Artículo de investigación

Farmacología en redes, aprendizaje automático y validación in vivo de la cápsula Danzhi Jiangtang en nefropatía diabética

54 vistas

⸱

DOI:

10.3791/71328

⸱

28 de julio de 2026

 ,  ,  ,  ,  , 
1Anhui University of Chinese Medicine

En este artículo

Resumen

La Cápsula Danzhi Jiangtang (DJC) puede atenuar la nefropatía diabética (DN), como lo demuestran los cambios en la señalización de quimioquinas y los marcadores de pirooptosis, respaldados por bioinformática y validación in vivo .

Resumen

Aunque la Cápsula Danzhi Jiangtang (DJC) es una preparación tradicional china de hierbas utilizada clínicamente para la diabetes, no se ha aclarado completamente cómo puede proteger el riñón durante la nefropatía diabética (DN). Esta investigación fue diseñada para explorar los posibles mecanismos por los cuales el DJC afecta a la DN, con especial atención a la cascada de señalización relacionada con la piroptosis relacionada con el dominio pirina de la familia NLR (NLRP3)/Caspasa-1/Gasdermin D (GSDMD).

Se empleó una estrategia integrada que combinaba farmacología de redes y aprendizaje automático. La Plataforma de Datos y Análisis de Sistemas de Farmacología de Medicina Tradicional China (TCMSP) y la Herramienta de Análisis Bioinformático para el Mecanismo Molecular de la Medicina Tradicional China (BATMAN-TCM) se utilizaron para evaluar los ingredientes bioactivos y sus respectivos objetivos proteicos de DJC. Los genes asociados a la DN se recuperaron de Gene Expression Omnibus (GEO), GeneCards y Online Mendelian Inheritance in Man (OMIM). Los objetivos clave de los candidatos fueron evaluados y clasificados utilizando múltiples algoritmos de aprendizaje automático. La afinidad de unión entre los ingredientes activos y los objetivos principales de DJC se evaluó mediante acoplamiento molecular. Finalmente, se evaluaron la eficacia terapéutica y los mecanismos previstos en ratones diabéticos con db/db.

El análisis de farmacología de redes identificó 599 dianas DJC y 68 genes superpuestos compartidos con DN. Mediante algoritmos de aprendizaje automático, se identificaron el ligando quimiocina del motivo C-C 2 (CCL2) y CASP1 como objetivos candidatos prioritarios. El acoplamiento molecular predijo posibles afinidades fuertes de unión entre los ingredientes activos del DJC y estas proteínas centrales. Los análisis de enriquecimiento funcional (GO/KEGG) sugirieron que la modulación de DJC está asociada con respuestas inflamatorias y la vía MAPK. La validación in vivo mostró que el tratamiento con DJC atenuaba la lesión renal y los marcadores de fibrosis. Estos hallazgos sugieren que el DJC puede atenuar la DN en parte debido a cambios en la señalización de la pirooptosis relacionados con el receptor de quimiocinas 2 del motivo CCL2/C-C (CCR2).

Introducción

La carga global de la diabetes mellitus (DM) sigue aumentando, presentando un reto formidable para la salud pública. Se estima que 5,2 millones de muertes anuales se deben a la DM y sus complicacionesrelacionadas 1. La DN se considera una complicación microvascular grave y un factor importante en el desarrollo de la enfermedad renal terminal (ESRD), afectando aproximadamente al 30-40% de la poblacióndiabética 2,3. Múltiples factores entrelazados contribuyen a la progresión patológica del DN, incluyendo disfunción metabólica, remodelación hemodinámica y respuestas inflamatorias persistentes. Los insultos patológicos, incluyendo glucosa alta e hiperlipidemia, activan la vía de piroptosis mediada por NLRP3/caspasa-1/GSDMD, induciendo la muerte inflamatoria programada en células epiteliales mesangiales y tubulares renales, seguida de lesiones tubulointersticialesprogresivas 4. La pirooptosis se caracteriza por la ruptura de la membrana plasmática, que impulsa la liberación de IL-1β eIL-18-5. Estos factores proinflamatorios aumentan la transcripción del ligando quimioquina 2 (CCL2) del motivo C-C, promueven la infiltración de macrófagos y potencian aún más la activación piropótica, agravando progresivamente la lesiónrenal 6. En la práctica clínica, esta condición se manifiesta con albuminuria progresiva y una reducción gradual de la tasa de filtración glomerular, lo que puede culminar en daño renal irreversible y un marcado deterioro de la calidad de vida de los pacientes 7,8. A pesar de los avances en la atención médica, las estrategias terapéuticas actuales, que se centran principalmente en un control estricto de la glucémica y la presión arterial, a menudo no logran detener completamente la progresión de la enfermedad. Aunque las farmacoterapias emergentes, incluyendo agentes bloqueadores SGLT2, agonistas GLP-1 y bloqueadores de los receptores mineralocorticoides, así como terapias con células madre e intervenciones dietéticas, han recibido una atención significativa y se están volviendo más prevalentes en la práctica, el riesgo residual de DN sigue siendo alto. Por tanto, desarrollar sustancias terapéuticas innovadoras sigue siendo una prioridad urgente en la investigación, especialmente aquellas procedentes de la medicina tradicional que pueden dirigirse a múltiples vías patológicas simultáneamente.

La Cápsula Danzhi Jiangtang (DJC), una formulación exclusiva para hospitales desarrollada en el Primer Hospital Afiliado de la Universidad de Medicina China de Anhui (Aprobación de Preparación de la Institución Médica Provincial de Anhui nº Z20090006; Patente nº ZL200310112845.1; El lote nº 20220427), es un candidato terapéutico prometedor. Debe estar sellado, almacenado en un entorno seco y ventilado, y protegido de la luz. La fórmula está compuesta por seis hierbas tradicionales chinas: Pseudostellaria heterophylla (Radix Pseudostellariae), Whitmania pigra (Hirudo), Alisma orientale (Alismatis Rhizoma), Cuscuta chinensis (Cuscutae Semen), Paeonia suffruticosa (Corteza de Moutan) y Rehmannia glutinosa (Rehmanniae Radix Praeparata) (5:4:4:3:2:5)10. En la práctica clínica, el DJC ha demostrado una eficacia hipoglucémica significativa y la capacidad de reducir los marcadores de lesión renal en pacientesdiabéticos 11. Investigaciones previas sugieren que el DJC puede ejercer efectos renoprotectores al regular los niveles de glucosa en sangre y el metabolismolipídico 12,13,14. Estudios previos sobre DJC se han centrado principalmente en la validación de vía única con selección no sistemática de objetivos. Por ello, integramos farmacología de redes y aprendizaje automático para seleccionar componentes activos e identificar genes centrales, seguido de una validación preliminar in vivo, para reforzar el análisis.

La farmacología en redes ofrece una estrategia eficaz para analizar prescripciones herbales complejas. Este marco integra enfoques bioinformáticos y biológicos sistemáticos, química computacional y farmacología para descifrar los mecanismos "multicomponente, multi-objetivo y multi-vía" de las acciones de losfármacos 15,16,17. Este enfoque holístico facilita un examen estructurado de las intrincadas interacciones entre compuestos herbales y redes específicas de enfermedades, revelando los efectos sinérgicos inherentes a laMTC 18. Sin embargo, la farmacología tradicional de redes puede a veces generar un ruido excesivo en los datos. Para superar esto, integrar algoritmos de aprendizaje automático permite un cribado preciso de genes característicos centrales a partir de conjuntos de datos a gran escala. Además, el acoplamiento molecular proporciona una perspectiva intuitiva y dinámica para predecir posibles afinidades de unión fármaco-biomolécula19.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Protocolo

Cribado de compuestos bioactivos y posibles objetivos del DJC

Se recuperaron compuestos bioactivos de las seis hierbas en DJC, Pseudostellaria heterophylla (Radix Pseudostellariae), Paeonia suffruticosa (Corteza de Moutan), Cuscuta chinensis (Cuscutae Semen), Alisma orientale (Alismatis Rhizoma), Rehmannia glutinosa (Rehmanniae Radix Praeparata) y Whitmania pigra (Hirudo) de la base de datos TCMSP. El cribado se realizó en función de parámetros farmacocinéticos: biodisponibilidad oral (OB) ≥ 30% y semejanza farmacológica (DL) ≥ 0,18. Para Whitmania pigra, que carece de datos en TCMSP, sus compuestos activos y objetivos se obtuvieron de BATMAN-TCM, utilizando una puntuación ≥ 20 y un valor P < 0,05 como criterios de selección. UniProt se aplicó para unificar todos los objetivos recogidos en una nomenclatura génica estándar.

Adquisición de genes relacionados con la DN

Se recogieron genes relacionados con la DN de tres fuentes. Primero, se buscaron GeneCards y OMIM usando "nefropatía diabética" como término de búsqueda. Se conservaron los genes de GeneCards con puntuación de relevancia > 1. En segundo lugar, se obtuvieron tres perfiles de microarrays (GSE30529, GSE104948, GSE96804) del repositorio GEO. Las muestras en GSE30529 se derivaron de los túbulos renales, mientras que las de GSE104948 y GSE96804 se originaron en glomérulos renales. Todas las búsquedas en la base de datos se realizaron el 15 de diciembre de 2024. Se identificaron genes diferencialmente expresados (DEGs) entre pacientes con DN y controles sanos en el conjunto de datos GSE30529 utilizando el paquete limma en el software R. Los criterios de cribado se establecieron en un valor p ajustado < 0,05 y |log2(Fold Change)| > 0,5. Los gráficos volcánicos y mapas de calor mostraban genes expresados diferencialmente.

Identificación de posibles objetivos terapéuticos de DJC para DN

El análisis del diagrama de Venn identificó loci compartidos entre el grupo objetivo del DJC y los genes asociados a DN de GeneCards, OMIM y GSE30529 DEGs. Estos loci compartidos sirvieron como genes terapéuticos candidatos para todos los procedimientos de investigación posteriores.

Establecimiento y perfilado de redes de interacción proteica (IBP)

Se subieron loci terapéuticos supuestos a STRING para construir una red de interacción proteína-proteína, con un corte de interacción establecido por encima de un valor de confianza de 0,4. Cytoscape procesó los conjuntos de datos de red para su presentación visual. Índices topológicos como Degree se calculaban mediante el plugin CytoNCA para identificar nodos centrales en toda la red.

Análisis de enriquecimiento

Para delimitar los roles biológicos y las cascadas de señalización vinculadas a objetivos candidatos, se analizó el enriquecimiento funcional en R con el paquete clusterProfer, utilizando org. Hs.eg.db para anotación y ggplot2 para visualización. Los términos de Ontología Génica (GO) se evaluaron en las categorías de procesos biológicos (BP), componentes celulares (CC) y funciones moleculares (MF). Se mantuvieron las vías de la Enciclopedia de Genes y Genomas de Kioto (KEGG) cuando el valor p de enriquecimiento era < 0,05.

Aplicación del algoritmo CytoHubba

El plugin CytoHubba en Cytoscape se utilizó para calcular cuatro índices de centralidad topológico para cada nodo de red. El grado, el recuento de vecinos directamente conectados, refleja la amplitud de las interacciones de cada proteína. El componente de vecindad máximo (MNC), una métrica que cuantifica el tamaño del componente conexo más grande en el subgrafo de vecindad del nodo, mide la influencia regulatoria local. El componente percolado por aristas (EPC) evalúa la importancia estructural global mediante la eliminación aleatoria simulada de aristas y cuantificación del tamaño medio del componente conectado. Los genes que se situaban entre los 20 primeros de cada índice se intersectaron para obtener los genes centrales finales.

Cribado génico central basado en aprendizaje automático

Se aplicaron tres enfoques de aprendizaje automático a perfiles de expresión del conjunto de datos GSE30529 para identificar genes hub fiables entre los objetivos candidatos.

(1) LASSO (Operador de Mínima Contracción Absoluta y Selección): El parámetro de regularización λ se ajustó mediante validación cruzada de cinco veces, con el valor óptimo determinado por el rendimiento medio entre pliegues. Las características de expresión génica de entrada fueron estandarizadas automáticamente por puntuación Z para eliminar los efectos de la magnitud de expresión. Con el parámetro de penalización fijado en 1 α para la regularización LASSO pura, se utilizó un panel predefinido de valores de 100 λ para el cribado. La penalización L1 reducía los coeficientes de las características de baja relevancia a cero, permitiendo la selección simultánea de características y control de complejidad, mientras que la fuerza de regularización ajustada por validación cruzada mitigaba el riesgo de sobreajuste.

(2) SVM-RFE (Support Vector Machine-Recursive Feature Elimination): Se empleó un marco de validación cruzada de dos capas y 5 para garantizar un cribado robusto de características. Se generaron cinco subconjuntos no solapados dividiendo estocásticamente todo el conjunto de datos, con cuatro usados para entrenamiento y uno para pruebas en cinco iteraciones; El promedio pliegue mitigaba el sesgo causado por la división de muestra única. Se aplicó eliminación recursiva de características para reducir la dimensionalidad de características y restringir la complejidad del modelo, aliviando el sobreajuste. La tasa de error y la precisión en la clasificación sirvieron como métricas de rendimiento para determinar el número óptimo de características.

(3) Bosque Aleatorio (RF): Se construyó un bosque aleatorio inicial de 500 árboles, con el número óptimo de árboles determinado por la tasa mínima de error en clasificación fuera de la bolsa para reentrenar el modelo final. Todos los hiperparámetros restantes, incluido el tamaño aleatorio del subconjunto de características en cada división de nodo, se mantuvieron en la configuración predeterminada del paquete. Las puntuaciones de importancia génica del modelo final se clasificaron en orden descendente para generar el conjunto de genes de la firma de la enfermedad. El conjunto final de genes centrales se determinó intersectando los resultados de estos tres algoritmos.

Verificación independiente basada en conjuntos de datos de la expresión génica central

Se utilizaron dos conjuntos de datos externos independientes, GSE104948 y GSE96804, para validar los niveles de transcripción de los genes centrales. Los conjuntos de datos de expresión génica fueron normalizados; Las diferencias de expresión entre casos DN y sujetos sanos se representaron en gráficos utilizando los kits de herramientas ggplot2 y ggsignif de R.

Acoplamiento molecular

Las conformaciones 3D de las proteínas objetivo central (CASP1, PDB ID: 3E4C; CCL2, ID PDB: 7S00) se obtuvieron del Banco de Datos de Proteínas. Las conformaciones 3D de compuestos bioactivos se obtuvieron mediante PubChem. Se seleccionaron para acoplamiento ácido ursólico, 3β-hidroxiuros-12-en-28-oico y quercetina porque la farmacología en redes predijo las interacciones entre estos compuestos activos y los objetivos principales CCL2 o CASP1. Las estructuras proteicas fueron pretratadas arrancando ligandos nativos y moléculas de agua, introduciendo hidrógenos polares y posteriormente sometidas a acoplamiento molecular usando AutoDock Vina. La afinidad de enlace, representada por la puntuación de acoplamiento (en kcal/mol), servía para evaluar la intensidad de las interacciones. Se estableció un umbral de energía de unión de −5,0 kcal/mol para definir interacciones intermoleculares estables. Las conformaciones acopladas se visualizaron usando PyMOL.

Animales y diseño experimental

El presente estudio utilizó 30 ratones machos de 8 semanas de edad con db/db de grado libre de patógenos específicos (SPF), junto con 10 ratones machos de SPF db/ m de edad similar. Todos los ratones experimentales fueron criados en una instalación de grado SPF bajo un fotoperiodo de 12 horas claro-oscuro y mantenido bajo condiciones estables: 22 ± 2 °C, 50–70% de humedad relativa y acceso sin restricciones a comida y agua potable. La aprobación ética para todos los protocolos experimentales in vivo fue concedida por el Comité de Ética Animal de la Universidad de Medicina China de Anhui (Aprobación nº AHUCM-mouse-2023059).

Los roedores pasaron por una fase de adaptación de 7 días antes de agrupar aleatoriamente (6 animales cada uno) y 8 semanas de intervención diaria. La glucosa en ayunas se midió en todos los animales experimentales; los animales se asignaron mediante una tabla de números aleatorios, y la histología, IHC y cuantificación de Western Blot se realizaron bajo evaluación ciega.

Grupo control normal (CTL): ratones db/m recibiendo solución salina por vía oral.

Grupo modelo (M): ratones db/db recibiendo solución salina por vía oral.

Grupo DJC-Dosis Media (DJC-M): ratones db/db recibiendo DJC a 0,78 g/kg (equivalente a la dosis clínica diaria en adultos).

Grupo DJC-Dosis Altas (DJC-H): ratones db/db recibiendo DJC a 1,56 g/kg (el doble de la dosis clínica diaria en adultos).

Preparación de la dosificación

La escala de dosis de humano a murino se derivó utilizando el enfoque de normalización del área superficial corporal, según se describe en la Metodología de Experimentos Farmacológicos, con un coeficiente de conversión de 9,1. La dosis clínica diaria de DJC fue de 6 g para un adulto de 70 kg (0,0857 g/kg), lo que dio dosis equivalentes para ratones de 0,78 g/kg (dosis clínica 1 vez) y 1,56 g/kg (dosis clínica 2 veces). Todos los ratones recibieron administración intragástrica a un volumen constante de 10 mL/kg. El polvo de DJC se pesó y suspendió con precisión en una solución CMC-Na al 0,5% para formar suspensiones uniformes a 78 mg/mL (dosis media) y 156 mg/mL (dosis alta).

Tras 8 semanas de administración diaria, se indujo anestesia en todos los ratones experimentales utilizando pentobarbital sódico al 1%. Se recogieron muestras de sangre a través de la aorta abdominal y se centrifugaron para aislar los sobrenadantes para ensayos bioquímicos basados en kits. Se utilizaron jaulas metabólicas para recoger muestras de orina de ratón. Los tejidos renales parciales se fijaron con paraformaldehído al 4% para hematoxilina-eosina (HE) y tinción de Masson. Congelados rápidamente en nitrógeno líquido, los tejidos renales residuales se conservaron a −80 °C para ensayos analíticos posteriores.

Análisis histológico

Tras la fijación en paraformaldehído al 4%, los tejidos renales sufrieron deshidratación graduada de etanol, limpieza, incrustación de parafina y seccionamiento en serie de 4 μm para posterior tinción HE y tricromo de Masson. La tinción con HE se realizó siguiendo procedimientos estándar (desparafinización, rehidratación, tinción nuclear de hematoxilina, diferenciación y azulado acidificado de etanol, contratinción de eosina, deshidratación, limpieza y montaje neutro de bálsamo) para observar cambios histopatológicos renales. Las secciones se sumergieron en tinción de hematoxilina durante 3 minutos, seguidas de una contratinción con eosina durante 15 segundos. Para la tinción tricroma de Masson, las secciones fueron sometidas a deparafinización, rehidratación, tinción secuencial, diferenciación y separación de color con ácido acético, seguidas de deshidratación, limpieza y montaje para evaluar la acumulación de colágeno renal y los cambios fibróticos. Se empleó microscopía de campo claro para inspeccionar y fotografiar todas las secciones de tejido teñido con una ampliación del 200×. Las secciones teñidas con HE se puntuaron utilizando el Índice de Esclerosis Glomerular (GSI). Para la tinción tricroma de Masson, se aplicó el preset Tricromo de Masson para aislar el canal azul de colágeno, y se calculó la proporción del área del colágeno respecto al área del tejido teñido de rojo.

Inmunohistoquímica (IHC)

Tras una fijación de 24 horas con paraformaldehído al 4%, las muestras de tejido fueron deshidratadas mediante gradientes seriados de etanol, y luego incrustadas con parafina y cortadas en secciones secuenciales de 5 μm. Tras la deparafinización, las secciones fueron sometidas a la recuperación de antígenos y a la bloqueación de peroxidasa endógena. Tras el bloqueo, las laminas de tejido se incubaron con anticuerpos primarios diluidos a 4 °C durante la noche en una cámara húmeda. Las láminas recibieron una incubación secundaria de anticuerpos a temperatura ambiente tras los lavados con PBS, seguida de una reacción cromogénica DAB hasta alcanzar la intensidad óptima de tinción. Las secciones luego fueron sometidas a contratinción secuencial de hematoxilina, diferenciación, azulado, deshidratación, descoloración, montaje en deslizante y obtención de imágenes microscópicas en campo claro. La extracción de antígenos se realizó mediante autoclavado durante 10 minutos, seguido de un enfriamiento natural a temperatura ambiente. Tras bloquear con suero de cabra al 5% durante 60 minutos a temperatura ambiente, se incubaron secciones con anticuerpo primario (dilución 1:200) y luego con anticuerpo secundario anti-conejo IgG conjugado con HRP (dilución 1:300) durante 60 minutos cada una a temperatura ambiente. La reacción cromogénica DAB se realizó durante 3–5 minutos a temperatura ambiente, se monitorizó microscópicamente y terminó con un enjuague con agua destilada. Las imágenes se adquirieron con una magnificación de ×200, y el porcentaje de área de tinción positiva se cuantificó usando ImageJ.

Detección ELISA

Los pasos de ensayo cumplieron con los protocolos oficiales proporcionados por los proveedores de kits. Se prepararon con antelación los amortiguadores de lavado y los estándares en serie diluidos. Los pozos en blanco, estándar y de muestra se cargaban con reactivos e incubaban en la oscuridad. Las placas se lavaban a fondo tras la incubación y luego se incubaban con la enzima conjugada en la oscuridad. Tras el lavado, se añadió un sustrato cromogénico para una reacción de color protegida por la luz, que terminaba con un amortiguador de parada una vez que surgieron degradados azules distintos en los pozos estándar. La absorbancia (OD) de cada pozo se midió en la longitud de onda objetivo usando un lector de microplacas. Las concentraciones séricas de IL-1β e IL-18 se cuantificaron utilizando curvas de calibración generadas a partir de valores OD de concentraciones estándar (muestras de suero sin diluir; absorbancia medida a 450 nm; ocho pozos réplicados técnicos por muestra). Se midieron creatininas urinarias y proteínas urinarias de 24 h en muestras de orina sin diluir recogidas utilizando jaulas metabólicas de 24 h (absorbancia medida en 546 nm; ocho réplicas técnicas por muestra).

PCR cuantitativa en tiempo real (RT-qPCR)

El ARN total se aisló de los tejidos renales, y su pureza y concentración se determinaron mediante espectrofotometría. El ARN purificado se transcribió inversamente para generar plantillas de ADNc. La RT-qPCR se realizó en un instrumento de PCR en tiempo real con el siguiente programa de ciclo térmico: 5 minutos de predesnaturalización (95 °C), seguida de 40 rondas de amplificación: 15 s a 95 °C, 1 min a 60 °C. La RT-qPCR se realizó en una reacción de 10 μL que contenía 5 μL de SYBR Green Master Mix, 0,2 μL de cebador directo, 0,2 μL de cebador inverso, 1 μL de plantilla de ADNc y 3,6 μL de agua libre de RNasa. La transcripción inversa para la síntesis de ADNc se realizó en un volumen total de reacción de 20 μL. Se realizó un análisis de curva de fusión para confirmar la especificidad de amplificación, y cada muestra se analizó en tres réplicas técnicas. Los niveles de transcripción se evaluaron mediante la normalización de 2⁻ΔΔCq a β-actina, con todas las secuencias de cebadores listadas en la Tabla 1.

Análisis de Western blot

Se extrajeron aproximadamente 40 mg de tejido renal de cada cohorte de ratón, se picaron sobre hielo y se homogeneizaron completamente en un tampón de lisis proteica. Tras un giro de 15 minutos a 12.000 rpm a 4 °C, se recogió el sobrenadante total que contenía proteína de homogeneados tisulares a −80 °C. El sobrenadante proteico se mezcló con el tampón de carga y se desnaturalizó hirviéndolo en un baño marea. Aproximadamente 10 μL de muestra de proteína normalizada se cargó por carril y se separó en geles de SDS-poliacrilamida al 10%. Las proteínas objetivo se transfirieron a filtros de nitrocelulosa mediante electroblot húmedo. La transferencia se realizó a una corriente fija de 400 mA en un baño de hielo durante 30–45 minutos. Después de la transferencia, los blots se incubaron en leche desnatada fría durante 2 horas y luego se incubaron durante la noche a 4 °C con anticuerpos primarios de 1:1.000. Las manchas lavadas se cubrieron con anticuerpos secundarios coincidentes (1:10.000) a 4 °C durante 2 horas, y las señales de banda luminiscente se registraron y cuantificaron a partir de fotos de la mancha usando el software ImageJ. Para GSDMD-N, se utilizó tubulina como control de carga porque su peso molecular esperado (~35 kDa) coincide con el de GAPDH (~36 kDa). Todos los experimentos con western blot se realizaron con tres réplicas biológicas independientes.

Análisis estadístico

Los datos cuantitativos se presentan como la media ± desviación estándar (DS). Las diferencias entre dos grupos se analizaron con una prueba t de Student no emparejada, mientras que las comparaciones entre varios grupos se evaluaron mediante análisis unidireccional de la varianza (ANOVA) seguido por la prueba post hoc de Tukey. Se consideró estadísticamente significativo un valor p < 0,05.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Resultados

Identificación de componentes bioactivos y objetivos en el DJC

Se identificaron un total de 66 compuestos bioactivos que cumplían los criterios de cribado (OB ≥ 30% y DL ≥ 0,18) de las seis hierbas que componen DJC. Estos incluían 26 compuestos de Pseudostellaria heterophylla, 6 de Paeonia suffruticosa, 8 de Cuscuta chinensis, 6 de Alisma orientale, 10 de Rehmannia glutinosa y 10 de Whitmania pi...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Discusión

La DN sigue siendo una de las principales causas de ERST, caracterizada por una patogénesis compleja y multifactorial que aún no se comprendecompletamente 20,21. Aunque el DJC ha mostrado una prometedora eficacia clínica para mejorar la DN, los mecanismos moleculares subyacentes han permanecido en gran medidaesquivos 22. En este estudio, utilizamos un esquema analítico multiómico que integra farmacología d...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Divulgaciones

Los autores no tienen conflictos de interés que revelar.

Agradecimientos

Este trabajo fue apoyado por los Proyectos Clave de Investigación de las Universidades Provinciales de Anhui (Subvención nº 2024AH050968).

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Materiales

Lista de materiales utilizados en este artículo
NombreEmpresaNúmero de catálogoComentarios
Kit de ensayo de creatinina (CRE)Instituto de Bioingeniería de Nanjing JianchengC011-2-1
ECLBiosharpBL520B
Kit de tinción con eosinaServicebioG1002
Conjugado de IgG-HRP anti-conejo de cabraAbbkineA21020
Kit de tinción con hematoxilinaServicebioG1004
Kit de tinción de Tricromo de MassonServicebioG1006
Kit ELISA de IL-1β de ratónMeiMianMM-0040M1
Kit ELISA de IL-18 de ratónMeiMianMM-0169M1
Anticuerpo anti-ratón de conejo Caspase1AffinityAF5418
Anticuerpo anti-ratón de conejo CCL2Abcamab315478
Anticuerpo anti-ratón de conejo cleaved-Caspase-1AffinityAF4005
Anticuerpo anti-ratón de conejo GAPDHZenbioR380626
Anticuerpo anti-ratón de conejo GSDMD-NAbcamab219800
Anticuerpo anti-ratón de conejo NLRP3Abcamab263899
Anticuerpo anti-ratón de conejo TubulinaAffinityAF7011
Kit de transcripción inversaBiosharpBL696A
Tampon de lisis RIPABeyotime BiotechnologyP0013
Tampon de lisis RIPALeagenePS0013
Reactivo de aislamiento de ARNServicebioG3013-100ML
SYBR Green Master MixServicebioG3326-05
Kit de cuantificación de proteínas urinariasInstituto de Bioingeniería de Nanjing JianchengC035-2-1
nombre del softwareversión
AutoDock Vina1.2.3
Software Cytoscape3.10.0
GraphPad Prism9.0
ImageJjava 1.8.0_345
PyMOL2.5
Software R4.2.0

Referencias

  1. Demir S, Nawroth PP, Herzig S, Ekim Üstünel B. Emerging targets in type 2 diabetes and diabetic complications. Adv Sci (Weinh). 2021;8(18):e2100275.
  2. Zimmet PZ, Magliano DJ, Herman WH, Shaw JE. Diabetes: a 21st century challenge. Lancet Diabetes Endocrinol. 2014;2(1):56-64.
  3. Liu M, et al. Loss of glomerular aldolase B in diabetic nephropathy promotes renal fibrosis via activating Akt/GSK-3β/β-catenin axis. J Adv Res. 2025;76:207-18.
  4. Wang L, et al. Puerarin reduces diabetic nephropathy-induced podocyte pyroptosis by modulating the SIRT1/NLRP3/caspase-1 pathway. Mol Cell Endocrinol. 2025;595:112409.
  5. Wang Y, et al. C-reactive protein promotes diabetic kidney disease via Smad3-mediated NLRP3 inflammasome activation. Mol Ther. 2025;33(1):263-78.
  6. Liu Y, et al. Role of MCP-1 as an inflammatory biomarker in nephropathy. Front Immunol. 2024;14:1303076.
  7. Bai Z, Huang X, Nie S. Kidney function-related protection of polysaccharides from red kidney bean and small black soybean via urine metabolomics in type 2 diabetic rats. Carbohydr Polym. 2025;355:123311.
  8. Xuan C, et al. Isoquercitrin alleviates diabetic nephropathy by inhibiting STAT3 phosphorylation and dimerization. Adv Sci (Weinh). 2025;12(25):e2414587.
  9. Hu Q, et al. Diabetic nephropathy: focusing on pathological signals, clinical treatment, and dietary regulation. Biomed Pharmacother. 2023;159:114252.
  10. Wu YJ, et al. Danzhi Jiangtang Capsule mediates NIT-1 insulinoma cell proliferation and apoptosis by GLP-1/Akt signaling pathway. Evid Based Complement Alternat Med. 2019;2019:5356825.
  11. Sun M, et al. Danzhi Jiangtang Capsule ameliorates kidney injury via inhibition of the JAK-STAT signaling pathway and increased antioxidant capacity in STZ-induced diabetic nephropathy rats. Biosci Trends. 2018;12(6):595-604.
  12. Fang Z, et al. Radix pseudostellariae of Danzhi Jiangtang capsule relieves oxidative stress of vascular endothelium in diabetic macroangiopathy. Saudi Pharm J. 2020;28(6):683-91.
  13. Xie J, et al. Danzhi Jiangtang capsule reduces renal injury in rats with diabetes induced by high fat diet and streptozotocin via downregulating toll-like receptor 4-nuclear factor-κB pathway and apoptosis. J Tradit Chin Med. 2023;43(2):312-21.
  14. Fang Z, et al. The effects of Danzhi Jiangtang capsule on clinical indices and vascular endothelial function in patients with impaired glucose tolerance of Qi-Yin deficiency type. Ann Med. 2023;55(2):2291185.
  15. Li X, et al. Network pharmacology prediction and molecular docking-based strategy to explore the potential mechanism of Huanglian Jiedu Decoction against sepsis. Comput Biol Med. 2022;144:105389.
  16. Zhao L, et al. Network pharmacology, a promising approach to reveal the pharmacology mechanism of Chinese medicine formula. J Ethnopharmacol. 2023;309:116306.
  17. Li X, et al. Network pharmacology approaches for research of traditional Chinese medicines. Chin J Nat Med. 2023;21(5):323-32.
  18. Zhao N, et al. Integrated chemical composition, transcriptomics, and network pharmacology to reveal the mechanism of Jia-Wei-Si-Miao-Yong-An Decoction in ACS model rats. Phytomedicine. 2025;145:157027.
  19. Wu J, et al. Use of molecular dynamics simulations to study how plant biomolecules help improve environmental health. Sci Total Environ. 2023;869:161871.
  20. Abhirami BL, Krishna AA, Kumaran A, Chiu CH. Targeting NF-κB in diabetic nephropathy: exploring the therapeutic potential of phytoconstituents. Arch Pharm Res. 2025;48(7-8):577-637.
  21. Joumaa JP, et al. Mechanisms, biomarkers, and treatment approaches for diabetic kidney disease: current insights and future perspectives. J Clin Med. 2025;14(3):727.
  22. Shi H, et al. In vivo and in vitro studies of Danzhi Jiangtang capsules against diabetic cardiomyopathy via TLR4/MyD88/NF-κB signaling pathway. Saudi Pharm J. 2021;29(12):1432-40.
  23. Deng Y, et al. Mechanism exploration of Wenshen Jianpi Decoction on renoprotection in diabetic nephropathy via transcriptomics and metabolomics. Phytomedicine. 2025;139:156446.
  24. Li J, et al. Mechanistic investigation of astragalus root in the management of T2DM-NAFLD comorbidity: an integrated network pharmacology, molecular docking, molecular dynamics simulation, and in vitro study. Pharmaceuticals (Basel). 2026;19(2):289.
  25. Li X, et al. Integrating network pharmacology, bioinformatics, and experimental validation to unveil the molecular targets and mechanisms of galangin for treating hepatocellular carcinoma. BMC Complement Med Ther. 2024;24(1):208.
  26. Zhao L, et al. Inflammation in diabetes complications: molecular mechanisms and therapeutic interventions. MedComm (2020). 2024;5(4):e516.
  27. Shen J, et al. Different types of cell death in diabetic endothelial dysfunction. Biomed Pharmacother. 2023;168:115802.
  28. Li J, et al. Investigating the effects and potential mechanisms of astragalus root against diabetic nephropathy based on bioinformatics analysis and in vitro validation. Int J Mol Sci. 2026;27(10):4641.
  29. Tang L, et al. ATP6AP1 drives pyroptosis-mediated immune evasion in hepatocellular carcinoma: a machine learning-guided therapeutic target. Discov Oncol. 2025;16(1):616.
  30. Wu Y, Ma Y. CCL2-CCR2 signaling axis in obesity and metabolic diseases. J Cell Physiol. 2024;239:e31192.
  31. Song Z, et al. The novel potential therapeutic target PSMP/MSMP promotes acute kidney injury via CCR2. Mol Ther. 2024;32(7):2248-63.
  32. Yang Y, et al. CCL2-CCR2 axis in cardiovascular disease: research advances and challenges. Sci Bull (Beijing). 2025;70(6):820-4.
  33. Pozzi S, Satchi-Fainaro R. The role of CCL2/CCR2 axis in cancer and inflammation: the next frontier in nanomedicine. Adv Drug Deliv Rev. 2024;209:115318.
  34. Torices S, et al. Targeting the CCL2/CCR2 axis in HIV-1 infection and ischemic stroke. Stroke. 2026;57(2):538-48.
  35. Scurt FG, et al. Monocyte chemoattractant protein-1 predicts the development of diabetic nephropathy. Diabetes Metab Res Rev. 2022;38(2):e3497.
  36. Xu J, et al. (5R)-5-hydroxytriptolide ameliorates diabetic kidney damage by inhibiting macrophage infiltration and its cross-talk with renal resident cells. Int Immunopharmacol. 2024;126:111253.
  37. Wang X, et al. Discovery of the pharmacodynamic material basis of Danggui Buxue Decoction in the treatment of diabetic kidney disease based on lipidomics regulation. Phytomedicine. 2025;141:156643.
  38. Fu J, Wu H. Structural mechanisms of NLRP3 inflammasome assembly and activation. Annu Rev Immunol. 2023;41:301-16.
  39. Makoni NJ, Nichols MR. The intricate biophysical puzzle of caspase-1 activation. Arch Biochem Biophys. 2021;699:108753.
  40. Shi Y, et al. Inhibition of caspase-1 suppresses GSDMD-mediated peritoneal mesothelial cell pyroptosis and inflammation in peritoneal fibrosis. Small. 2025;21:e2409362.
  41. Broz P. Pyroptosis: molecular mechanisms and roles in disease. Cell Res. 2025;35(5):334-44.
  42. Zhang G, et al. Emodin influences pyroptosis-related caspase 1-GSDMD axis alleviated cerebral ischemia-reperfusion injury in rats. Sci Rep. 2025;15(1):19397.
  43. Ouyang PW, et al. Procyanidin B2 attenuates microvascular dysfunction in diabetic retinopathy via inhibition of caspase-1/GSDMD-mediated pyroptosis. J Ethnopharmacol. 2025;344:119528.
  44. Chen J, et al. Chlorogenic acid attenuates deoxynivalenol-induced apoptosis and pyroptosis in human keratinocytes via activating Nrf2/HO-1 and inhibiting NLRP3/GSDMD pathway. Food Chem Toxicol. 2024;186:113578.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Reimpresiones y permisos

Solicitar permiso para reutilizar el texto o las figuras de este artículo de JoVE

Solicitar permiso

Etiquetas

Biolog aN mero 233N mero 233Valor vac oN meroPiroptosiseje CCL2 CCR2

Artículos relacionados