Todos los materiales, incluidas bases de datos, software y reactivos experimentales, utilizados en este estudio se enumeran en la Tabla de Materiales. Todos los procedimientos experimentales fueron aprobados por el Comité de Ética Animal del Hospital del Lago Dushu de Suzhou (número de permiso: 2410008).
Cribado de componentes activos y adquisición de DCQD de objetivos
Los componentes activos de las hierbas constituyentes ruibarbo, mirabilita, corteza de magnolia y naranja amarga inmadura en la Decocción Da-Cheng-Qi (DCQD) fueron evaluados a partir de la base de datos de farmacología de sistemas de medicina tradicional china (TCMSP) utilizando los siguientes criterios: biodisponibilidad oral (OB) ≥30% y semejanza farmacológica (DL) ≥0,18. A continuación, se recogieron los objetivos correspondientes de los componentes activos identificados. Estos umbrales se adoptan ampliamente en estudios de farmacología en redes para filtrar compuestos con propiedades farmacocinéticas favorables y mayor potencial para ser moléculas similares afármacos 34,35. Para mejorar la fiabilidad de la selección de compuestos y reducir el sesgo del cribado de base de datos única, se realizó la validación cruzada utilizando la base de datos BATMAN-TCM. BATMAN-TCM es una base de datos integradora que almacena interacciones conocidas y predichas entre los ingredientes de la MTC y las proteínas objetivo, ayudando en la exploración de los mecanismos farmacológicos y el descubrimiento de fármacos de la MTC. La versión actualizada 2.0 ofrece un conjunto de datos TTI significativamente ampliado y características mejoradas, convirtiéndola en un recurso valioso para comprender los mecanismos moleculares de la MTC y desarrollar nuevos tratamientos para enfermedades complejas. Se excluyeron los compuestos sin objetivos previstos o con puntuaciones BATMAN-TCM inferiores a 20. Además, se conservaron compuestos con valores relativamente bajos de OB pero con objetivos predichos en BATMAN-TCM y actividades farmacológicas bien documentadas (por ejemplo, antracinonas y flavonoides) mediante la conservación de la literatura. Para reducir aún más los posibles componentes falsos positivos, se excluyeron manualmente las hormonas endógenas y las sustancias similares a los neurotransmisores (por ejemplo, progesterona y serotonina). El conjunto compuesto final se utilizó para la predicción posterior de objetivos y la construcción de la red. El flujo de trabajo detallado se ilustra en la Figura Suplementaria 1. La lista final de componentes activos se proporciona en la Tabla Suplementaria 1.
Los identificadores SMILES (un método de notación lineal que utiliza cadenas ASCII para describir la estructura química de las moléculas. Empleando símbolos y reglas específicas, codifica átomos, enlaces químicos y topología molecular en una cadena continua de caracteres sin espacios, permitiendo un almacenamiento conciso, inequívoco y legible por ordenador de la información molecular de cada componente activo y se predijeron objetivos potenciales usando la predicción suiza de objetivos, con el parámetro del organismo establecido en 'Homo sapiens' y un corte de probabilidad de >0 aplicado. Los conjuntos de objetivos obtenidos de ambas bases de datos se fusionaron y se eliminaron las entradas duplicadas para generar el conjunto objetivo candidato final para DCQD.
Es importante señalar que Mirabilitum (Mangxiao, Na₂SO₄·10H₂O), un fármaco mineral en DCQD, no está incluido en las bases de datos TCMSP ni en bases de datos compuestos y objetivos similares. En consecuencia, debido a esta limitación en la base de datos, la red componente-objetivo construida en este estudio no abarca las posibles contribuciones de Mirabilitum. Por tanto, la red se basa en los constituyentes fitoquímicos de los otros tres componentes herbales: Rheum palmatum, Magnolia officinalis y Citrus aurantium.
Análisis de enriquecimiento de objetivos DCQD
Los objetivos DCQD se importaron a la base de datos de metascape para su análisis de enriquecimiento, restringiendo la especie a "Homo sapiens". Se realizaron análisis de enriquecimiento de la ontología génica (GO) y la enciclopedia de genes y genomas de Kioto (KEGG), siendo los primeros procesos biológicos (BP), componentes celulares (CC) y funciones moleculares (MF). Se seleccionaron los 6 mejores resultados de enriquecimiento GO y los 20 mejores resultados de enriquecimiento KEGG. Los gráficos de barras KEGG y GO se generaron utilizando la herramienta online de bioinformática. Los datos se importaban a través del paquete DOSE en R para construir el gráfico de barras de la ontología de la enfermedad (DO).
Construcción de la red "Medicina Herbal-Componente-Objetivo"
Los componentes relevantes de DCQD y sus objetivos correspondientes fueron importados a Cytoscape 3.10.3 para construir un diagrama de red que ilustrara las relaciones "medicina herbal-componente-objetivo". Se empleó el plugin CytoNCA para calcular los valores de grado, y los 5 componentes activos principales fueron evaluados según la clasificación.
Recuperación de objetivos ARDS a partir de bases de datos públicas
Utilizando "síndrome de dificultad respiratoria aguda" como palabra clave, se recuperaron objetivos relacionados con el SDRA de las bases de datos OMIM y GeneCards. En las Cartas Genéticas, se seleccionaban objetivos con una puntuación de relevancia >5. Tras fusionar y eliminar duplicados de ambas bases de datos, se obtuvo un conjunto de objetivos candidatos para ARDS.
Análisis de bioinformática
El conjunto de datos relacionado con sepsis-ARDS GSE32707 (plataforma GPL570, n = 45), que comprende datos de RNA-seq de células mononucleares de sangre periférica de 30 pacientes con SDRA inducido por sepsis y 15 controles sanos, fue descargado de la base de datos GEO del NCBI. Los datos se importaban usando el paquete GEOquery en R, y la normalización se realizaba usando el paquete limma para minimizar la variabilidad entre muestras. Se identificaron genes (DEGs) expresados diferencialmente utilizando los umbrales |log 2FC| > 1 y p < 0,05. La visualización se realizó mediante gráficos de volcanes y mapas de calor. Se realizaron análisis de enriquecimiento GO y KEGG para el análisis de vías, con resultados presentados como diagramas de burbujas y diagramas de barras.
Predicción de posibles objetivos para DCQD en el tratamiento del SDRA
Se generó un diagrama de Venn utilizando la herramienta online de bioinformática para comparar los DEGs, objetivos relacionados con el ARDS de bases de datos públicas y objetivos de fármacos DCQD, identificando así posibles objetivos terapéuticos de la DCQD para el ARDS.
Construcción de la red de interacción proteína-proteína (PPI) y cribado de dianas centrales
Los objetivos superpuestos se importaron a la base de datos STRING con la especie establecida como "Homo sapiens" y un umbral de puntuación de interacción de 0,4. Los datos de la red PPI se exportaron en formato TSV y se visualizaron usando Cytoscape 3.10.3. El plugin CytoHubba se aplicó para filtrar los 10 principales objetivos basándose en MCC, MNC, grado, EPC, intermediedad, cercanía, radialidad y puntuaciones de estrés. La intersección de estos objetivos produjo 5 objetivos principales.
Construcción de la red "Medicina Herbal-Componente-Enfermedad-Objetivo"
En función de los objetivos superpuestos, se identificaron los componentes DCQD correspondientes. Los componentes relevantes, junto con sus objetivos asociados y los enlaces de enfermedades, fueron importados a Cytoscape 3.10.3 para construir un diagrama de red que ilustrara las relaciones "componente de medicina herbal-enfermedad-objetivo".
Análisis de enriquecimiento de objetivos principales y construcción de la red de "componente de medicina herbal-objetivo-vía-enfermedad"
Para explorar las posibles funciones biológicas y las vías clave de señalización de DCQD en el tratamiento del SDRA, los objetivos principales fueron sometidos a análisis de enriquecimiento GO y KEGG en Metascape (especie: "Homo sapiens"). Se seleccionaron los 10 mejores resultados de enriquecimiento de GO y los 13 mejores de los resultados de enriquecimiento de KEGG. La visualización se realizó utilizando herramientas de bioinformática para generar diagramas de burbujas KEGG, gráficos de barras GO y diagramas de burbujas Sankey. Además, basándose en los resultados del enriquecimiento funcional, se construyó un diagrama de red en Cytoscape 3.10.3 para ilustrar las relaciones "componente de medicina herbal-objetivo-vía de la enfermedad".
Acoplamiento molecular y visualización
Las estructuras moleculares secundarias de los compuestos se recuperaron de la base de datos PubChem, mientras que las estructuras 3D de los objetivos centrales se obtuvieron de la base de datos PDB (http://www.rcsb.org/). Se eliminaron moléculas de agua y residuos de aminoácidos utilizando PyMOL. Las proteínas y compuestos objetivo se importaban en AutoDock para acoplamiento molecular y así calcular las energías de unión. La visualización se realizó utilizando PyMOL. Se generó un mapa de calor de energía de enlace utilizando el paquete de mapas de pheatmap en R, con objetivos centrales en el eje x, compuestos en el eje y y un gradiente de color que representa energías de enlace. Se generaron diagramas de interacción bidimensional de los resultados del acoplamiento usando Discovery Studio Visualizer 4.5. Se realizó acoplamiento molecular para evaluar la viabilidad de unión entre compuestos y objetivos, en lugar de predecir la eficacia inhibitoria real.
Construcción del modelo de ratón ARDS
Este estudio fue aprobado por el comité de ética médica del Hospital del Lago Dushu de Suzhou (2410008). Se obtuvieron ratones machos sanos de C57BL/6J (n = 30; 20 ± 5 g). Los ratones se dividieron en un grupo de control (n = 10), un grupo LPS (n = 10, LPS 10 mg/kg) y un grupo DCQD (n = 10, recibiendo DCQD 0,9 g/kg mediante gavage oral combinado con LPS 10 mg/kg). Los ratones del grupo LPS recibieron una inyección intraperitoneal de LPS. A los ratones del grupo DCQD se les administró DCQD 0,9 g/kg mediante gavage oral inmediatamente después de la inyección intraperitoneal de LPS. Se tomaron mediciones inmediatamente antes y después de la extracción pulmonar de todos los ratones. Posteriormente, los tejidos pulmonares se almacenaron a -80 °C.
Análisis de manchas occidentales (WB)
Se aislaron proteínas de lisados de tejido pulmonar de ratón y sus concentraciones se midieron utilizando un kit de cuantificación de proteínas BCA. Posteriormente, las proteínas se desnaturalizaron hirviendo a 95 °C durante 10 minutos. Las proteínas desnaturalizadas se separaron en un gel SDS-PAGE al 10% preparado con un kit de preparación de gel, y luego se transfirieron a una membrana PVDF. Para evitar la unión inespecífica, las membranas del PVDF se bloquearon a temperatura ambiente durante 5 minutos utilizando un tampón rápido de bloqueo libre de proteínas. Tras el lavado con PBST, las membranas se incubaron durante la noche a 4 °C con anticuerpos primarios contra MMP9, HSP90, MYC y ARG1. Tras otro lavado con PBST, las membranas se incubaron durante 2 horas a temperatura ambiente con IgG(H+L) anticonejo de cabra conjugado con HRP. Finalmente, se aplicó el sustrato del kit de detección de quimiluminiscencia ultrasensible, y se detectaron bandas proteicas quimioluminiscentes utilizando un sistema de imagen quimioluminiscente BIO-RAD. El análisis en escala de grises se realizó con ImageJ. Los anticuerpos utilizados en este experimento se enumeran en la Tabla Suplementaria 2.
Análisis de ensayo inmunoenzimático ligado a enzimas (ELISA)
Primero, se recogió líquido de lavado broncoalveolar (BALF) realizando el lavado tres veces con 2 mL de suero. Los fluidos de lavado resultantes se agruparon y centrifugaron a 10.000 g durante 10 minutos para eliminar las células. El sobrenadante se aspiraba y almacenaba congelado en nitrógeno líquido. Posteriormente, se determinaron las concentraciones de citocinas objetivo siguiendo las instrucciones del fabricante utilizando el Kit IL-6 ELISA, el Kit IL-18 de Ratón y el Kit TNF-alfa ELISA del Raton. A continuación, la placa de reacción se colocó en un lector de microplacas y se midió el valor de densidad óptica (OD) de cada pozo a una longitud de onda de 450 nm, utilizando el pozo de control en blanco para ajuste cero. Finalmente, se graficó una curva estándar basada en las concentraciones y los valores de OD correspondientes de los estándares. La concentración del factor objetivo en cada muestra se calculaba según la ecuación estándar de la curva.
Análisis estadístico
Los datos se analizaron utilizando GraphPad Prism 10.1.2. La significación de las diferencias entre grupos se evaluó estadísticamente mediante un análisis unidireccional de la varianza o la prueba t de Student. Si el valor de P es menor que 0,05, la diferencia se considera significativa; si el valor P es menor que 0,01, se considera altamente significativo.