bevor sie geschnitten werden. Dieser Prozess stellt sicher, dass das Gewebe gründlich mit dem Harz infiltriert wird, das dann gehärtet wird, um ein dünnes Schneiden für die Elektronenmikroskopie zu ermöglichen.
      5. Mit 3% Uranylacetat und Bleisäure doppelt färben und die Proben innerhalb von 15 min elektronenmikroskopisch beobachten und fotografieren.
        HINWEIS: Die Einstellungen für die Transmissionselektronenmikroskopie (TEM) lauten wie folgt: eine 7000-fache Vergrößerung im Hochkontrastmodus (Zoom-1 HC-1) mit einer Beschleunigungsspannung von 80,0 kV auf einem TEM-System.
  3. Immunhistochemie
    1. Entparaffinierung: Legen Sie die Gewebeschnitte für jeweils 10 min in Xylol I und II.
    2. Rehydratisierung: Rehydrieren Sie die entwachsten Gewebeabschnitte, indem Sie sie nacheinander für jeweils 3 min in absolutes Ethanol I und II legen, gefolgt von 95 %, 90 %, 80 % und 70 % Ethanol für jeweils 2 min.
    3. Antigen-Entnahme: Tauchen Sie die Gewebeschnitte ca. 5 min in 0,1 M Citrat-Zitronensäure-Pufferlösung unter hohem Druck und kühlen Sie sie anschließend auf RT ab.
    4. Blockierung: Um eine unspezifische Bindung der Antikörper zu verhindern, blockieren Sie, indem Sie die Gewebeschnitte mit 5% normalem Ziegenserum bei ca. 37 °C für 30 min inkubieren.
    5. Inkubation von Primärantikörpern: Geben Sie die Primärantikörper p-EGFR (verdünnt 1:200) und p-MAPK3/1 (verdünnt 1:200) auf Gewebeschnitte und inkubieren Sie sie über Nacht bei 4 °C in einer befeuchteten Kammer.
    6. Inkubation von Sekundärantikörpern: Waschen Sie die Schnitte dreimal mit PBS, geben Sie dann Biotin-markierte Sekundärantikörper (verdünnt in PBS gemäß den Anweisungen des Herstellers) auf die Schnitte und inkubieren Sie sie 30 Minuten lang bei 37 °C.
    7. Meerrettichperoxidase-konjugierte Streptavidin-Arbeitslösung bei 37 °C auf die Gewebeschnitte auftragen und anschließend dreimal mit phosphatgepufferter Kochsalzlösung (PBS) waschen.
    8. Für die DAB-Entwicklung werden die Abschnitte mit DAB-Entwicklungslösung inkubiert (3 min im Dunkeln bei RT) und anschließend mit destilliertem Wasser gespült. DAB fungiert als Chromogensubstrat für das Enzym Meerrettichperoxidase (HRP), das sich bei Oxidation braun verfärbt.
    9. Verwenden Sie Hämatoxylin zur Gegenfärbung für ca. 2 min, differenzieren Sie die Schnitte 5 s lang mit 1%igem Salzalkohol und waschen Sie sie dann unter fließendem Wasser, bis sie blau werden.
    10. Dehydrieren, indem die Abschnitte nacheinander in eine Reihe von Ethanol von niedriger bis hoher Konzentration gelegt werden, klar in Xylol I und II, und die Abschnitte mit neutralem Gummi aufsetzen.
      HINWEIS: Dieses Verfahren dauert ca. 18-24 Stunden, einschließlich der Inkubation des primären Antikörpers über Nacht.
    11. Wählen Sie nach dem Zufallsprinzip drei Gesichtsfelder (200x) für jeden Schnitt aus und analysieren Sie die Färbeergebnisse der Schnitte mit Hilfe der Bildanalysesoftware. Die Image Pro Plus 6.0-Software wurde mit den folgenden Schritten verwendet.
    12. Importieren Sie zunächst ein Bild des Abschnitts in die Software.
    13. Dichtekorrektur: Um genaue Ergebnisse zu gewährleisten, führen Sie eine Dichtekorrektur durch.
      1. Navigieren Sie zu Messen > Kalibrierung > Intensität > Neue > std. Optionale Dichte- > Optionen > Bild. Klicken Sie dann auf einen leeren Bereich des Bildes, um den Hintergrundwert aufzuzeichnen und bestätigen Sie ihn mit OK.
    14. Einstellen von Messparametern: Richten Sie Messparameter ein, um die Fläche und die integrierte optische Dichte (IOD) zu berechnen.
      1. Klicken Sie auf Messen > Anzahl/Größe > Messen > Maße auswählen. Wählen Sie Bereich (100) und IOD aus und klicken Sie dann auf OK.
      2. Gehen Sie zu Optionen, aktivieren Sie Dark Background on Sample, 4-Connect Pre-Filter und klicken Sie auf OK.
    15. Farbauswahl: Um die Positivität genau zu bestimmen, wählen Sie Farben aus, um fleckige Bereiche im Vergleich zu ungefärbten Bereichen zu erkennen.
      1. Klicken Sie auf Farben auswählen > Histogramm basierend > HSI. Passen Sie den H-Wert entsprechend dem Bild an, während S unverändert bleibt und I zwischen Null und dem Hintergrundwert liegt. Bestätigen Sie anschließend mit einem Klick auf Schließen.
      2. Datenerfassung und -berechnung: Führen Sie die Datenerfassung und -berechnung durch, indem Sie auf Measure > Data Collector > Layout klicken, wobei Name, Area(Sum) und IOD(Sum) ausgewählt sind. Klicken Sie dann auf Count > Collect Now > Data List , um die Daten zur weiteren Analyse oder Speicherung zu exportieren.
        HINWEIS: Dies führte zu einer semiquantitativen Messung der Proteinexpression in jedem Abschnitt in Bezug auf IOD/Fläche, die angibt, wie viel Protein im Verhältnis zur analysierten Gesamtfläche vorhanden ist.
  4. Western-Blotting
    1. Entnehmen Sie das Nierengewebe und schneiden Sie es in Stücke. Geben Sie diese Stücke in ein 1,5-ml-Zentrifugenröhrchen, fügen Sie die vorgekühlte Proteinlyselösung (50 mM Tris [pH 7,4], 150 mM NaCl, 1 % Triton X-100, 1 % Natriumdesoxycholat, 0,1 % Natriumdodecylsulfat [SDS]) hinzu und homogenisieren Sie.
    2. 30 min auf Eis legen, dann bei 13400 x g 20 min bei 4 °C zentrifugieren. Lagern Sie die resultierende Probe in einem -80 °C-Gefrierschrank.
    3. Verwenden Sie die Bradford-Methode, um die Proteine zu quantifizieren.
      1. Bereiten Sie die Coomassie Brilliant Blue Arbeitslösung vor, indem Sie Reagenz und destilliertes Wasser im Verhältnis 1:4 mischen.
      2. Richten Sie drei Gruppen ein: Leer, Standardproteingruppe und Probenproteingruppe. Geben Sie 3 ml Coomassie Brilliant Blue Arbeitslösung zu jeder Gruppe, zusammen mit physiologischer Kochsalzlösung für die Blindgruppe, Standardprotein für die Standardgruppe und dem extrahierten Überstandsprotein für die Probengruppe.
      3. Nachdem Sie die Mischungen 5 Minuten lang stehen gelassen haben, messen Sie ihre Absorptionswerte mit einem Ultraviolett-Spektralphotometer.
      4. Berechnen Sie die Probenkonzentration mit dieser Formel: Proteinkonzentration (mg/ml) = (Absorptionswert der Probe/Absorptionswert des Standardröhrchens) x Standardproteinkonzentration x 5.
    4. Geben Sie ein gleiches Volumen von 6x Ladepuffer zu jeder Proteinprobe. Vor dem Aliquotieren bei 100 °C 5 Minuten kochen und bis zur weiteren Verwendung in einem Gefrierschrank bei -20 °C aufbewahren.
    5. Führen Sie Standardelektrophorese, Blotting und Blockierung durch.
      1. Führen Sie eine Standard-SDS-Polyacrylamid-Gelelektrophorese (PAGE) mit einem 12 % auflösenden Gel durch. Legen Sie eine konstante Spannung von 100 V für das Stapelgel und 120 V für das Auflösungsgel an, bis die Farbstofffront den Boden des Gels erreicht.
      2. Übertragen Sie Proteine auf Polyvinylidendifluorid (PVDF)-Membranen bei 100 V für 2 h in einem Kühlraum bei 4 °C mit einem Nasstransfersystem.
      3. Nach dem Proteintransfer die Membranen mit 5 % fettfreier Milch in TBST für 1 h bei RT blockieren.
    6. Verdünnen Sie die Primärantikörper EGFR (1:2.000), p-EGFR (1:2.000), MAPK3/1 (1:2.000), p-MAPK3/1 (1:2.000), Bcl-2 (1:2.000), BAX (1:2.000) und CAPDH (1:5.000) in TBST mit 5 % BSA. Diese verdünnten Primärantikörper werden zugegeben und die Membranen über Nacht bei 4 °C unter leichtem Rühren inkubiert.
    7. Nachdem Sie die Membran dreimal mit TBST gewaschen haben, fügen Sie verdünnte Sekundärantikörper (1:5.000) hinzu und inkubieren Sie sie 1 Stunde lang. Führen Sie nach der Farbentwicklung eine quantitative Analyse der Zielbanden mit der ImageJ-Software durch.
  5. qPCR-Analyse
    1. Gruppierung: Weisen Sie Proben den Gruppen zu - Control, DN, Irbesartan, JWSJS-L, JWSJS-M, JWSJS-H.
    2. RNA-Extraktion: Führen Sie eine Gewebehomogenisierung und RNA-Extraktion durch, gefolgt von Chloroform-Zugabe, Zentrifugation und RNA-Fällung gemäß den Anweisungen des Herstellers.
    3. RNA-Fällung und Waschen: RNA mit Isopropanol ausfällen und mit Ethanol waschen.
    4. RNA-Solubilisierung: Trocknen Sie das RNA-Pellet und lösen Sie es in DEPC-behandeltem Wasser auf.
    5. cDNA-Synthese: Führen Sie die reverse Transkription mit spezifischen Reaktionsgemischen gemäß den Anweisungen des Herstellers durch.
    6. qPCR-Amplifikation: Verwenden Sie spezifische Primer für GAPDH, MAPK3, MAPK1 und EGFR für die qPCR und führen Sie die Amplifikation gemäß den Anweisungen des Herstellers durch.
      Die Primersequenzen waren wie folgt:
      GAPDH: F-5'-GCAAGTTCAACGGCAG-3', R-5'-CTCGCTCCTGGAAGATGG-3';
      MAPK3: F-5'-AGATCTGTGATTTTGGCCT-3', R-5'-TCAATGGATTTGGTGTAGC-3';
      MAPK1: F-5'-CCTCAAGCCTTCCAACCTC-3', R-5'-GCCCACAGACCAAATATCA-3';
      EGFR: F-5'-GGGGATGTGATTTTTCTG-3, R-5'-ATTTTGGGGTCTTTTGATTGG-3'.

6. Statistische Methoden

  1. Führen Sie die Analyse mit geeigneter Software (z. B. SPSS) durch und stellen Sie die gemessenen Daten als Mittelwert ± Standardabweichung(en) dar. Wenn die Daten die Kriterien der Normalverteilung und Varianzhomogenität erfüllen, vergleichen Sie die Gruppen mit der unidirektionalen ANOVA und führen Sie mehrere Vergleiche mit der Bonferroni-Methode durch.
  2. Verwenden Sie den T2-Test für Mehrfachvergleiche, wenn die Varianz nicht homogen ist. Betrachten Sie P < 0,05 als statistisch signifikant.

Ergebnisse

Dem Protokoll folgend wurden schließlich 90 Wirkstoffe von JWSJS aus der Analyse nach Screening und Deduplizierung nach den festgelegten Standards von OB und DL gewonnen. Dazu gehörten 20 Arten von Hedysarum Multijugum Maxim, 23 Arten von Epimrdii Herba, 15 Arten von Smilacis Glabrae Rhixoma, 16 Arten von Radix Rhei et Rhizome, vier Arten von Curcumaelongae Rhizoma, 15 Arten von Cicadae Periostracum und sechs Arten von Bombyx Batryticatus Komponenten. Da in JWSJS viele Wirkstoffe enthalten sind, sind nur 20 aufgeführt (siehe Tabelle 1). Nach der Deduplizierung wurden schließlich 396 Ziele erhalten, die den Wirkstoffen von JWSJS entsprechen.

Nach der Suche nach krankheitsbezogenen Genen wurden schließlich 3035 DN-bezogene Zielgene nach Zusammenführung und Deduplikation erhalten. Die entsprechenden Ziele von DN wurden mit den Zielen der Wirkstoffe der Medikamente verglichen und analysiert. Der Schnittpunkt wurde bestimmt, was zu 227 Schnittpunkten von JWSJS und DN führte. Anschließend wurde ein Wayne-Diagramm gezeichnet (siehe Abbildung 1A). Das "Wirkstoff-Wirkstoff-Ziel"-Netzwerkdiagramm wurde mit der Software Cytoscape 3.8.0 erstellt (siehe Abbildung 1B) und eine topologische Analyse durchgeführt. Jeder Knoten wurde entsprechend dem Gradwert von hoch bis niedrig eingestuft. Die fünf wichtigsten Wirkstoffkomponenten waren Quercetin, Palmitoleinsäure, Luteolin, Kaempferol und Naringenin, und die fünf wichtigsten Ziele waren PTGS2, PTGS1, NCoA2, AR und ESR1.

Als nächstes wurde ein PPI-Netzwerk für JWSJS- und DN-Schnittpunkte entwickelt (196 Knoten und 1714 Kanten mit einem mittleren Gradwert von 17,4). Darüber hinaus wurden nach drei Screenings sieben Schlüsselziele erhalten, die die Schlüsselziele von JWSJS für die DN-Behandlung sein könnten: MAPK14, TP53, MAPK3, MYC, HIF1A, ESR1 und MAPK1 (siehe Abbildung 1C).

Anschließend wurde eine GO-Anreicherungsanalyse durchgeführt, um über die biologischen Eigenschaften des Ziels von JWSJS bei der Behandlung von DN zu spekulieren. Unter BP, CC und MF sind die Top Ten der angereicherten Einträge in Abbildung 1D dargestellt. Die Ergebnisse zeigen, dass JWSJS die Zellproliferation, -differenzierung und -apoptose regulieren kann, indem es an Transkriptionsfaktoren und Proteinkinasen in Membran-Rafts und Membran-Mikrodomänen bindet, was zu einem therapeutischen Effekt auf DN führt. Die KEGG-Signalanreicherungsanalyse wurde an den teilnehmenden Targets durchgeführt, um die potenziellen Wirkwege von JWSJS bei DN zu untersuchen. Die dreißig wichtigsten angereicherten Signalwege sind in Abbildung 1E dargestellt. Die Ergebnisse zeigen, dass die JWSJS-Behandlung von DN auf 181 Signalwege wirken könnte, hauptsächlich auf Lipid- und Atherosklerose, den PI3K-Akt-Signalweg, chemische Karzinogenese, Hepatitis, Prostatakrebs, Apoptose, den HIF-1-Signalweg und den TNF-Signalweg.

Um die Ziele der ersten 30 KEGG-angereicherten Signalwege weiter zu untersuchen, verwendeten wir die Software Cytoscape 3.8.0, um eine KEGG-Signalweg-Beziehungskarte für JWSJS-behandelte DN zu erstellen. MAPK1, MAPK3, EGFR und AKT1 erwiesen sich als Ziele mehrerer Signalwege, die zusammen wirken (siehe Abbildung 1F), was darauf hindeutet, dass diese Proteine eine zentrale Rolle bei der Vermittlung der Auswirkungen von JWSJS auf DN spielen könnten.

Um die potenziellen Ziele von JWSJS bei der Behandlung von DN weiter zu validieren, untersuchten wir als nächstes drei Schlüsselziele, MAPK1, MAPK3 und EGFR, mit hohen Gradwerten im PPI-Netzwerk und im KEGG-Signalwegnetzwerk. Diese wurden molekular mit Quercetin, Palmitoleinsäure und Luteolin angedockt - den drei wichtigsten Kernkomponenten von JWSJS für die DN-Behandlung. Die Bedingungen für das Screening der PDB-ID sind wie folgt: (1) vom Menschen stammen; (2) Die Konformationsauflösung ≤ 2,5Å, d.h. so klein wie möglich; (3) Die Konformationssequenz muss so vollständig wie möglich sein, d.h. der Strukturkomplex muss Informationen über Liganden kleiner Moleküle aufweisen; und (4) Der kristalline pH-Wert sollte so nahe wie möglich am normalen physiologischen Bereich des menschlichen Körpers liegen35. Schließlich waren die PDB-IDs von MAPK1, MAPK3 und EGFR 4QTA, 4QTB und 7JXQ.

Um die Zuverlässigkeit der AutoDock-Software mit dem Andocksystem in dieser Studie36 zu überprüfen, haben wir zunächst die drei Proteine MAPK1, Mapk3 und EGFR redockiert. Die Ligandenkonformation in der ursprünglichen Kristallstruktur der drei Zielproteine wurde nach dem Andocken mit den Liganden überlagert (Abbildung 2A). Anschließend wurden die RMSD-Werte (Root-Mean-Square Deviation) zwischen der Ligandenkonformation nach dem Andocken und der ursprünglichen Kristallstruktur berechnet. Die RMSD-Werte betrugen 1,129, 1,201 bzw. 1,877 Å, alle ≤ 2Å. Dies zeigte, dass die Docking-Methode zuverlässig war und für die nächste molekulare Docking-Verifizierung verwendet werden konnte. Um das inhibitorische Potenzial der Kernkomponenten zu vergleichen und zu deklarieren, wurden dann die ursprünglichen Liganden von MAPK1, MAPK3 und EGFR als Kontrollen verwendet. Die Docking-Analyse sagte erfolgreich die Bindungsenergie zwischen Luteolin, Palmitoleinsäure und Quercetin und den drei Kernzielen voraus. Diese waren alle negativ und weniger als -637; siehe Tabelle 2. Bemerkenswert ist, dass das molekulare Andocken zwischen Luteolin und MAPK1 die höchste Kavitätengröße und die niedrigste Bindungsenergie aufweist. Insgesamt zeigten die Ergebnisse des molekularen Andockens, dass Luteolin, Palmitoleinsäure und Quercetin eine gute Bindungsaktivität mit drei Kernzielen aufwiesen (Abbildung 2B, C).

Der RMSD wird verwendet, um die durchschnittlichen Verschiebungsänderungen einer ausgewählten Gruppe von Atomen in Bezug auf ein Bezugssystem zu quantifizieren. In der Zwischenzeit charakterisiert der RMSF effektiv lokalisierte Veränderungen entlang der Proteinkette. Das RMSD-Diagramm (Abbildung 2D) zeigt, dass sich die RMSD-Werte der Verbindung Luteolin-MAPK1-Komplex und des Quercetin-MAPK3-Komplexes innerhalb von 5 ns stabilisiert haben. Der Luteolin-EGFR-Komplex zeigte einen fluktuierenden RMSD im Bereich von 0-35 ns; Dieser Wert stabilisierte sich bis zum Ende der 100 ns MD-Simulation bei 35 ns. Alle Komplexe interagierten am Ende der 100 ns MD-Simulation stabil. Der RMSF-Wert wurde anhand der MD-Simulationsbahn bewertet: Atome im aktiven Zentrum und in der Hauptkette, die minimal fluktuierten, implizierten eine minimale Konformationsänderung, was darauf hindeutet, dass die erwähnte Leitverbindung sicher im Hohlraum der Bindungstasche des Zielproteins verankert ist. Die RMSF-Ergebnisse zeigten begrenzte Schwankungen in den komplexen Strukturen.

Schließlich verifizieren wir die oben genannten Ergebnisse in vivo. Wir beobachteten zunächst, dass das Gewicht der Ratten in der Modellgruppe signifikant abnahm und GSP, LDL-C, UTP und FBG signifikant zunahmen (P < 0,05). Das Körpergewicht der Ratten nahm in der Irbesartan-Gruppe und in jeder JWSJS-Gruppe im Vergleich zur Modellgruppe signifikant zu. GSP, LDL-C, UTP und FBG nahmen unterschiedlich stark ab (P < 0,05; siehe Tabelle 3).

Dann zeigte die HE-Färbung, dass die Glomeruli in der Normalgruppe eine normale Größe hatten. Sie waren regelmäßig und klar in der Struktur und hatten eine glatte Basalmembran, sauber angeordnete Nierentubuli und keine infiltrierende Zellinfiltration. In der Modellgruppe waren die Glomeruli hypertroph, die Basalmembran war verdickt und die mesangiale Matrix war erhöht. Das Interstitium war mit Entzündungszellen infiltriert. Die pathologischen Manifestationen jeder Verabreichungsgruppe waren im Vergleich zur Modellgruppe unterschiedlich stark gelindert (siehe Abbildung 3A).

Die PAS-Färbung zeigte, dass die Modellgruppe im Vergleich zur Normalgruppe ein erhöhtes glomeruläres Volumen, eine verdickte Basalmembran und eine erhöhte mesangiale Matrix aufwies. Diese pathologischen Manifestationen wurden durch jede Verabreichungsgruppe signifikant gelindert (siehe Abbildung 3B). Mit Hilfe der Transmissionselektronenmikroskopie fanden wir heraus, dass die glomeruläre Basalmembran in der Modellgruppe im Vergleich zur Normalgruppe verdickt war. Die mesangiale Matrix wuchs und die Podozyten-Fußfortsätze wurden weitgehend miteinander verschmolzen. Mikroskopische Manifestationen von Ratten in jeder Verabreichungsgruppe waren im Vergleich zur Modellgruppe in unterschiedlichem Maße gelindert (siehe Abbildung 3C).

Schließlich wurden die Expressionen von Gesamt-EGFR, p-EGFR, MAPK3/1 und p-MAPK3/1 nachgewiesen, um zu sehen, ob sie sich in JWSJS-behandelten DN-Ratten veränderten. Es gab keine signifikante Veränderung in der Gesamtexpression von EGFR und MAPK3/1 in den Modellgruppen im Vergleich zur Normalgruppe. Die Expression von p-EGFR, p-MAPK3/1 und BAX stieg signifikant an, und die BCL-2-Expression nahm signifikant ab. Im Vergleich zur Modellgruppe war die Expression von p-EGFR, p-MAPK3/1 und BAX signifikant reduziert, und die BCL-2-Expression war in Rattennierengeweben in jeder Dosierungsgruppe in unterschiedlichem Maße signifikant hochreguliert (Abbildung 3D, E). Dieses Ergebnis wurde immunhistochemisch bestätigt (Abbildung 3F,G). Diese Studie zeigte, dass JWSJS die Nieren bei DN-Ratten schützen kann, indem es die Expression von p-EGFR-, p-MAPK3/1-, BAX- und BCL-2-Proteinen reguliert und die Zellapoptose reduziert. Darüber hinaus wurde die qPCR verwendet, um die Expressionsniveaus von MAPK3-, MAPK1- und EGFR-mRNA in verschiedenen Gruppen zu bewerten. Die Ergebnisse zeigten, dass die relative Expression in der DN-Gruppe im Vergleich zur Kontrollgruppe sowie den Gruppen Irbesartan, JWSJS-L, JWSJS-M und JWSJS-H signifikant höher war. Dieser Befund bestätigt die ersten Ergebnisse weiter (Abbildung 3H).

figure-results-1
Abbildung 1: Die Netzwerkpharmakologie klärte die potenziellen Ziele und Signalwege des JWSJS bei der diabetischen Nephropathie. (A) Venn-Diagramm der sich überschneidenden Ziele von JWSJS und diabetischer Nephropathie. Grün stellt die Anzahl der therapeutischen Ziele von JWSJS-Komponenten dar, und Violett stellt die Anzahl der relevanten Ziele von DN dar. Der sich schneidende Teil stellt die Anzahl der sich überschneidenden Ziele dar (d. h. die Anzahl der Ziele von JWSJS für DN). (B) "Drug-ingredient-target"-Netzwerkdiagramm von JWSJS bei der Behandlung von DN. Das Hellblau stellt die relevanten Ziele von JWSJS für die DN-Behandlung dar. Fuchsia stellt den Wirkstoff von Bombyx Batryticatus dar. Grün stellt die Wirkstoffe von Hedysarum Multijugum Maxim dar. Dunkelblau repräsentiert die Wirkstoffe von Radix Rhei et Rhizome. Rot repräsentiert die Wirkstoffe von Cicadae Periostracum. Lila repräsentiert die Wirkstoffe von Epimrdii Herba. Gelb steht für die Wirkstoffe des Smilacis Glabrae Rhixoma. Himmelblau repräsentiert die Wirkstoffe von Curcumaelongae Rhizoma. (C) PPI-Netzwerk von JWSJS- und DN-Schnittpunktzielen. (D) Die 10 signifikantesten Gene, die durch Ontologieanalyse von Therapiezielgenen identifiziert wurden, die an der JWSJS-Behandlung von DN beteiligt sind. (E) Die 30 signifikantesten Gene, die durch die Signalweganalyse von Therapiezielgenen identifiziert wurden, die an der JWSJS-Behandlung von DN beteiligt sind. (F) Das Beziehungsnetzwerk des KEGG-Signalwegs bei der Behandlung von DN durch JWSJS. Gelbe Symbole stellen Signalwege dar. Blaue Symbole stellen Aktionsziele dar. Ein größerer Graph impliziert, dass mehr Pfade damit verbunden sind. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

figure-results-2
Abbildung 2: Visualisierung von molekularen Docking- und Molekulardynamik-Trajektorien von JWSJS bei der Behandlung der diabetischen Nephropathie. (A) Die Konformationen des Liganden in der ursprünglichen Kristallstruktur der drei Zielproteinkomplexe 7JXQ (a), 4QTA (b) und 4QTB (c) werden mit den Konformationen des Liganden nach dem Andocken verglichen. Grün, Orange und Pink sind EGFR-, MAPK1- bzw. MAPK3-Zielproteine. Gold ist das ursprüngliche Ligandenmolekül und Blau ist das Ligandenmolekül nach dem Andocken. (B) 3D-Visualisierung des molekularen Andockens von JWSJS bei der Behandlung der diabetischen Nephropathie. Grün, Orange und Pink sind die Zielproteine 7JXQ, 4QTA bzw. 4QTB. 1a-3a stellt das Interaktionsdiagramm von 7JXQ, 4QTA und 4QTB mit dem ursprünglichen Inhibitor dar (blau). 1b-3b stellt das Interaktionsdiagramm von 7JXQ, 4QTA, 4QTB und Luteolin (gelb) dar. 1c-3c stellt das Interaktionsdiagramm von 7JXQ, 4QTA, 4QTB und Palmitoleinsäure (Fuchsia) dar. 1d-3d stellt das Interaktionsdiagramm von 7JXQ, 4QTA, 4QTB und Quercetin (violett) dar. (C) 2D-Visualisierung des molekularen Dockings von JWSJS bei der Behandlung der diabetischen Nephropathie. 1a-3a stellt das Interaktionsdiagramm von 7JXQ, 4QTA und 4QTB mit dem ursprünglichen Inhibitor dar. 1b-3b stellt das Wechselwirkungsdiagramm von 7JXQ, 4QTA, 4QTB und Luteolin dar. 1c-3c stellt das Interaktionsdiagramm von 7JXQ, 4QTA, 4QTB und Palmitoleinsäure dar. 1d-3d stellt das Interaktionsdiagramm von 7JXQ, 4QTA, 4QTB und Quercetin dar. (D) RMSD- und RMSF-Analyse der molekulardynamischen Trajektorien von (a) Luteolin und Zielprotein 7JXQ, (b) Luteolin und Zielprotein 4QTA und (c) Quercetin und Zielprotein 4QTB-Komplexen. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

figure-results-3
Abbildung 3: JWSJS lindert die Nierenschädigung und unterdrückt die Aktivierung des EGFR/MAPK3/1-Signalwegs in vivo-Experimenten . (A) HE-Färbung und (B) periodische Säure-Schiff (PAS)-Färbung von Nierengewebe von Ratten in verschiedenen Gruppen (Vergrößerung, 200x; n = 10). (C) Transmissionselektronenmikroskopie von Nierengewebe bei verschiedenen Gruppen von Ratten (Vergrößerung, 5000x; n = 3). (D) EGFR, p-EGFR, MAPK3/1, p-MAPK3/1, BAX und BCL-2 im Nierengewebe von Ratten von Diabetikern durch Western Blot (n = 3). (E) Statistische Analyse der Expression von p-EGFR, p-MAPK3/1, BAX und BCL-2. (F) Immunhistochemische Analyse der p-EGFR- UND p-MAPK3/1-Expression in den sechs Gruppen (n = 6). (G) Statistische Analyse der Expression von p-EGFR UND p-MAPK3/1. (H) qPCR-Analyse der MAPK3-, MAPK1- und EGFR-mRNA-Expression in sechs Gruppen. *P < 0,05 vs. Kontrolle. **P < 0,01 vs. Kontrolle. ▲P < 0,05 vs. DN. ▲▲P < 0,01 vs. DN. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Tabelle 1: Informationen über einige Wirkstoffe von JWSJS. Es enthält Details zu jeder Komponente und ihren Eigenschaften oder Eigenschaften. Bitte klicken Sie hier, um diese Tabelle herunterzuladen.

Tabelle 2: Tabelle der Andockergebnisse der Kernziele und Hauptwirkstoffe von JWSJS. Die Tabelle zeigt die Ergebnisse von Docking-Studien von Kernzielen und Hauptwirkstoffen von JWSJS. Diese Tabelle zeigt, wie diese Bestandteile mit ihren jeweiligen Zielen interagieren, was einen Einblick in den Wirkmechanismus von JWSJS geben kann. Bitte klicken Sie hier, um diese Tabelle herunterzuladen.

Tabelle 3: Einfluss von JWSJS auf das Körpergewicht und die biochemischen Indizes bei Ratten mit diabetischer Nephropathie (ausgedrückt als Mittelwert ± Standardabweichung, n = 10). Im Vergleich zur Normalgruppe: * P < 0,05. Verglichen mit der Modellgruppe: # P < 0,05. Bitte klicken Sie hier, um diese Tabelle herunterzuladen.

Diskussion

Unsere Studie verwendete eine Kombination aus Netzwerkpharmakologie, molekularem Docking und in vivo Tiermodellen. Ein entscheidender Schritt war die Etablierung des "drug-component-target"-Netzwerks, das entscheidend für die Identifizierung der potenziellen Mechanismen von JWSJS bei der Behandlung von DN war, wobei der Schwerpunkt auf seiner Interaktion mit dem EGFR/MAPK3/1-Signalweg lag.

Während dieser Studie haben wir mehrere Modifikationen vorgenommen, insbesondere im molekularen Andockprozess, um die Genauigkeit unserer Vorhersagen zu verbessern. Die Fehlerbehebung konzentrierte sich hauptsächlich auf die Optimierung der Bedingungen für das in vivo Tiermodell, um seine Relevanz für die menschliche DN sicherzustellen. Durch die Identifizierung der wichtigsten Wirkstoffe und Ziele von JWSJS bietet diese Studie eine theoretische Grundlage für die weitere Forschung und Entwicklung von JWSJS als potenzieller Wirkstoffkandidat für die DN-Behandlung.

Die Studie untersuchte den potenziellen Wirkmechanismus von JWSJS bei der Verringerung der renalen Apoptose bei DN. Die Ergebnisse des molekularen Andockens zeigten, dass Quercetin, Palmitoleinsäure und Luteolin regelmäßige Bindungsaktivitäten an Schlüsselziele wie MAPK1, MAPK3 und EGFR aufweisen. Wir haben diese Ziele aufgrund ihrer gemeinsamen Wirkung auf mehreren Signalwegen für weitere Studien ausgewählt. Bei DN-Ratten führte die Behandlung mit JWSJS zu einer signifikanten Abnahme der FBG- und GSP-Spiegel, einer Verbesserung von UTP und LDL-C, einer Gewichtszunahme und verbesserten mikroskopischen Manifestationen des Nierengewebes, was auf die potenzielle Wirksamkeit von JWSJS bei der Behandlung von DN hinweist.

Apoptose ist eine kritische Art des Zelltods, und eine Fehlregulation kann das Risiko für verschiedene Krankheiten erhöhen38. Frühere Studien zeigten, dass DN-Ratten eine erhöhte Expression der Apoptose-verwandten Proteine BAX und Caspase-3 und eine signifikante Zunahme der Anzahl apoptotischer Zellen im Nierengewebe aufwiesen39,40. Die Ergebnisse zeigten, dass die JWSJS-Behandlung diese Veränderungen rückgängig machte, was darauf hindeutet, dass sie die Podozyten-Apoptose unter diabetischen Bedingungen abschwächen kann.

Weitere Untersuchungen des potenziellen Wirkmechanismus von JWSJS zeigten, dass es eine Multi-Target- und Multi-Pathway-Wirkung auf DN hat. Wir konzentrierten uns auf die Untersuchung von MAPK1, MAPK3 und EGFR, da sie die größte Anzahl von Anreicherungswegen aufwiesen. Der ERK-Signalweg, der an verschiedenen physiologischen und pathologischen Prozessen wie Zellwachstum, Proliferation, Differenzierung, Apoptose und abnormaler Steroidsekretion beteiligt ist, ist ein wesentlicher Signalweg im MAPK-Signaltransduktionsweg 13,41,42,43. Daraus folgte, dass JWSJS die Podozyten-Apoptose rettete, indem es den EGFR/MAPK3/1-Signalweg hemmte.

Wir fanden auch, dass JWSJS die Expression von p-EGFR und p-MAPK3/1 regulieren kann, was zu einer deutlichen Hochregulierung von Bcl-2 führt, aber zu einer spürbaren Herunterregulierung von Bax. Dies wiederum führte zu einer verminderten Apoptose der Nierenzellen. Ähnliche Ergebnisse wurden in früheren Studien gefunden. Zum Beispiel berichtete Chen, dass die EGFR-Deletion in Podozyten die diabetische Nephropathie abschwächte44. Einige Forscher fanden heraus, dass der EGFR/ERK-Signalweg die Proliferation und Differenzierung von Darmepithelzellen von Schweinen fördert9. Die Hemmung von EGFR kann die Expression von TGF-β und BAX herunterregulieren und so die renale Fibrose und Apoptose verbessern45. Diese Ergebnisse deuten darauf hin, dass JWSJS eine Verschreibung der traditionellen chinesischen Medizin ist, die eine wichtige Rolle bei der adjuvanten Therapie von DN spielt, indem sie den EGFR/MAPK3/1-Signalweg hemmt. Es sind jedoch weitere Studien erforderlich, um den potenziellen Wirkmechanismus von JWSJS bei der Behandlung von DN vollständig zu verstehen.

Es gab mehrere Einschränkungen bei dieser Studie. Erstens kann es sein, dass die Abhängigkeit von Tiermodellen die menschliche Reaktion auf JWSJS nicht vollständig repliziert. Darüber hinaus sind die Vorhersagen der Netzwerkpharmakologie zwar aufschlussreich, bedürfen aber einer weiteren Validierung durch experimentelle Daten. Weitere klinische Studien am Menschen sind notwendig, um die Ergebnisse zu validieren. Zweitens, obwohl die Netzwerkpharmakologie ein nützliches Instrument zur Analyse von Arzneimittel-Krankheits-Beziehungen ist, sollten die Ergebnisse mit Vorsicht interpretiert werden, da sie auf Vorhersagen und nicht auf experimentellen Daten basieren. Drittens bleibt der Wirkmechanismus von JWSJS zur Behandlung von DN unklar, und die Studie konzentrierte sich nur auf die potenziellen Ziele von MAPK1, MAPK3 und EGFR.

Die in dieser Studie verwendeten Methoden können auf andere Formulierungen der traditionellen chinesischen Medizin angewendet werden, was möglicherweise zur Entdeckung neuer therapeutischer Optionen für DN und andere komplexe Krankheiten führt. Darüber hinaus legt dieser Ansatz den Grundstein für die Integration von traditioneller und moderner Medizin in die zukünftige pharmakologische Forschung. Weitere Studien sind erforderlich, um die molekularen Mechanismen, die den therapeutischen Wirkungen von JWSJS zugrunde liegen, vollständig aufzuklären. Schließlich untersuchte die Studie nicht die möglichen Nebenwirkungen oder die Toxizität von JWSJS, die bei der Entwicklung eines neuen Medikaments wichtig sind. Weitere Forschung ist erforderlich, um die Sicherheit von JWSJS zu bewerten und seine klinische Anwendung sicherzustellen.

Zusammenfassend lässt sich sagen, dass diese Studie in erster Linie das therapeutische Potenzial von Jiawei Shengjiang San für diabetische Nephropathie unter Verwendung von Netzwerkpharmakologie, molekularem Docking und in vivo Tiervalidierung untersucht. Es konzentriert sich auf die prozeduralen Aspekte und konzentriert sich auf die Methodik, die zum Verständnis der Wechselwirkungen zwischen JWSJS und dem EGFR/MAPK3/1-Signalweg verwendet wurde und wie diese Wechselwirkungen möglicherweise die Apoptose der Nierenzellen bei DN reduzieren.

Offenlegungen

Die Autoren haben nichts offenzulegen.

Danksagungen

Diese Studie wurde durch das allgemeine Projekt der Naturwissenschaftlichen Stiftung der Provinz Hebei, China (Nr. H2019423037) unterstützt.

Materialien

Liste der in diesem Artikel verwendeten Materialien
NameUnternehmenKatalognummerKommentare
2& mal; SYBR Green qPCR Master Mix Servicebio, Wuhan, ChinaG3320-05
24-Stunden-Urinproteinquantifizierung (UTP)Nanjing Jiancheng Institute of Biological EngineeringN/A
3,3'-DiaminobenzidinShanghai Huzheng Biotech, China91-95-2
Automatisches biochemisches AnalysegerätHitachi, Japan7170A
Wasserfreies EthanolBiosharp, Tianjin, ChinaN/A
BAX Primäre Antikörper Affinity, USAAF0120Ratte
BCL-2 Primäre Antikörper Affinity, USAAF6139Ratte
BX53 MikroskopOlympus, JapanBX53
Chloroform SubstituteECOTOP, Guangzhou, ChinaES-8522
Desmond Software New York, NY, USARelease 2019-1
Digitales Wasserbad mit konstanter TemperaturChangzhou Jintan Liangyou Instrument, ChinaDK-8D
EGFR Primäre Antikörper Affinity, USAAF6043
RESINShell Chemical, USA14900
Nüchternblutzucker (FBG)Nanjing Jiancheng Institute of Biological EngineeringN/A
FC-Typ Vollwellenlängen-EnzymmarkierungsanalysatorMultiskan; Thermo, USAN/A
GAPDH  Primäre Antikörper Affinity, USAAF7021Ratte
Glykiertes Serumprotein (GSP)Nanjing Jiancheng Institute of Biological EngineeringN/A
TransmissionselektronenmikroskopHitachi, JapanH-7650
Hämatoxylin/Eosin (HE) FärbelösungServicebio, USAG1003
Image-Pro PlusMEDIA CYBERNETICS, USAN/A
Real-Time-PCR-AmplifikationsinstrumentApplied Biosystems, USAiQ5 
Irbesartan TablettenHangzhou Sanofi PharmaceuticalsN/A
IsopropanolBiosharp, Tianjin, ChinaN/A
  JWSJS GranulatGuangdong Yifang PharmaceuticalN/A
Kodak Image Station 2000 MM Imaging SystemKodak, USAIS2000
Low-Density Cholesterin (LDL-C)Nanjing Jiancheng Institute of Biological EngineeringN/A
MAPK3/1Primäre Antikörper Affinity, USAAF0155Medizinische Zentrifuge für Ratten
Entwicklung von Laborinstrumenten, China TGL-16K
Mini-Trans-Blot-TransfersystemBio-Rad, USAN/A
Mini-PROTEAN-ElektrophoresesystemBio-Rad, USAN/A
NanoVue Plus SpektralphotometerHealthcare Bio-Sciences AB, Schweden111765
p-EGFR Primäre Antikörper Affinity, USAAF3044
Färbelösung für Periodensäure-Schiff (PAS)Servicebio, USAG1008
p-MAPK3/1 Primäre Antikörper Affinity, USAAF1015Ratte
Sekundäre Antikörper  Santa Cruz, USAsc-2357Kaninchen
StreptozotocinSigma, USAS0130
SureScript Erststrang-cDNA-SynthesekitGenCopeia, USAQP056T
TriQuick ReagenzSolarbio, Peking, ChinaR1100
Ultra-Clean WorkbenchSuzhou Aufreinigungsanlage, ChinaSW-CJ-1F 
Ratten-Embed-812 bei Ratten

Referenzen

  1. Viigimaa, M., Sachinidis, A., Toumpourleka, M., Koutsampasopoulos, K., Alliksoo, S., Titma, T. Macrovascular complications of Type 2 diabetes mellitus. Curr Vasc Pharmacol. 18 (2), 110-116 (2020).
  2. Umanath, K., Lewis, J. B. Update on diabetic nephropathy: Core Curriculum 2018. Am J Kidney Dis. 71 (6), 884-895 (2018).
  3. Han, W., et al. Huangkui capsule alleviates renal tubular epithelial-mesenchymal transition in diabetic nephropathy via inhibiting NLRP3 inflammasome activation and TLR4/NF-kappaB signaling. Phytomedicine. 57, 203-214 (2019).
  4. Giralt-Lopez, A., et al. Revisiting experimental models of diabetic nephropathy. Int J Mol Sci. 21 (10), 3587(2020).
  5. Lu, Z., Zhong, Y., Liu, W., Xiang, L., Deng, Y. the efficacy and mechanism of Chinese herbal medicine on diabetic kidney disease. J Diabetes Res. 2019, 2697672(2019).
  6. Niu, H., et al. The therapeutic mechanism of PuRenDan for the treatment of diabetic nephropathy: Network pharmacology and experimental verification. J Ethnopharmacol. 293, 115283(2022).
  7. Gao, F., Wang, Z., Yang, B., Tan, J. Mechanism of Jiawei Shengjiang San in the treatment of membranous nephropathy based on network pharmacology. Pharmacology and Clinics of Chinese Materia Medica. 37 (5), 132-138 (2021).
  8. Li, W., Xie, M. Analysis of composing and application rule in the evolution of Shengjiang San. Journal of Beijing University of Traditional Chinese Medicine. 44 (10), 894-898 (2021).
  9. Zhang, Y., et al. Mechanism of Jiawei Shengjiang powder in inhibiting renal inflammation and fibrosis in diabetic rats based on TLR4/NF-kappaB and Raf/MEK pathways. Pharmacology and Clinics of Chinese Materia Medica. 38 (5), 20-27 (2022).
  10. Zhao, L., et al. Pharmacodynamic mechanism of Yishen Tongluo Formula in treatment of diabetic kidney disease based on network pharmacology and verification of key regulation pathway. Journal of Beijing University of Traditional Chinese Medicine. 45 (8), 824-834 (2022).
  11. Zhang, J., Liang, R., Wang, L., Yang, B. Effects and mechanisms of Danshen-Shanzha herb-pair for atherosclerosis treatment using network pharmacology and experimental pharmacology. J Ethnopharmacol. 229, 104-114 (2019).
  12. Chen, L., et al. Network pharmacology-based strategy for predicting active ingredients and potential targets of Yangxinshi tablet for treating heart failure. J Ethnopharmacol. 219, 359-368 (2018).
  13. Zhu, M., Qin, Y. C., Gao, C. Q., Yan, H. C., Wang, X. Q. l-Glutamate drives porcine intestinal epithelial renewal by increasing stem cell activity via upregulation of the EGFR-ERK-mTORC1 pathway. Food Funct. 11 (3), 2714-2724 (2020).
  14. Ding, Z., et al. Systems pharmacology reveals the mechanism of activity of Ge-Gen-Qin-Lian decoction against LPS-induced acute lung injury: A novel strategy for exploring active components and effective mechanism of TCM formulae. Pharmacol Res. 156, 104759(2020).
  15. Pinzi, L., Rastelli, G. Molecular docking: Shifting paradigms in drug discovery. Int J Mol Sci. 20 (18), 4331(2019).
  16. Kilkenny, C., Browne, W. J., Cuthill, I. C., Emerson, M., Altman, D. G. Improving bioscience research reporting: the ARRIVE guidelines for reporting animal research. PLoS Biol. 8 (6), e1000412(2010).
  17. National Research Council (US) Committee for the Update of the Guide for the Care and Use of Laboratory Animals. Guides for the Care and Use of Laboratory Animals. , National Academies Press (US). Washington (DC. (2011).
  18. Ru, J., et al. TCMSP: a database of systems pharmacology for drug discovery from herbal medicines. J Cheminform. 6, 13(2014).
  19. Xu, X., et al. A novel chemometric method for the prediction of human oral bioavailability. Int J Mol Sci. 13 (6), 6964-6982 (2012).
  20. Tao, W., et al. Network pharmacology-based prediction of the active ingredients and potential targets of Chinese herbal Radix Curcumae formula for application to cardiovascular disease. J Ethnopharmacol. 145 (1), 1-10 (2013).
  21. Traditional Chinese Medicine and Chemical Composition databases in Chemistry Database[DB/OL]. , Available from: http://www.organchem.csdb.cn (2021).
  22. Halladay, C. W., Trikalinos, T. A., Schmid, I. T., Schmid, C. H., Dahabreh, I. J. Using data sources beyond PubMed has a modest impact on the results of systematic reviews of therapeutic interventions. J Clin Epidemiol. 68 (9), 1076-1084 (2015).
  23. Daina, A., Michielin, O., Zoete, V. SwissADME: a free web tool to evaluate pharmacokinetics, drug-likeness and medicinal chemistry friendliness of small molecules. Sci Rep. 7, 42717(2017).
  24. UniProt, C. Reorganizing the protein space at the Universal Protein Resource (UniProt). Nucleic Acids Res. 40 (D1), D71-D75 (2012).
  25. Stelzer, G., et al. The GeneCards Suite: From gene data mining to disease genome sequence analyses. Curr Protoc Bioinformatics. 54, 1-33 (2016).
  26. Amberger, J. S., Hamosh, A. Searching Online Mendelian Inheritance in Man (OMIM): A knowledgebase of human genes and genetic phenotypes. Curr Protoc Bioinformatics. 58, 1-12 (2017).
  27. Zhou, Y., et al. Therapeutic target database update 2022: facilitating drug discovery with enriched comparative data of targeted agents. Nucleic Acids Res. 50 (D1), D1398-D1407 (2022).
  28. Whirl-Carrillo, M., et al. Pharmacogenomics knowledge for personalized medicine. Clin Pharmacol Ther. 92 (4), 414-417 (2012).
  29. Law, V., et al. DrugBank 4.0: shedding new light on drug metabolism. Nucleic Acids Res. 42 (D1), D1091-D1097 (2014).
  30. Shannon, P., et al. Cytoscape: a software environment for integrated models of biomolecular interaction networks. Genome Res. 13 (11), 2498-2504 (2003).
  31. Xu, J., et al. Pharmacological mechanisms underlying the neuroprotective effects of Alpinia oxyphylla Miq. on Alzheimer's disease. Int J Mol Sci. 21 (6), 2071(2020).
  32. Tang, Y., Li, M., Wang, J., Pan, Y., Wu, F. X. CytoNCA: a cytoscape plugin for centrality analysis and evaluation of protein interaction networks. Biosystems. 127, 67-72 (2015).
  33. Yu, G., Wang, L. G., Han, Y., He, Q. Y. clusterProfiler: an R package for comparing biological themes among gene clusters. OMICS. 16 (5), 284-287 (2012).
  34. Trott, O., Olson, A. J. AutoDock Vina: improving the speed and accuracy of docking with a new scoring function, efficient optimization, and multithreading. J Comput Chem. 31 (2), 455-461 (2010).
  35. Yang, X., et al. Rational selection of the 3D structure of biomacromolecules for molecular docking studies on the mechanism of endocrine disruptor action. Chem Res Toxicol. 29 (9), 1565-1570 (2016).
  36. Diller, D. J., Merz, K. M. throughput docking for library design and library prioritization. Proteins. 43 (2), 113-124 (2001).
  37. Hsin, K. Y., Ghosh, S., Kitano, H. Combining machine learning systems and multiple docking simulation packages to improve docking prediction reliability for network pharmacology. PLoS One. 8 (12), e83922(2013).
  38. Godse, N. R., et al. TMEM16A/ANO1 inhibits apoptosis via downregulation of Bim expression. Clin Cancer Res. 23 (23), 7324-7332 (2017).
  39. Ilhan, I., et al. Irbesartan decreased mitochondrial stress-related apoptosis in cisplatin-induced acute kidney injury via regulating BCL-2/BAX signaling. Mol Biol Rep. 49 (7), 6125-6133 (2022).
  40. Lee, M., et al. Protective effect of hydroxysafflor yellow a on nephropathy by attenuating oxidative stress and inhibiting apoptosis in induced Type 2 diabetes in rat. Oxid Med Cell Longev. 2020, 7805393(2020).
  41. Schlessinger, J. Ligand-induced, receptor-mediated dimerization and activation of EGF receptor. Cell. 110 (6), 669-672 (2002).
  42. Gu, X., Chu, L., Kang, Y. Angiogenic factor-based signature predicts prognosis and immunotherapy response in non-small-cell lung cancer. Front Genet. 13, 894024(2022).
  43. Chu, L., et al. Age-related changes in endogenous glucocorticoids, gonadal steroids, endocannabinoids and their ratios in plasma and hair from the male C57BL/6 mice. Gen Comp Endocrinol. 301, 113651(2021).
  44. Chen, J., Chen, J. K., Harris, R. C. EGF receptor deletion in podocytes attenuates diabetic nephropathy. J Am Soc Nephrol. 26 (5), 1115-1125 (2015).
  45. Skibba, M., et al. New EGFR inhibitor, 453, prevents renal fibrosis in angiotensin II-stimulated mice. Eur J Pharmacol. 789, 421-430 (2016).

Nachdrucke und Genehmigungen

Tags

EGFR-SignalisierungMAPK3/1-SignalwegNetzwerkpharmakologiemolekulares DockingProtein-InteraktionsnetzwerkApoptoseregulationNierenhistopathologie
Antagonistische Wirkung von Jiawei Shengjiang San auf ein Rattenmodell der diabetischen Nephropathie: Verwandt mit dem EGFR/MAPK3/1-Signalweg
Kontaktieren Sie uns
Der Bibliothek empfehlen

Datenschutz

Nutzungsbedingungen

Richtlinien

Urheberrecht © 2026 MyJoVE Corporation. Alle Rechte vorbehalten.