Diese Studie identifizierte die Kernziele und -wege von Shikonin gegen RCC mittels Mehrmethodenanalyse und In-vitro-Validierung und bot so einen Rahmen für weitere mechanistische Studien.
Ein Abonnement von JoVE ist erforderlich, um diesen Inhalt anzuzeigen. Melden Sie sich an oder beginnen Sie noch heute mit einer kostenlosen Testphase.
Forschungsartikel
Diese Studie identifizierte die Kernziele und -wege von Shikonin gegen RCC mittels Mehrmethodenanalyse und In-vitro-Validierung und bot so einen Rahmen für weitere mechanistische Studien.
Das Nierenzellkarzinom (RCC) ist einer der häufigsten Tumore im Harnsystem und weist die höchste Sterblichkeitsrate auf. Frühere Untersuchungen haben gezeigt, dass Shikonin Nierenzellkarzinom behandeln kann, doch der Mechanismus bleibt unklar. Daher zielte unsere Studie darauf ab, den Mechanismus von Shikonin bei der Behandlung von Nierenzellkarzinomen mittels Netzwerkpharmakologie, molekularer Docking und in-vitro-funktionellen Assays, einschließlich Zellproliferation, Migration und Apoptose, mit Western-Blot (WB)-Validierung zu klären. Shikonin-Ziele wurden mit PharmMapper, SwissTargetPrediction und anderen Datenbanken gescreent und RCC-bezogene Ziele aus Online Mendelian Inheritance in Man (OMIM), GeneCards und anderen Datenbanken identifiziert; Die potenziellen therapeutischen Ziele wurden durch Schnittanalyse ermittelt. Ein Protein-Protein-Interaktionsnetzwerk (PPI) wurde aufgebaut, und Cytoscape wurde verwendet, um Kernziele zu screenen, während molekulares Andocken angewendet wurde, um die Bindungsaffinität zwischen Shikonin und Schlüsselzielen zu analysieren. Insgesamt wurden 374 Shikonin-Ziele und 1.087 RCC-bezogene Ziele gesammelt, und 98 sich überlappende Zielgene identifiziert. Sechs Kernziele (SRC, PIK3CA, PIK3CB, PIK3CD, PTPN11 und PIK3R1) wurden identifiziert. Analysen der Gene Ontology (GO) und der Kyoto Encyclopedia of Genes and Genomes (KEGG) zeigten, dass Shikonin anti-RCC-Effekte hauptsächlich durch die Regulation der Protein-Kinase-Aktivität, der HIF-1- und IL-17-Signalwege ausübt. Das molekulare Andocken bestätigte, dass Shikonin eine starke Bindungsaffinität mit diesen Kernzielen hatte. In-vitro-Studien mit humanen RCC Caki-1- und 786-O-Zellen zeigten, dass Shikonin die Zellproliferation und -migration dosisabhängig signifikant hemmte, die Zellapoptose förderte und die Aktivitäten von Caspase-3 und Caspase-8 hochregulierte. Western-Blot-Experimente bestätigten außerdem, dass Shikonin die Expression der Kern-Zielproteine modulierte und den HIF-1-Signalweg unterdrückte. Diese Studie erläutert systematisch den pharmakologischen Mechanismus von Shikonin gegen Nierenzellkarzinom und liefert eine theoretische Grundlage für die Entwicklung und Anwendung von Shikonin als neuartiges Anti-RCC-Mittel.
Das Nierenzellkarzinom (RCC) ist der häufigste bösartige Tumor des Harnsystems und macht etwa 90 % aller nierenartigen Tumoren und 2–3 % der erwachsenen bösartigen Tumore weltweit aus. Laut den Daten von GLOBOCAN 2022 gab es weltweit im Jahr 2022 etwa 434.800 neue Fälle und 155.953 Todesfälle von Nierenzellkarzinom, wobei die Häufigkeit und Sterblichkeit von RCC einen kontinuierlichen Anstieg zeigten. Die American Cancer Society schätzte allein im Jahr 2025 in den Vereinigten Staaten 80.980 neue Fälle und 14.510 Todesfälle von Nierenzellkarzinom. Nierenzellkarzinom weist die höchste Sterblichkeitsrate unter malignen Tumoren aus dem Harnsystem auf, und Patienten mit metastasiertem oder medikamentenresistentem RCC zeigen weiterhin eine schlechte Prognose. Mit der weitverbreiteten Anwendung zielgerichteter Therapie und Immuntherapie wurden bemerkenswerte Fortschritte in der klinischen Behandlung von RCC erzielt. Die Standardbehandlung der ersten Reihe für fortgeschrittenes oder metastasiertes Nierenzellkarzinom verwendet hauptsächlich Kombinationsregime von Immuncheckpoint-Inhibitoren oder Regime, die Immun-Checkpoint-Inhibitoren mit anti-angiogenen Tyrosin-Kinase-Inhibitoren kombinieren. Trotz der kontinuierlichen Weiterentwicklung therapeutischer Ansätze erleben viele Patienten weiterhin Krankheitsprogressionen, Medikamentenresistenz oder Behandlungsintoleranz. Daher bleibt die Entwicklung neuartiger Anti-RCC-Medikamente mit klaren Mechanismen, Sicherheit und Wirksamkeit ein dringender klinischer Bedarf 1,2,3.
Shikonin ist der wichtigste bioaktive Bestandteil, der aus Radix Arnebiae extrahiert wird, und sein Derivat acetylshikonin hat ausgeprägte anti-RCC-pharmakologische Effekte gezeigt. Bestehende Evidenz zeigt, dass Shikonin Anti-RCC-Aktivität durch Multitarget- und Multipathway-Regulationsmechanismen ausübt. Mechanistisch kann Shikonin die Expression des Tumorsuppressorgens TEK hochregulieren und die Phosphorylierung der AKT/mTOR-Signalkaskade hemmen, wodurch die Proliferation, Migration und Invasion von RCC-Zellen4 unterdrückt werden; Darüber hinaus induziert Shikonin die Ansammlung intrazellulärer reaktiver Sauerstoffspezies (ROS), um mitochondriale Dysfunktion auszulösen und so mehrere programmierte Zelltodmuster wie Apoptose, Nekropotose und Autophagie in RCC-Zellen5 auszulösen. Es moduliert außerdem die Expression von MikroRNAs wie miR-15b und miR-99b und reguliert apoptoseassoziierte Zielgene, darunter FOXO1 und PDCD4, über den MAPK/ERK-Weg, wobei diese regulatorischen Effekte eine deutliche Zelllinienspezifität6 zeigen. Bemerkenswert ist, dass Shikonin eine starke antitumorale Aktivität gegen sunitinib-resistente RCC-Zelllinien behält, wobei es therapeutische Effekte durch Aktivierung von Nekrosomenkomplexen, Hemmung des AKT/mTOR-Wegs und die Auslösung des G2/M-Zellzyklusstopps7 hervorruft. Obwohl die anti-RCC-Effekte von Shikonin teilweise durch bestehende experimentelle Studien validiert wurden, bleiben die zentralen therapeutischen Ziele, Schlüssel-Signalnetzwerke und die zugrundeliegenden molekularen Regulationsmechanismen von Shikonin gegenüber RCC unklar; zudem fehlen weiterhin systematische Vorhersagen, molekulare Verifikation und experimentelle Bestätigung seiner Hub-Ziele, was eine wichtige Forschungslücke in aktuellen Studien darstellt.
Netzwerkpharmakologie und molekulares Docking dienen als komplementäre technische Ansätze in der modernen Forschung zu natürlichen Arzneimitteln und der pharmakologischen Mechanismusforschung. Aus systematischer Perspektive kann die Netzwerkpharmakologie systematisch die multitarget-, multipathway-ganzheitlichen Interaktionsmerkmale zwischen bioaktiven Verbindungen und krankheitsbezogenen Zielen entschlüsseln. Im Gegensatz dazu ermöglicht das molekulare Andocken eine molekulare Überprüfung der Bindungsaffinität und des stabilen Interaktionsmusters zwischen kleinen Molekülverbindungen und Kern-Zielproteinen. Die Kombination dieser beiden Methoden ergibt eine systematische Forschung, geschlossene Schleife ganzheitlicher Zielvorhersage, gefolgt von molekularer Verifikation. Die Kombination experimenteller Validierung mit Netzwerkpharmakologie und molekularem Docking ist ein gängiger Ansatz für die Forschung zu natürlichen Arzneimitteln, der die Klärung der Krankheitspathogenese und die Aufklärung pharmakologischer Mechanismen von Verbindungen erleichtert und einen theoretischen Rahmen für Grundlagenforschung und translationale Anwendung von Medikamenten bietet 8,9.
In dieser Studie wurde Netzwerkpharmakologie angewandt, um die potenziellen Ziele von Shikonin bei der Behandlung von Nierenzellkarzinom vorherzusagen. Molecular Docking wurde verwendet, um potenzielle Ziele theoretisch zu überprüfen, und die wichtigsten Aktionsziele wurden schließlich durch In-vitro-Experimente bestimmt und durch Western Blot (WB)-Experimente weiter bestätigt. Der gesamte Ablauf dieser Studie ist in Abbildung 1 dargestellt.
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Alle in dieser Studie verwendeten menschlichen Zelllinien wurden aus authentifizierten kommerziellen Zellbanken gekauft, und es wurden keine frischen menschlichen Gewebe oder Patientenproben entnommen. Für diese in-vitro-basierte Studie war daher keine ethische Zulassung erforderlich.
Ermittlung und Vorhersage von Shikonin-Zielen
Das Schlüsselwort "shikonin" wurde in der PubChem-Datenbank gesucht. Die SDF-Struktur von Shikonin wurde heruntergeladen, und die vereinfachte Molecular-Input Line-Entry System (SMILES)-Notation wurde erhalten. Gemäß den Anforderungen der jeweiligen Zieldatenbanken wurden potenzielle Shikonin-Ziele am 3. März 2026 in den Datenbanken PharmMapper, SwissTargetPrediction, HERB und SEA Search Server aus denDatenbanken PharmMapper, SwissTargetPrediction, HERB und SEA Search Server gesammelt.
Zielerfassung eines Nierenzellkarzinoms
Unter Verwendung des Nierenzellkarzinoms als Schlüsselwort wurden menschlich entstandene Krankheitsziele aus der Therapeutic Target Database (TTD), OMIM und GeneCards abgerufen, wobei die Arten auf Homo sapiens und den Relevance Score > 50 beschränkt waren. Insgesamt wurden zunächst 1148 Ziele erfasst, und nach Zusammenfassung und Deduplizierung wurden schließlich 1087 einzigartige Nierenzellkarzinom-bezogene Ziele erfasst: 13,14,15.
Identifikation von Schnittzielen von Shikonin zur Behandlung des Nierenzellkarzinoms
Die vorhergesagten Genziele von Shikonin und Nierenzellkarzinomziele wurden in Venny 2.1, ein Online-Analysewerkzeug, eingegeben. Überlappende Ziele wurden durch Schnittanalysen identifiziert und in einem Venn-Diagramm dargestellt.
Aufbau des Komponenten-Ziel-Krankheits-Netzwerks
Mit Shikonin als Kernforschungsbeginn integrierten wir physiologische Assoziationsinformationen zwischen diesen Kernzielen und RCC und bauten ein molekulares Interaktionsnetzwerk des "Komponent-Ziel-Krankheit"-ternären Systems mit Hilfe der Cytoscape-Visualisierungssoftware auf.
Aufbau eines Protein-Interaktionsnetzwerks und Kernzielaufnahme von Shikonin bei der Behandlung von Nierenzellkarzinom
Die Protein-Interaktionsdatenbank STRING ist das Kernwerkzeug zur Erstellung von Protein-Protein-Interaktionsnetzwerken (PPI), die das Mining und die Visualisierung der Interaktionsbeziehungen zwischen Proteinen ermöglichen. In dieser Studie wurden die sich überschneidenden Ziele zwischen Shikonin- und Nierenzellkarzinom in die STRING-Datenbank eingereicht, wobei die Spezies zur weiteren Recherche auf Homo sapiens gesetzt wurden. Klicken Sie auf die Schaltfläche "Fortsetzen" für eine weitere Analyse. Im Einstellungsmodul am unteren Rand der Analyseergebnisseite wurde der minimale erforderliche Interaktionswert auf ein hohes Konfidenzniveau von 0,900 gesetzt. Gleichzeitig wurden nicht verwandte Proteine und nicht zusammenhängende Knoten im Netzwerk versteckt, um die optimierte PPI-Netzwerk-Mutual Mapping zu erhalten. Die Daten wurden im TSV-Format gespeichert und in die Cytoscape-Software importiert. Die entsprechenden Parameter wurden so angepasst, dass Knotengröße und Farbton die entsprechenden Werte widerspiegelten und die Kantendicke den Bindungsrate-Wert. Die PPI-Netzwerkkarte wurdeerstellt 16,17.
Basierend auf dem oben genannten PPI-Netzwerk wurden die Kernziele genau gescreent. Das Cytohubba-Plug-in wurde im Apps-Modul von Cytoscape geöffnet, und der Berechnen-Button wurde gedrückt, um das Berechnungsprogramm zu starten. Der MCC-Algorithmus wurde aus den Top 6 Knoten(n) ausgewählt, geordnet nach Option, und der Button "Absenden " wurde angeklickt, um die Berechnung abzuschließen. Die sechs wichtigsten Kernziele wurden für Verschönerung und Datendownload ausgewählt.
GO-Anreicherungsanalyse und KEGG-Signalweganalyse von Shikonin bei der Behandlung von Nierenzellkarzinomen
Die Metascape-Datenbank wurde für die Analyse der GO-Anreicherung verwendet. In dieser Studie wurden die auf Shikonin gezielten Schnittstellen mit Nierenzellkarzinom in die Datenbank importiert. Zuerst war die ausgewählte Spezies Homo sapiens (Mensch), danach wurde der Benutzerdefinierte Analysemodus ausgewählt. Die Anreicherungsanalyse wurde für die drei Dimensionen der funktionellen Go-Anreicherung durchgeführt: molekulare Funktionen, zelluläre Komponenten und biologische Prozesse. Der p-Wert Cutoff wurde auf 0,01 gesetzt, und der Enrichment-Analyse-Button wurde gedrückt, um eine Analyse mit der Mikrokreditplattform durchzuführen, um eine GO-Anreicherungsanalyse-Visualisierung von Shikonin bei der Behandlung des Nierenzellkarzinoms18,19 zu erstellen.
Die KOBAS 3.0-Datenbank wurde verwendet, um die KEGG-Signalweganreicherungsanalyse an den sich überlappenden Zielen zwischen Shikonin- und Nierenzellkarzinom durchzuführen, und diese Datenbank kann eine Signalwegannotation und statistische Anreicherungsanalyse von Genen durchführen. Die abgeschirmten Schnittziele wurden in die KOBAS 3.0-Datenbank importiert; die Quelle der ausgewählten Art war H. sapiens (Mensch), der Screening-Typ war auf den KEGG-Signalweg beschränkt, und der p-Wert-Schwellenwert für die Anreicherungsanalyse wurde auf <0,01 gesetzt. Nach der Analyse wurden die Anreicherungsresultate des KEGG-Weges erhalten. Basierend auf den Ergebnissen der Anreicherungsanalyse wurde der p-Wert als Grundlage für die Sortierung verwendet, und die Top 10 KEGG-Signalwege wurden aussortiert. Die Visualisierungsverarbeitung wurde mit Hilfe einer Mikrosignalisierungsplattform abgeschlossen, und schließlich wurde das KEGG-Anreicherungs-Sankey-Diagramm-Blasendiagramm gezeichnet und gespeichert20,21.
Molekulare Andockverifikation
Die dreidimensionale (3D) Struktur von Shikonin wurde aus der PubChem-Datenbank abgerufen, und die Open-Babel-Software wurde eingesetzt, um die 3D-Struktur in ein Standard-PDB-Format umzuwandeln. Die dreidimensionalen Proteinstrukturen der durch die Netzwerkpharmakologieanalyse identifizierten Kernziele wurden im PDB-Format aus der RCSB-Proteindatenbank und der AlphaFold-Datenbank heruntergeladen. Die Kristallstrukturen der Zielproteine umfassten PIK3CA (PDB ID: 9B4T), PIK3CD (PDB ID: 8BCY), PIK3R1 (PDB ID: 7CIO), PTPN11 (PDB ID: 9R16), SRC (PDB ID: 9NS1), PIK3CB (AlphaFold vorhergesagte Struktur, AF-Q8BTI9-F1-model_v6). Wassermoleküle und Heteroatome wurden entfernt, polare Wasserstoffe hinzugefügt und Gasteiger-Ladungen mit AutoDock Tools zugewiesen. Die AutoDock Tools-Software wurde verwendet, um die Andockbox in geeigneter Größe auszuwählen, um das gesamte Zielprotein für das molekulare Andocken abzudecken. Schließlich wurde die Visualisierung von ziel-aktiven Komponentenpaaren mit optimaler Bindungsenergie erzielt. Die PyMol-Software wurde verwendet, um die Bindungsstellen, den Typ und die Entfernung der Bindungsinteraktion zu analysieren und ein dreidimensionales Konformationsvisualisierungsbild22,23 zu erzeugen.
Zytotoxizitätstest
Caki-1-Zellen wurden in 96-Bohrloch-Kulturplatten mit einer Dichte von 5.000 Zellen pro Bohrloch inokuliert und mit Shikonin in Konzentrationen von 12,5, 25, 50 und 100 μmol/L für 12 Stunden bzw. 24 Stunden behandelt. Für 786-O-Zellen wurde nur eine 24-stündige Behandlung mit demselben Konzentrationsgradienten durchgeführt. Die zytotoxische Wirkung von Shikonin auf beide Zelllinien wurde mittels des MTT-Tests untersucht. Alle Experimente wurden in biologischen Dreifacharten mit drei technischen Replikaten pro Bedingung durchgeführt. Die Ergebnisse werden alsIC-50-Werte angegeben. Obwohl der insgesamt hemmende Trend zwischen den beiden Zelllinien konsistent war, zeigte Shikonin eine stärkere Zytotoxizität gegenüber Caki-1-Zellen. Daher wurden Caki-1-Zellen für spätere funktionelle Experimente ausgewählt.
Wirkung von Shikonin auf die Caki-1-Zellwanderung, bestimmt durch den Kratzwound-Test
Caki-1-Zellen und 786-O-Zellen in logarithmischer Phase wurden in 6-Well-Platten eingesät. Parallele Kratzlinien wurden am Boden jedes Bohrlochs mit einer sterilen 200-μL-Pipettenspitze angelegt. Nach der nächtlichen Anhaftung wurde PBS verwendet, um die kultivierten Zellen zu reinigen. Die Zellen wurden mit unterschiedlichen Shikonin-Konzentrationen (12,5, 25, 50 und 100 μmol/L) für 12 Stunden behandelt. Nach 12 Stunden wurde die Veränderung des Kratzbereichs an derselben Stelle unter dem Mikroskop beobachtet.
Die Formel zur Berechnung des Effekts von Shikonin auf die Wachstumsaktivität von Caki-1-Zellen lautete wie folgt: Mobilität = [(0 h Kratzfläche − 12 h Kratzfläche)/0 h Kratzfläche] × 100 %.
Bestimmung der Caspase-3- und Caspase-8-Aktivitäten
Caki-1-Zellen in der logarithmischen Wachstumsphase wurden entnommen, und die Zellkonzentration wurde auf 5 × 106 Zellen/ml angepasst, gefolgt von einer Inkubation für 12 Stunden. Nachdem Caki-1-Zellen mit unterschiedlichen Shikonin-Konzentrationen (12,5, 25, 50 und 100 μmol/L) behandelt und 24 Stunden inkubiert wurden, wurde die Zelldetektion wie im Caspase-Testkit beschrieben durchgeführt.
Auswirkungen von Shikonin auf die Apoptoserate von Caki-1-Zellen.
Logarithmisch wachsende Caki-1-Zellen wurden in 6-Well-Kulturplatten eingepflanzt. Die Zellen wurden mit Shikonin in Konzentrationen von 12,5, 25, 50 und 100 μmol/L für 24 Stunden in Abwesenheit einer Kontrollgruppe behandelt. Die Zellen wurden vorsichtig in PBS wieder suspendiert, gesammelt und gezählt. Insgesamt wurden 1 × 105 resuspendierte Zellen bei 300 × g für 5 Minuten zentrifugiert. Das Supernatant wurde entsorgt und das Zellpellet vorsichtig in 195 μL Annexin V-FITC Bindungspuffer wieder suspendiert. Anschließend wurden 5 μL Annexin V-FITC hinzugefügt, gefolgt von 10 μL Propidiodid-Färbelösung, beide mit sanfter Mischung. Die Zellen wurden bei Raumtemperatur (20–25 °C) im Dunkeln 15 Minuten vor der Analyse inkubiert.
Analyse des Zellsignalwegs
Die Caki-1-Zellen wurden mit 12,5, 25, 50 und 100 μmol/L Shikonin behandelt. Nach 24 Stunden wurden die Zellen in kaltem PBS entnommen, mit einem Zelllysepuffer mit Proteaseinhibitor lysiert und die Proteinkonzentration gemessen. Das Protein wurde auf einem 10%igen Natriumdodecylsulfat (SDS)-Polyacrylamid-Gel isoliert. Nach dem Transfer auf PVDF-Membranen wurden die Membranen mit 5 % BSA für 3 Stunden blockiert und dann über Nacht bei 4 °C mit einem anderen primären Antikörper inkubiert. Anschließend wurden die Membranen mit dem sekundären Antikörper mit einer Verdünnung von 1:3000 inkubiert. Proteinbänder wurden mit dem ECL-Detektionssystem nachgewiesen und quantitativ mit der ImageJ-Software analysiert.
Statistische Analyse
Die experimentellen Ergebnisse wurden als Mittelwert ± Standardabweichung präsentiert (x ± s, n = 3). Vor der parametrischen statistischen Analyse wurde die Normalität mit dem Shapiro-Wilk-Test bestätigt, und die Homogenität der Varianz wurde mit dem Levene-Test bewertet. Eine Einweganalyse der Varianz (ANOVA) in Kombination mit Tukeys Post-hoc-Test wurde mit SPSS-Software durchgeführt. Statistische Graphen wurden mit der GraphPad Prism-Software erstellt. Der t-Test mit unabhängigen Stichproben wurde für paarweise Vergleiche zwischen Gruppen verwendet, und p < 0,05 zeigte statistisch signifikante Unterschiede.
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Ermittlung und Vorhersage von Shikonin-Zielen
Anhand der vier genannten Datenbanken wurden potenzielle Shikonin-Ziele vorhergesagt, und 426 Ziele wurden nach Integration und Zusammenfassung identifiziert. Die zusammengefassten Ziele wurden dedupliziert, was zu 374 Zielen führte, wie in Abbildung 2A dargestellt.
Zielerfassung eines Nierenzellkarzinoms
Insgesamt wurden nach Zusammenfassung der Daten zu den drei Datenbanken 1.1...
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
PIK3CA ist formal als phosphatidylinositol 4,5-Bisphosphat 3-Kinase katalytische Untereinheit Alpha-Isoform bekannt. PIK3CA, ein zentraler Bestandteil des PI3K/AKT/mTOR-Weges, spielt eine wesentliche Rolle bei der Entstehung, Entwicklung und Behandlung eines Nierenzellkarzinoms (RCC). Studien haben gezeigt, dass PIK3CA ein hochfrequentes mutantes Gen dieses Subtyps ist (6/57, 11 %), und seine Mutation steht in direktem Zusammenhang mit der abnormen Aktivierung des PI3K/AKT-Weges. Darüber...
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
Die Autoren haben nichts offenzulegen.
Diese Forschung wurde von der Guizhou Provincial Health Commission Science and Technology (gzwkj2024-516) finanziert; Nationales und provinzielles Team für Talentförderung im Bereich Wissenschaft und Technologie der Guizhou University of Traditional Chinese Medicine, Guizhou University of Traditional Chinese Medicine TD Hopes [2023] 005; Guizhou Provincial Natural Science Foundation [Fördernummern: ZK [2024] 404]; Chuanxiong Protein-Polysaccharid-Komplex basiert auf den Eigenschaften der lang zirkulierenden Pickering-Milch, um die Behandlung von Kopfschmerzen mit Chuanxiong zu fördern (82360779).
Zugriff eingeschränkt. Bitte melden Sie sich an oder starten Sie eine Testversion, um diesen Inhalt anzuzeigen.
| Name | Unternehmen | Katalognummer | Kommentare |
|---|---|---|---|
| 786-O | American Type Culture Collection (ATCC) | RRID: CVCL_1051 (ATCC CRL-1932) | Menschliche Zelllinie des klarzelligen Nierenzellkarzinoms |
| AlphaFold-Datenbank | European Molecular Biology Laboratory (EMBL) - EBI | AlphaFold Protein Structure Database | Datenbank zur Vorhersage von Proteinstrukturen (AlphaFold Protein Structure Database) |
| AutoDock Tools-Software | Scripps Research Institute | 1.5.7 | Molekulare Docking-Software zur Vorhersage von Ligand-Protein-Bindungen |
| Caki-1 | American Type Culture Collection (ATCC) | RRID: CVCL_0234 (ATCC HTB-46) | Menschliche Zelllinie des klarzelligen Nierenzellkarzinoms |
| Caki-1-Zellen | Mudanjiang Normal University | HTB-46 (RRID: CVCL_0234) | Menschliche Zelllinie des klarzelligen Nierenzellkarzinoms |
| Caspase 3- und Caspase 8-Nachweis-Kits | Credit Suisse Biotechnology Co Ltd (QUANZHOU, China) | Caspase-3 Aktivitäts-Assay-Kit, Kat.-Nr. RX302848M, Caspase-8 Aktivitäts-Assay-Kit, Kat.-Nr. RX302849M | Zum Nachweis der Caspase-Aktivität zur Beurteilung der Zellapoptose |
| Cytoscape-Software | Cytoscape Consortium | 3.9.1 | Zur biologischen Netzwerkkonstruktion und -visualisierung |
| DMEM-Medium | Hyclone | SH30022.01 | Zellkulturmedium für die Caki-1- und 786-O-Zellkultur |
| Fetal bovines Serum | Gbico | 10099-141 | Zellkultursupplement für das Wachstum von Caki-1- und 786-O-Zellen |
| GeneCards | Weizmann Institute of Science | https://www.genecards.org/ | Umfassende Datenbank für menschliche Gene zur Annotation von Zielgenen |
| GraphPad Prism | GraphPad, San Diego, CA, USA | Version 8.3.0 | Zur Erstellung statistischer Grafiken |
| HERB-Datenbank | Chinesische Akademie der Wissenschaften | http://herb.ac.cn | Datenbank für Komponenten und Ziele der traditionellen chinesischen Medizin |
| ImageJ-Software | National Institutes of Health (NIH) | Fiji | Bildanalysesoftware zur Quantifizierung der Zellmorphologie und Western-Blot-Banden |
| Invertiertes Mikroskop | Olympus, IX73, Japan | 100-fache Vergrößerung. | Zum Beobachten von Veränderungen der Zellmorphologie nach Shikonin-Behandlung |
| KOBAS 3.0 Datenbank | Peking University | http://bioinfo.org/kobas/ | Tool zur Genontologie- und Pathway-Enrichment-Analyse |
| Metascape-Datenbank | Memorial Sloan Kettering Cancer Center | https://metascape.org/gp/index.html) | Tool zur Genfunktionsanreicherung und Netzwerkanalyse |
| Microcredit-Plattform | Nationales Zentrum für Bioinformatik (China) | http://www.bioinformatics.com.cn/ | Online-Bioinformatik-Analyseplattform für die Datenverarbeitung |
| MTT-Assay-Kit | Solarbio Science & Technology Co., Ltd. (Peking, China) | Kat.-Nr. M8180 | Zum Nachweis der Zelllebensfähigkeit (Antiproliferations-Assay) |
| OMIM | Johns Hopkins University School of Medicine | https://www.omim.org/ | Online Mendelian Inheritance in Man (Datenbank für humane genetische Erkrankungen) |
| PharmMapper-Datenbank | East China University of Science and Technology | https://www.lilab-ecust.cn/pharmmapper/ | Datenbank zur Vorhersage von Zielmolekülen für kleine Moleküle |
| PIK3CA, PIK3CB, PIK3CD und PTPN11 | Santa Cruz Biotechnology, Inc. (Dallas, TX, USA) | Santa Cruz Biotechnology, Inc. (Dallas, TX, USA) | Primärantikörper für die Western-Blot-Analyse von Zielproteinen |
| PyMol-Software | Schrödinger, Inc. | 2.2.0 | Molekulare Visualisierungssoftware für die Proteinstrukturanalyse |
| RCSB-Proteindatenbank | RCSB Protein Data Bank (Rutgers University) | https://www.rcsb.org/ | Proteinstrukturdatenbank (PDB) für molekulare Modellierung |
| SEA Search Server Datenbank | University of California, San Francisco | https://sea.bkslab.org | Similarity Ensemble Approach für die Zielvorhersage |
| Shikonin (Reinheit 98% | Blattorganismen mit Ursprung in China | Y0001439 | Kleines Molekül, das in dieser Studie zur Behandlung des Nierenzellkarzinoms (RCC) verwendet wurde |
| SPSS | IBM, Armonk, NY, USA | Version 20.0 | Zur statistischen Analyse |
| STRING | European Molecular Biology Laboratory (EMBL) | https://stringdb.org/ | Datenbank für Protein-Protein-Interaktionsnetzwerke |
| SwissTargetPrediction-Datenbank | Swiss Institute of Bioinformatics | https://www.swisstargetprediction.ch/ | Tool zur Vorhersage von Zielmolekülen für kleine Moleküle zur Arzneimittelentdeckung |
| Therapeutic Target Database | Shanghai Institute of Materia Medica | https://ttd.idrbrab.cn | Datenbank für therapeutische Ziele und Medikamente |
| Venny 2.1 | Spanish National Center for Biotechnology (CNB-CSIC) | https://bioinfogp.cnb.csic.es/tools/venny/index.html) | Venn-Diagramm-Tool zur Analyse von Datenschnittmengen |