Methodenartikel

Netzwerkpharmakologie und Validierung der antidepressiven Mechanismen von Qiangzhifang in einem Rattenmodell für chronische Restraint Stress-induzierte Depression

DOI:

10.3791/68198

⸱

6. Juni 2025

 ,  ,  , 
1College of Traditional Chinese Medicine, Shandong University of Traditional Chinese Medicine, 2Innovation Research Institute of Traditional Chinese Medicine, Shandong University of Traditional Chinese Medicine, 3Office of Shandong College of Traditional Chinese Medicine

* These authors contributed equally

In diesem Artikel

Zusammenfassung

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

In dieser Studie wurde die antidepressive Wirksamkeit von Qiangzhifang in einem Rattenmodell für chronische Stress-induzierte Depressionen untersucht und seine regulatorische Wirkung auf HIF-1- und JAK-STAT-Signalwege durch Netzwerkpharmakologie und molekulare Docking-Analyse aufgeklärt.

Zusammenfassung

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

Depression ist eine komplexe psychiatrische Störung, die erhebliche Herausforderungen bei der Behandlung mit sich bringt. Qiangzhifang (QZF), eine Verbindung, die in der traditionellen chinesischen Medizin verwendet wird, zeigt eine potenzielle klinische Wirksamkeit bei der Behandlung von Depressionen. Die Wirkmechanismen und Wirkstoffe von QZF sind jedoch nicht vollständig aufgeklärt. Das primäre Ziel dieser Studie war es, die wirksamen Wirkstoffe und potenziellen molekularen Mechanismen von QZF zur Linderung von Depressionen aufzuklären, indem netzwerkpharmakologische Vorhersagen mit experimentellen Validierungen kombiniert wurden.

Wir verwendeten ein Rattenmodell für chronischen Restraint Stress (CRS) und führten Verhaltenstests wie den Open Field Test (OFT), den Saccharose-Präferenztest (SPT) und den erzwungenen Schwimmtest (FST) durch, um die therapeutischen Auswirkungen von QZF auf Depressionen zu bewerten. In Bezug auf die Verhaltensparameter zeigte die QZF-Gruppe im Vergleich zur Modellgruppe eine signifikant höhere Körpermasse, ein höheres Saccharosepräferenzverhältnis und eine höhere Verweilzeit in der zentralen Zone (P < 0,01, P < 0,01, P < 0,01) und eine signifikant reduzierte Immobilisierungszeit im erzwungenen Schwimmtest (P < 0,001). Netzwerkpharmakologie und molekulare Docking-Studien deuten darauf hin, dass QZF antidepressive Wirkungen haben kann, indem es die HIF-1- und JAK-STAT-Signalwege moduliert, wobei wichtige Zielgene wie AKT1, IL-6, MTOR und TP53 an Entzündungen, Neuroprotektion und Apoptose beteiligt sind. Zusammenfassend lässt sich sagen, dass diese Studie neue Einblicke in die Modernisierung und Entwicklung chinesischer Arzneimittel zur umfassenden Behandlung von Depressionen bietet.

Einleitung

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

Depressionen, eine allgegenwärtige globale Gesundheitsherausforderung, sind gekennzeichnet durch eine anhaltende schlechte Stimmung, vermindertes Interesse und Freude sowie kognitive und neurologische Beeinträchtigungen1. Wie von der Weltgesundheitsorganisation berichtet, sind weltweit etwa 380 Millionen Menschen von Depressionen betroffen, und es wird erwartet, dass diese Zahl noch steigenwird 2. Als komplexe, multifaktorielle psychische Störung beeinträchtigt die Depression die Lebensqualität der Patienten und stellt eine erhebliche wirtschaftliche und medizinische Belastung für die Gesellschaft dar, die durch hohe Inzidenz-, Rezidiv- und Behinderungsraten gekennzeichnetist 3.

Die Ätiologie der Depression ist komplex, wobei die genauen Mechanismen noch nicht vollständig verstanden sind. Mit dem Fortschritt der Forschung auf diesem Gebiet haben Faktoren wie Neuroinflammation, oxidativer Stress und Apoptose große Aufmerksamkeit erhalten. Studien deuten darauf hin, dass Patienten mit Depressionen im Vergleich zu gesunden Personen erhöhte Spiegel an proinflammatorischen Zytokinen wie TNF und Interleukin-1β aufweisen, und eine höhere Prävalenz von Depressionen wird bei Patienten mit entzündlichen Erkrankungen beobachtet4. Bei oxidativem Stress werden reaktive Sauerstoffspezies (ROS) als Reaktion auf schädliche Reize überproduziert, was die antioxidative Abwehr des Körpers überfordert und zu einem Ungleichgewicht zwischen oxidativem und antioxidativem System führt, wodurch Gewebeschäden verursacht werden. Erhöhter oxidativer Stress bei Depressionen kann die Lipidperoxidation verstärken und die Schädigung zellulärer Gene und Proteine verschlimmern, was sich auf die neuronale Funktion auswirkt und zu neuronaler Degeneration, Apoptose und beeinträchtigter Plastizität beiträgt5. Darüber hinaus sind die Veränderungen, die bei Patienten mit Depressionen in klinischen Präsentationen, biochemischen Markern und Gehirnstrukturen beobachtet wurden, mit der Apoptose verbunden. Bildgebende Untersuchungen zeigen ein reduziertes Hippocampusvolumen und eine Atrophie bei Patienten mit Depressionen, wobei die neuronale Apoptose möglicherweise eine entscheidende Rolle bei diesen Veränderungen spielt6.

Derzeit ist die medikamentöse Behandlung der primäre Ansatz zur Behandlung von Depressionen, wobei selektive Serotonin-Wiederaufnahmehemmer (SSRIs) und Noradrenalin-Wiederaufnahmehemmer (NRIs) in der klinischen Praxis häufig eingesetzt werden7. Diese Medikamente gehen jedoch mit erheblichen Nebenwirkungen einher. Zusätzlich zu den Symptomen des Zentralnervensystems wie Kopfschmerzen und Schlaflosigkeit zeigen die meisten Antidepressiva häufig auch gastrointestinale Nebenwirkungen, einschließlich Übelkeit und Durchfall 8,9. Einige Antidepressiva können auch sexuelle Dysfunktionverursachen 10, was sich stark auf die Behandlungsergebnisse auswirkt und die Medikamenteneinnahme bei Patienten mit Depressionen verringert11. Darüber hinaus ist die Wirksamkeit dieser Medikamente bei einigen Patienten begrenzt. Jüngste Metabolomik-Studien haben gezeigt, dass individuelle Unterschiede in der Darmmikrobiota die Wirksamkeit von Arzneimitteln beeinflussen können12. Daher bleibt die Entwicklung sichererer und wirksamerer Behandlungen ein kritischer Schwerpunkt in der Depressionsforschung.

Formulierungen der Traditionellen Chinesischen Medizin (TCM) haben ein erhebliches Potenzial bei der Behandlung von Depressionen gezeigt, was auf ihre synergistischen Effekte zurückzuführen ist, die mehrere Komponenten, Ziele und Signalwege einbeziehen13. Die TCM geht davon aus, dass ein kräftiges Yang-Qi für den Erhalt der Vitalität des Körpers unerlässlich ist. Daher schlug Professor Yuanqing Ding unter Nutzung der einzigartigen Prinzipien der TCM-Diagnose und -Behandlung und seiner umfangreichen klinischen Erfahrung vor, dass "yang yu shen tui" die grundlegende Pathogenese der Depression ist. Basierend auf diesem Konzept entwickelte er Qiangzhifang (QZF), um speziell diese Pathogenese zu adressieren14. Die klinische Anwendung von QZF bei der Behandlung von Depressionen hat mit einer effektiven Gesamtrate von 71,43 %15 eine signifikante Wirksamkeit gezeigt. QZF setzt sich aus verschiedenen traditionellen chinesischen Heilstoffen zusammen, darunter Ramulus cinnamomi (gui zhi, GZ), Polygala tenuifolia (yuan zhi, YZ), Alpinia oxyphylla miq (yi zhi ren, YZR), Paeonia lactiflora (bai shao, BS), Fritillariae cirrhosae bulbus (chuan bei mu, CBM), Panax ginseng (ren shen, RS), Rhodiola rosea L (hong jing tian, HJT) und Süßholz (gan cao, GC) (Ergänzende Datei 1). Studien haben gezeigt, dass Polygala tenuifolia reich an Saponinen ist und neuroprotektive Wirkungen aufweist16. In ähnlicher Weise zeigt das Kräuterpaar Ramulus Cinnamomi-Paeonia lactiflora eine potenzielle Wirksamkeit bei der Linderung von Schmerzen und Depressionen17. Darüber hinaus können die Gesamtsaponine von Ginseng den proinflammatorischen Zytokinspiegel im Hippocampus senken, das depressive Verhalten verbessern und die Schädigung des Hippocampusnervs bei Ratten abschwächen18. Süßholz enthält hauptsächlich Triterpenoide und Flavonoide. Die Gesamtflavonoide (LF) des Süßholzes können eine antidepressive Rolle spielen, indem sie das depressive Verhalten verbessern, den BDNF/TrkB-Signalweg modulieren und die synaptische Plastizität verbessern19. Die spezifischen Mechanismen, die der antidepressiven Wirkung von QZF zugrunde liegen, sind jedoch unklar, was die breite Anwendung einschränkt.

Daher zielt unsere Studie darauf ab, ein CRS-Depressionsmodell für Ratten zu etablieren, die therapeutische Wirkung von QZF auf Depressionen bei Ratten durch Verhaltensexperimente zu demonstrieren und den antidepressiven Mechanismus von QZF mithilfe von Netzwerkpharmakologie und molekularer Docking-Technologie systematisch zu evaluieren20. Durch die Klärung der Wirkstoffe und potenziellen Ziele von QZF können die Kernziele der Depression genau lokalisiert werden. Wir glauben, dass wir durch die tiefgreifende Erforschung des Wirkmechanismus von QZF nicht nur sicherere und effektivere Behandlungsoptionen für Patienten mit Depressionen anbieten können, sondern auch eine wissenschaftliche Grundlage für die Anwendung von TCM bei der Behandlung von Depressionen schaffen können.

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

Protokoll

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

Alle Versuchsprotokolle wurden von der Ethikkommission für Tierversuche der Universität für Traditionelle Chinesische Medizin (Zulassungsnummer: YYLW2023000327) genehmigt und entsprachen dem Leitfaden für die Pflege und Verwendung von Labortieren, der von den National Institutes of Health herausgegeben wurde. In diesem Experiment verwendeten wir 40 gesunde männliche Wistar-Ratten mit Lichtschutzfaktor und einem durchschnittlichen Körpergewicht von (140 ± 10) g (Abbildung 1). In der Materialtabelle finden Sie eine Liste aller Materialien, Geräte und Software, die in diesem Protokoll verwendet werden.

1. Modell der Rattendepression

  1. Unterbringung und Gruppierung von Tieren
    1. Betreten Sie den Zuchtraum mit den Tieren und nummerieren Sie sie mit einem Schwanzmarkierungsinstrument.
    2. Halten Sie die Ratten einzeln in Käfigen mit einer Temperatur von 21 ± 2 °C und einem Hell-Dunkel-Zyklus von 12 h/12 h.
    3. Akklimatisieren Sie die Ratten 7 Tage lang im Labor, um ad libitum Zugang zu Futter und Wasser zu erhalten, während Sie sie täglich zur Anpassung behandeln.
    4. Messen Sie nach der Eingewöhnungsphase das Körpergewicht und führen Sie die Saccharose-Präferenztests (SPT) und Freifeldtests (OFT) durch.
    5. Teilen Sie die Ratten basierend auf den experimentellen Daten in vier Gruppen ein und stellen Sie sicher, dass jede Gruppe aus 10 Ratten besteht: die Kontrollgruppe (CON), die Modellgruppe (CRS), die QZF-Gruppe und die Fluoxetin (F)-Gruppe.
  2. Etablierung eines Modells für chronischen Restraint Stress (CRS) bei Ratten
    1. Konstruiere die Ratten-Rückhaltevorrichtung. Wählen Sie ein transparentes Kunststoffrohr mit einem Durchmesser und einer Länge, die für die Größe21 der Ratte geeignet sind, damit die Ratte stehen und sich nach innen drehen kann, ohne dass sie entkommen kann. Verwenden Sie einen elektrischen Lötkolben-Locher, um Löcher an den Seiten des Kunststoffrohrs und am Deckel zu erzeugen, um eine gute Luftzirkulation zu gewährleisten.
    2. Legen Sie die Ratten 1 h nach der täglichen intragastrischen Verabreichung des Arzneimittels vorsichtig in die Rückhaltevorrichtungen (außer denen der Gruppe C) und stellen Sie sicher, dass sie sich in einer bequemen Position befinden.
    3. Entziehen Sie allen Gruppen von Ratten während der Fixierungszeit Futter und Wasser. Nachdem die Ruhigstellung abgelaufen ist, versorgen Sie sie gleichmäßig mit reichlich Futter und Wasser. Legen Sie die tägliche Fesseldauer auf 6 h (von 9:30 Uhr bis 15:30 Uhr) fest und halten Sie sie an 28 aufeinanderfolgenden Tagen aufrecht.

2. Medikamentöse Intervention

  1. Verabreichen über die Sonde: 1 ml Lösung/100 g Körpergewicht, Fluoxetin (2,7 mg/kg-1/Tag-1) und QZF (2 g/kg-1/Tag-1)22. Versorgen Sie die Gruppen C und CRS mit äquivalenter normaler Kochsalzlösung für die Steuerung mit einer einzigen Variablen.
    HINWEIS: Die tägliche Verabreichung des Medikaments erfolgte um 08:00 Uhr, wobei synchron mit der Modelletablierung begonnen wurde und während des gesamten 28-tägigen Modellierungszeitraums angehalten wurde.

3. Saccharosepräferenztest (SPT)

  1. Entziehen Sie den Ratten 24 Stunden lang vor Beginn des Experiments Futter und Wasser.
  2. Bereiten Sie eine 1%ige wässrige Saccharoselösung vor und füllen Sie die Lösung und das reine Wasser zum Wiegen in die Trinkflaschen der Versuchstiere. Messen Sie den Verbrauch von reinem Wasser und Saccharosewasser, indem Sie die Flaschen vor und nach dem Experiment wiegen.
  3. Stellen Sie eine Flasche Saccharoselösung und eine Flasche reines Wasser an den Wasserauslass jedes Rattenkäfigdeckels, eine links und eine rechts, um freien Zugang zum Trinken zu haben. Um zu verhindern, dass Ratten eine Seite für die Wasseraufnahme bevorzugen, tauschen Sie nach 30 Minuten im Experiment die Positionen der Wasserflaschen links und rechts.
  4. Entfernen Sie nach 1 Stunde des Versuchs alle Wasserflaschen, wiegen Sie sie umgehend und notieren Sie den Verbrauch von Saccharoselösung und reinem Wasser. Berechnen Sie das wöchentliche Saccharose-Präferenzverhältnis mit der Formel:
    Saccharose-Präferenzwert = figure-protocol-1 × 100%

4. Messung des Körpergewichts

  1. Wiegen Sie die Ratten wöchentlich bei ihrem Eintritt in das Labor und stellen Sie die festgelegte Zeit für das Wiegen auf 7:00 Uhr ein. Legen Sie diesen Zeitplan fest, um die Beobachtung von Veränderungen des Körpergewichts zu erleichtern.

5. Freilandtest (OFT)

  1. Bevor das Experiment beginnt, gewöhnen Sie die Ratten für 1 h an den Verhaltensraum und passen Sie die Beleuchtung in der offenen Feldbox an, um eine gleichmäßige Verteilung zu gewährleisten. Vergewissern Sie sich, dass die Ratten in der Tracking-Software deutlich sichtbar sind.
  2. Verwenden Sie das Video-Tracking- und Analysesystem, um die Unterseite der offenen Feldbox (50 cm x 50 cm x 50 cm) in neun flächengleichflächige quadratische Raster zu unterteilen. Legen Sie die acht Raster, die an die Wände angrenzen, als peripheren Bereich und das mittlere Raster als zentralen Bereich fest.
  3. Setze die Ratte in den mittleren Bereich des offenen Feldkastens. Zeichnen Sie die Bewegung der Ratte 5 Minuten lang mit dem Video-Tracking-System auf.
  4. Reinigen Sie die Kammer nach dem Testen jeder Ratte mit 75 % Ethanol, um Restgeruch zu entfernen und eine Beeinträchtigung des Verhaltens der nächsten Ratte zu verhindern. Geben Sie die Gesamtentfernung (mm) der Aktivitäten im offenen Feld und die Anzahl der Einträge im zentralen Raster in den OFT-Datensätzen ein.

6. Erzwungener Schwimmtest (FST)

HINWEIS: Das Experiment mit erzwungenem Schwimmen an der Ratte besteht aus einem Vorexperiment und einem formalen Experiment. Führen Sie den Vorversuch 24 Stunden vor dem formalen Experiment nach dem gleichen Verfahren durch, wobei die Ratte 15 Minuten lang schwimmt.

  1. Transportieren Sie die Versuchstiere mindestens 30 Minuten vor dem Versuch in den Verhaltensraum, damit sie sich an die Umgebung gewöhnen können.
  2. Bereiten Sie einen transparenten zylindrischen Wasserzylinder aus Plexiglas (50 cm hoch, 20 cm Durchmesser) vor und füllen Sie ihn mit Wasser bei 23-25 °C. Passen Sie die Wassertiefe an das Gewicht des Tieres an und stellen Sie sicher, dass der Schwanz des Tieres einen bestimmten Abstand zum Boden des Zylinders hat.
  3. Setzen Sie die Ratten langsam in den Wasserzylinder und verhalten Sie sich während des gesamten Experiments ruhig. Aktivieren Sie die Kamera und das Signalerfassungssystem. Beobachten und notieren Sie die Dauer der schwebenden Immobilität innerhalb von 300 s. Nehmen Sie die Ratten sofort aus dem Wasser und trocknen Sie sie am Ende des Versuchs.
  4. Ersetzen Sie nach jeder Sitzung das Wasser, um jegliche Beeinflussung der nächsten Ratte zu vermeiden.

7. Pharmakologische Vorhersage des Netzwerks

  1. Sammlung von QZF-Verbindungen und mutmaßlichen Zielen
    1. Greifen Sie auf die Datenbank für Systempharmakologie der Traditionellen Chinesischen Medizin (TCMSP) (https://old.tcmsp-e.com/)23, die HERB-Datenbank24 und die TCMID-Datenbank (https://www.bidd.group/TCMID/) zu. Verwenden Sie die acht TCM-Namen in QZF, darunter GZ, YZ, YZR, BS, CBM, RS, HJT und ZGC, als Schlüsselwörter, um nach Wirkstoffen und Zielen der Kräuter zu suchen. Sammeln Sie Ziele aus dem TCMSP und der Schweizer Zielvorhersage (http://www.swisstargetprediction.ch/). Legen Sie den Filterwert auf Wahrscheinlichkeit* > 0 fest.
      HINWEIS: In der Regel wurden die Inhaltsstoffe aufgrund ihrer pharmakokinetischen Eigenschaften als Wirkstoffe aufgenommen: orale Bioverfügbarkeit (OB) ≥ 30 % und arzneimittelähnliche Eigenschaften (DL) ≥ 0,1825.
  2. Vorhersage von Krankheitszielen
    1. Suchen Sie in der GeneCards-Datenbank (https://www.genecards.org/) nach dem Schlüsselwort "Depression", ermitteln Sie Genziele, die mit Depressionen in Verbindung gebracht werden, laden Sie die elektronische Tabelle mit Krankheitszielen herunter, filtern Sie die Genwerte, die über dem Durchschnittswert liegen, und stellen Sie eine Liste von Depressionszielenzusammen 26.
  3. Wirkstoff-Komponente-Krankheit-Zielnetzwerk
    1. Erstellen Sie eine neue Tabelle, und füllen Sie sie in derselben Spalte mit Zielen im Zusammenhang mit Depressionen und Medikamentenzielen. Klicken Sie in der Menüleiste auf Start | Bedingte Formatierung | Regeln zum Hervorheben von Zellen | Doppelte Werte. Wählen Sie im angezeigten Dialogfeld ein Format aus (z. B. "Hellrote Füllung")27 und klicken Sie auf OK, um die Ergebnisse anzuzeigen.
    2. Starten Sie die Netzwerkanalyse-Software und importieren Sie die Tabellenkalkulationsdatei, indem Sie in der Menüleiste auf Datei klicken | Importieren | Netzwerk. Optimieren Sie das Erscheinungsbild des Netzwerks, indem Sie die Größe und Farbe der Knoten im Bereich Stil anpassen, der sich in der linken Systemsteuerung befindet. Führen Sie eine Netzwerk-Topologie-Analyse durch, indem Sie in der Menüleiste auf Extras klicken | Analysieren Sie Netzwerk27.
  4. Protein-Protein-Interaktionsnetzwerk (PPI)
    1. Greifen Sie auf das Jvenn-Tool (https://jvenn.toulouse.inrae.fr/app/example.html) zu, laden Sie die Wirkstoffziele und Krankheitsziele separat hoch, stellen Sie die überlappenden Gene (OGE) zwischen den vermuteten Zielen der Verbindung und den Krankheitszielen dar. Klicken Sie auf die Zahlen im Bild, kopieren Sie sie in eine Tabelle und laden Sie das Venn-Diagrammbild herunter.
    2. Greifen Sie auf die STRING-Datenbank (https://stringdb.org/)28 zu, und geben Sie die OGEs aus der Tabelle in die Datenbank ein. Fügen Sie insbesondere die QZF-Anti-Depressions-Zielliste in das Dialogfeld Namensliste ein . Wählen Sie Homo sapiens im Abschnitt Organismen aus und klicken Sie auf SUCHEN | WEITER. Wählen Sie in der Titelleiste die Option Exporte aus, und laden Sie die Übersichtstabelle des PPI-Netzwerks im PNG- und TSV-Formatherunter 29.
  5. Screening von Kernproteinen
    1. Starten Sie die Netzwerkanalyse-Software (https://cytoscape.org/). Klicken Sie dann in der Menüleiste auf Datei | Importieren | Netzwerk | Datei zum Importieren der Datei im TSV-Format, die im vorherigen Schritt30 generiert wurde.
    2. Wählen Sie in der Menüleiste Netzwerk analysieren aus und klicken Sie auf die Schaltfläche Analysieren . Zeigen Sie dann die Analyseergebnisse an, und machen Sie sich mit den allgemeinen strukturellen Merkmalen des Netzwerks vertraut, z. B. die Anzahl der Knoten, die Anzahl der Kanten und den durchschnittlichen Grad.
    3. Wählen Sie Apps | App Manager in der Menüleiste. Suchen Sie nach MCODE, installieren Sie das Plug-In, und führen Sie das Plug-In aus, um das Hubziel abzurufen. Suchen Sie dann nach CytoNCA, installieren Sie das Plug-in und konzentrieren Sie sich auf die drei Parameterwerte Grad, Closeness-Zentralität (CC) und Betweenness-Zentralität (BC). Entsprechend den Werten dieser Parameter werden Knoten mit höherem Grad, CC und BC gescreent, die im Allgemeinen als Kernproteine31 betrachtet werden.
  6. Gen-Ontologie (GO) und Kyoto Encyclopedia of Genes and Genomes (KEGG) Anreicherungsanalyse
    1. Öffnen Sie die Bioinformatik-Plattform (https://www.omicshare.com/). Klicken Sie auf das Menü Tools , suchen Sie das ID-Genkonvertierungstool und klicken Sie darauf. Klicken Sie dann auf die Schaltfläche Datei hochladen , wählen Sie den generierten Schritt auf dem Kern der Zielgene aus und laden Sie die Liste der konvertierten Datei-IDs herunter.
    2. Klicken Sie im Menü Extras auf das Tool Dynamische KEGG-Anreicherungsanalyse. Laden Sie die Gen-ID-Liste hoch. Wählen Sie in der Option Spezies die Option Homo sapiens aus und klicken Sie auf die Schaltfläche Senden.
    3. Klicken Sie im Menü Extras auf das Werkzeug Dynamische GO-Anreicherungsanalyse | Gen-Option | Option Datei hochladen. Wählen Sie die Gen-ID-Liste und in der Option Spezies die Option Homo sapiens aus. Wählen Sie den GO-Typ für die Analyse aus, einschließlich biologischer Prozess, molekulare Funktion und zelluläre Komponente.
    4. Legen Sie für die Ergebnisse der KEGG- und GO-Anreicherungsanalyse den Filterschwellenwert auf p < 0,05 fest. Ordnen Sie die Zählungen in absteigender Reihenfolge an.

8. Verifizierung des molekularen Dockings

  1. Besuchen Sie die Website von PubChem (https://pubchem.ncbi.nlm.nih.gov/). Geben Sie die Zielverbindungen in die Suchleiste ein. Klicken Sie auf die 2D-Struktur und laden Sie sie herunter.
  2. Öffnen Sie die Datenbank PDB (https://www.Rcsb.org/). Wählen Sie die Kristallstruktur mit hoher Auflösung, die den ursprünglichen Liganden enthält. Laden Sie die PDB-Datei herunter.
  3. Um die Proteinstruktur zu optimieren, öffnen Sie die molekulare Visualisierungssoftware. Laden Sie die heruntergeladene PDB-Datei. Entfernen Sie Wassermoleküle und speichern Sie die optimierte PDB-Datei.
  4. Öffnen Sie die Molecular Docking-Software und importieren Sie die optimierte PDB-Datei. Klicken Sie in AutoDockTools auf Bearbeiten | Wasser löschen , um Wassermoleküle zu löschen. Klicken Sie auf Bearbeiten | Wasserstoff hinzufügen | Hinzufügen , um dem Protein und dem LigandenWasserstoffatome hinzuzufügen 29.
  5. Legen Sie in AutoDockTools die Rezeptorleiste auf receptor.pdbqt und die Ligandenleiste auf ligand.pdbqt fest. Öffnen Sie das pdbqt. , um die Bindungsstellen des Proteins und des Liganden anzuzeigen, und stellen Sie die Größe und Position der Dockingbox so ein, dass sie das Rezeptorprotein und die Ligandenverbindung vollständig umschließen kann. Klicken Sie in AutoDockTools auf Raster | Definieren Sie Gitterbox , um die Mittelpunktkoordinaten und Abmessungen der Box festzulegen und Standardwerte für das molekulare Andocken zu verwenden. Die Docking-Frames werden automatisch in absteigender Reihenfolge der Bindungsenergien sortiert.
  6. Öffnen Sie die Ergebnisdatei, und notieren Sie den optimalen Wert für die Bindungsenergie. Niedrigere Bindungsenergien deuten auf eine stabilere Bindung hin. Verwenden Sie die molekulare Visualisierungssoftware, um die Ergebnisdatei zu laden. Passen Sie die Ansicht und die Farbe an, um die Liganden-Rezeptor-Wechselwirkung deutlich darzustellen.

9. Statistische Auswertung

  1. Führen Sie statistische Analysen in der wissenschaftlichen Datenanalyse- und Visualisierungssoftware durch und stellen Sie alle Daten als Mittelwert ± SEM dar. Verwenden Sie die Zwei-Wege-ANOVA mit wiederholten Messungen für Vergleiche zwischen Gruppen vor und nach der Verabreichung des Arzneimittels. Verwenden Sie die unidirektionale ANOVA für Vergleiche zwischen mehr als zwei Gruppen.
  2. Nehmen Sie den Wert von P < 0,05 als statistisch signifikant an.

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

Ergebnisse

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

Verhaltenstestergebnisse im CRS-induzierten Rattendepressionsmodell

Ergebnisse des Saccharose-Präferenztests
Zu Studienbeginn gab es keinen Unterschied im Saccharosepräferenzkoeffizienten zwischen den Gruppen (P > 0,05). Nach 28 Tagen Intervention war der Saccharosepräferenzkoeffizient der CRS-Gruppe signifikant niedriger als der der CON-Gruppe (P < 0,05), während die F- und QZF-Gruppen im Vergleich zur CRS-Gruppe signifikant höhere...

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

Diskussion

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

CRS ist eine weit verbreitete Methode zur Etablierung von Tiermodellen für Depressionen. Dieses Modell ahmt den chronischen psychischen Stress nach, dem man im menschlichen Leben begegnet, und induziert bei Ratten depressionsähnliche Verhaltensweisen35. In dieser Studie wurde das Ratten-Fesselrohr aus transparentem Kunststoff hergestellt, um die Sicherheit der Tiere zu gewährleisten und gleichzeitig eine klare Beobachtung während des Versuchs zu ermöglichen. Das t...

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 anzugeben.

Danksagungen

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

Die Forschung wurde unterstützt von der National Natural Science Foundation of China (82374311), der State Administration of Traditional Chinese Medicine High-Level Traditional Chinese Medicine (TCM) Basic Theory Key Discipline Construction Project (zyyzdxk-2023118), dem National Traditional Chinese Medicine Experts Studio Construction Project (National Chinese Medicine Education Letter No.75) und der Natural Science Foundation der Provinz Shandong (ZR2022LZY016). Das QZF-Granulat wurde von der Abteilung für pharmazeutische Produkte des angeschlossenen Krankenhauses der Shandong-Universität für Traditionelle Chinesische Medizin hergestellt.

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
System zur Analyse des TierverhaltensShanghai Xinsoft Information Technology Co., LTDXR-SuperMaze
AutoDockWerkzeugeDas Scripps Research Institute
Zytolandschaft  SoftwareCytoscape-KonsortiumVersion 3.7.2
Locher für ElektrolötkolbenNanjing Naiwei Technology Co., Ltd.
FluoxetinLilly Suzhou Pharmaceutical Co., LTD
Experimentelles FreifeldsystemShanghai Xinsoft Information Technology Co., LTDXR-XZ301
PyMolSchrö Kondom
Qiangzhifang Angeschlossenes Krankenhaus der Shandong Universität für Traditionelle Chinesische Medizin, Jinan, China
Transparentes Kunststoffrohr Nantong Baiyang Plastic Products Co., Ltd. 

Referenzen

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Wu, C., Mu, Q., Gao, W., Lu, S. The characteristics of anhedonia in depression: A review from a clinically oriented perspective. Transl Psychiatry. 15 (1), 90(2025).
  2. Moitra, M., et al. Global mental health: Where we are and where we are going. Curr Psychiatry Rep. 25 (7), 301-311 (2023).
  3. Rong, J., Cheng, P., Li, D., Wang, X., Zhao, D. Global, regional, and national temporal trends in prevalence for depressive disorders in older adults, 1990-2019: An age-period-cohort analysis based on the global burden of disease study 2019. Ageing Res Rev. 100, 102443(2024).
  4. Liu, F., et al. Impacts of inflammatory cytokines on depression: A cohort study. BMC Psychiatry. 24 (1), 195(2024).
  5. Correia, A. S., Cardoso, A., Vale, N. Oxidative stress in depression: The link with the stress response, neuroinflammation, serotonin, neurogenesis and synaptic plasticity. Antioxidants (Basel). 12 (2), 470(2023).
  6. Xu, D. H., et al. Upregulation of KLK8 contributes to CUMS-induced hippocampal neuronal apoptosis by cleaving NCAM1. Cell Death Dis. 14 (4), 278(2023).
  7. Kovich, H., Kim, W., Quaste, A. M. Pharmacologic treatment of depression. Am Fam Physician. 107 (2), 173-181 (2023).
  8. Braund, T. A., et al. Antidepressant side effects and their impact on treatment outcome in people with major depressive disorder: An iSPOT-D report. Transl Psychiatry. 11 (1), 417(2021).
  9. Oliva, V., et al. Gastrointestinal side effects associated with antidepressant treatments in patients with major depressive disorder: A systematic review and meta-analysis. Prog Neuropsychopharmacol Biol Psychiatry. 109, 110266(2021).
  10. Rothmore, J. Antidepressant-induced sexual dysfunction. Med J Aust. 212 (7), 329-334 (2020).
  11. Niarchou, E., Roberts, L. H., Naughton, B. D. What is the impact of antidepressant side effects on medication adherence among adult patients diagnosed with depressive disorder: A systematic review. J Psychopharmacol. 38 (2), 127-136 (2024).
  12. Wang, Y., et al. Multi-omics reveal microbial determinants impacting the treatment outcome of antidepressants in major depressive disorder. Microbiome. 11 (1), 195(2023).
  13. Yang, J., et al. Analysis of medication rule of traditional Chinese medicine in treating depression based on data mining. Heliyon. 10 (20), e39245(2024).
  14. Liu, X. Study on the mechanism of qiangzhifang's remodeling of hippocampal neural structure in depression model rats based on the pathogenesis of "yang yu shen tui". , https://link.cnki.net/doi/10.27282/d.cnki.gsdzu.2020.000110 (2020).
  15. Zhou, M. The effect of qiangzhifang on camp-pka-creb signaling pathway in hippocampus of depression emotion model rats based on "yang yu shen tui" pathogenesis. , https://link.cnki.net/doi/10.27282/d.cnki.gsdzu.2019.000030 (2019).
  16. Chen, Z., Yang, Y., Han, Y., Wang, X. Neuroprotective effects and mechanisms of senegenin, an effective compound originated from the roots of polygala tenuifolia. Front Pharmacol. 13, 937333(2022).
  17. Pan, H. T., Xi, Z. Q., Wei, X. Q., Wang, K. A network pharmacology approach to predict potential targets and mechanisms of "Ramulus cinnamomi (Cassiae) - Paeonia lactiflora" herb pair in the treatment of chronic pain with comorbid anxiety and depression. Ann Med. 54 (1), 413-425 (2022).
  18. Qin, M., et al. Total saponins of panax ginseng via the CX3CL1/CX3CR1 axis attenuates neuroinflammation and exerted antidepressant-like effects in chronic unpredictable mild stress in rats. Phytother Res. 37 (5), 1823-1838 (2023).
  19. Wang, R., et al. Antidepressant effect of licorice total flavonoids and liquiritin: A review. Heliyon. 9 (11), e22251(2023).
  20. Xiao, Y. G., Wu, H. B., Chen, J. S., Li, X., Qiu, Z. K. Exploring the potential antidepressant mechanisms of pinellia by using the network pharmacology and molecular docking. Metab Brain Dis. 37 (4), 1071-1094 (2022).
  21. Seewoo, B. J., et al. Validation of chronic restraint stress model in young adult rats for the study of depression using longitudinal multimodal mr imaging. eNeuro. 7 (4), (2020).
  22. Wei, Y. Discussion on "yang yu shen tui"mechanism of depression. , https://link.cnki.net/doi/10.27282/d.cnki.gsdzu.2022.000933 (2022).
  23. Ru, J., et al. TCMSP: A database of systems pharmacology for drug discovery from herbal medicines. J Cheminform. 6, 13(2014).
  24. Fang, S., et al. A high-throughput experiment- and reference-guided database of traditional Chinese medicine. Nucleic Acids Res. 49 (D1), D1197-D1206 (2021).
  25. Zou, J., et al. Network pharmacology-based approach to research the effect and mechanism of Si-Miao-Yong-An decoction against thromboangiitis obliterans. Ann Med. 55 (1), 2218105(2023).
  26. Safran, M., et al. Genecards version 3: The human gene integrator. Database (Oxford). 2010, baq020(2010).
  27. Zhao, X. Y., Yang, Y. Y., Feng, J. L., Feng, C. L. Network pharmacology prediction and experimental validation of Trichosanthes-fritillaria thunbergii action mechanism against lung adenocarcinoma. J Vis Exp. (193), e64847(2023).
  28. Szklarczyk, D., et al. The string database in 2023: Protein-protein association networks and functional enrichment analyses for any sequenced genome of interest. Nucleic Acids Res. 51 (D1), D638-D646 (2023).
  29. Zeng, B., et al. Network pharmacology prediction and metabolomics validation of the mechanism of fructus phyllanthi against hyperlipidemia. J Vis Exp. (194), e65071(2023).
  30. Shannon, P., et al. Cytoscape: A software environment for integrated models of biomolecular interaction networks. Genome Res. 13 (11), 2498-2504 (2003).
  31. Huang, S. P., et al. Evaluation of the mechanism of jiedu huazhuo quyu formula in treating Wilson's disease-associated liver fibrosis by network pharmacology analysis and molecular dynamics simulation. Evid Based Complement Alternat Med. 2022, 9363131(2022).
  32. Zhou, W., et al. Huangqin qingre qubi capsule inhibits RA pathology by binding FZD8 and further inhibiting the activity of Wnt/β-catenin signaling pathway. J Ethnopharmacol. 302 (Pt A), 115886(2023).
  33. Tan, X., et al. Cinnamaldehyde ameliorates dextran sulfate sodium-induced colitis in mice by modulating TLR4/NF-κB signaling pathway and NLRP3 inflammasome activation. Chem Biodivers. 20 (2), e202200089(2023).
  34. Que, W., et al. Molecular mechanism of Gelsemium elegans (gardner and champ.) benth. against neuropathic pain based on network pharmacology and experimental evidence. Front Pharmacol. 12, 792932(2021).
  35. Tzeng, H. T., Chyuan, I. T., Lai, J. H. Targeting the JAK-STAT pathway in autoimmune diseases and cancers: A focus on molecular mechanisms and therapeutic potential. Biochem Pharmacol. 193, 114760(2021).
  36. Chen, H., et al. The potential role of hypoxia-inducible factor-1 in the progression and therapy of central nervous system diseases. Curr Neuropharmacol. 20 (9), 1651-1666 (2022).
  37. Xie, X., et al. Scutellarin attenuates oxidative stress and neuroinflammation in cerebral ischemia/reperfusion injury through PI3K/AKT-mediated Nrf2 signaling pathways. Eur J Pharmacol. 957, 175979(2023).
  38. Semenza, G. L. Hypoxia-inducible factors in physiology and medicine. Cell. 148 (3), 399-408 (2012).
  39. Amin, N., et al. Hif-1α ablation reduces the efficiency of NeuroD1 gene-based therapy and aggravates the brain damage following ischemic stroke. Expert Opin Drug Deliv. 22 (1), 121-138 (2025).
  40. Bergeron, M., et al. Role of hypoxia-inducible factor-1 in hypoxia-induced ischemic tolerance in neonatal rat brain. Ann Neurol. 48 (3), 285-296 (2000).
  41. Zhang, Y., et al. Lactate modulates microglial inflammatory responses through Hif-1α-mediated CCL7 signaling after cerebral ischemia in mice. Int Immunopharmacol. 146, 113801(2025).
  42. Moresi, V., Adamo, S., Berghella, L. The JAK/STAT pathway in skeletal muscle pathophysiology. Front Physiol. 10, 500(2019).
  43. Fei, S., Li, W., Xiang, L., Xie, X., Zhang, L. Protective effect of alprostadil on acute pancreatitis in rats via inhibiting janus kinase 2 (JAK2)/STAT3 signal transduction pathway. Med Sci Monit. 25, 7694-7701 (2019).
  44. Sarapultsev, A., et al. JAK-STAT signaling in inflammation and stress-related diseases: Implications for therapeutic interventions. Mol Biomed. 4 (1), 40(2023).
  45. Dowlati, Y., et al. A meta-analysis of cytokines in major depression. Biol Psychiatry. 67 (5), 446-457 (2010).
  46. Li, J., et al. The JAK/STAT/NF-κB signaling pathway can be regulated by rosemary essential oil, thereby providing a potential treatment for DNCB-induced in mice. Biomed Pharmacother. 168, 115727(2023).
  47. Heinrich, P. C., Behrmann, I., Müller-Newen, G., Schaper, F., Graeve, L. Interleukin-6-type cytokine signalling through the gp130/Jak/STAT pathway. Biochem J. 334 (Pt 2), 297-314 (1998).
  48. Nguyen, T. L. L., Huynh, D. T. N., Jin, Y., Jeon, H., Heo, K. S. Protective effects of ginsenoside-Rg2 and -Rh1 on liver function through inhibiting TAK1 and STAT3-mediated inflammatory activity and Nrf2/ARE-mediated antioxidant signaling pathway. Arch Pharm Res. 44 (2), 241-252 (2021).
  49. Croce, C. M., et al. The BCL-2 protein family: From discovery to drug development. Cell Death Differ. , (2025).
  50. Fakhri, S., et al. Natural products attenuate PI3K/AKT/mTOR signaling pathway: A promising strategy in regulating neurodegeneration. Phytomedicine. 91, 153664(2021).
  51. Huang, Z., Jin, G. Licochalcone B induced apoptosis and autophagy in osteosarcoma tumor cells via the inactivation of PI3K/AKT/mTOR pathway. Biol Pharm Bull. 45 (6), 730-737 (2022).

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

VerhaltenstestsMolekulares DockingHIF 1 SignalwegJAK STAT SignalwegTraditionelle Chinesische Medizin

Verwandte Artikel