Este estudio identificó los objetivos y vías principales de la shikonina frente al RCC mediante análisis multimétodo y validación in vitro , proporcionando un marco para estudios mecanicistas posteriores.
Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.
Artículo de investigación
Este estudio identificó los objetivos y vías principales de la shikonina frente al RCC mediante análisis multimétodo y validación in vitro , proporcionando un marco para estudios mecanicistas posteriores.
El carcinoma de células renales (CCR) es uno de los tumores más comunes en el sistema urinario y presenta la tasa de mortalidad más alta. Investigaciones previas han demostrado que la shikonina puede tratar el carcinoma de células renales, pero el mecanismo sigue sin estar claro. Por ello, nuestro estudio tuvo como objetivo dilucidar el mecanismo de la shikonina en el tratamiento del carcinoma de células renales mediante farmacología en red, acoplamiento molecular y ensayos funcionales in vitro, incluyendo proliferación, migración celular y apoptosis, con validación por western blot (WB). Los objetivos de Shikonin fueron evaluados usando PharmMapper, SwissTargetPrediction y otras bases de datos, e identificaron objetivos relacionados con RCC a partir de Online Mendelian Inheritance in Man (OMIM), GeneCards y otras bases de datos; Los posibles objetivos terapéuticos se obtuvieron mediante análisis de intersección. Se construyó una red de interacción proteína-proteína (IBP), y se utilizó Cytoscape para seleccionar objetivos centrales, mientras que se aplicó acoplamiento molecular para analizar la afinidad de unión entre shikonina y objetivos clave. Se recogieron un total de 374 objetivos shikonin y 1.087 objetivos relacionados con RCC, e identificados 98 genes de objetivos superpuestos. Se identificaron seis objetivos principales (SRC, PIK3CA, PIK3CB, PIK3CD, PTPN11 y PIK3R1). Los análisis de Gene Ontology (GO) y la Kyoto Encyclopedia of Genes and Genomes (KEGG) mostraron que la shikonina ejercía efectos anti-RCC principalmente regulando la actividad de la proteína quinasa, las vías de señalización HIF-1 e IL-17. El acoplamiento molecular confirmó que la shikonin tenía una fuerte afinidad de unión con estos objetivos centrales. Estudios in vitro utilizando células Caki-1 y 786-O RCC humanas demostraron que la shikonina inhibía significativamente la proliferación y migración celular de manera dependiente de la dosis, promovía la apoptosis celular y aumentaba las actividades de la caspasa-3 y caspasa-8. Los experimentos con Western Blot verificaron además que la shikonina modulaba la expresión de proteínas objetivo centrales y suprimía la vía de señalización del HIF-1. Este estudio esclarece sistemáticamente el mecanismo farmacológico de la shikonina frente al carcinoma de células renales, proporcionando una base teórica para el desarrollo y aplicación de la shikonina como un novedoso agente anti-RCC.
El carcinoma de células renales (CCR) es el tumor maligno más común del sistema urinario, representando aproximadamente el 90% de todos los tumores malignos renales y entre el 2% y el 3% de los tumores malignos adultos en todo el mundo. Según los datos de GLOBOCAN 2022, hubo alrededor de 434.800 nuevos casos y 155.953 muertes por carcinoma de células renales a nivel mundial en 2022, con la incidencia y mortalidad de CCR mostrando una tendencia continua al alza. La Sociedad Americana del Cáncer estimó 80.980 nuevos casos y 14.510 muertes por carcinoma de células renales solo en Estados Unidos en 2025. El carcinoma de células renales tiene la tasa de mortalidad más alta entre los tumores malignos del sistema urinario, y los pacientes con CCR metastásico o resistente a medicamentos aún presentan un pronóstico deficiente. Con la aplicación generalizada de terapias dirigidas e inmunoterapia, se han logrado avances notables en el tratamiento clínico de los CCR. El tratamiento estándar de primera línea para el carcinoma de células renales avanzadas o metastásicas adopta principalmente regímenes combinados de inhibidores de puntos de control inmunitarios, o regímenes que combinan inhibidores de puntos de control inmunitarios con inhibidores antiangiogénicos de tirosina quinasa. A pesar del avance continuo de los enfoques terapéuticos, un gran número de pacientes siguen experimentando progresión de la enfermedad, resistencia a los fármacos o intolerancia al tratamiento. Por lo tanto, el desarrollo de nuevos fármacos anti-RCC con mecanismos claros, seguridad y eficacia sigue siendo una necesidad clínicaurgente 1,2,3.
La shikonina es el principal componente bioactivo extraído de Radix Arnebiae, y su derivado acetilshikonina ha mostrado efectos farmacológicos anti-RCC prominentes. La evidencia existente ha demostrado que la shikonin ejerce actividad anti-RCC mediante mecanismos reguladores multiobjetivo y multivía. Mecanísticamente, la shikonin puede aumentar la expresión del gen supresor tumoral TEK e inhibir la fosforilación de la cascada de señalización AKT/mTOR, suprimiendo así la proliferación, migración e invasión de las célulasRCC 4; Además, la shikonina induce la acumulación de especies reactivas intracelulares de oxígeno (ROS) para desencadenar disfunción mitocondrial, iniciando además múltiples patrones programados de muerte celular, incluyendo apoptosis, necroptosis y autofagia en célulasRCC 5. También modula la expresión de microARNs como miR-15b y miR-99b y regula genes objetivo asociados a la apoptosis, incluidos FOXO1 y PDCD4, a través de la vía MAPK/ERK, mostrando estos efectos reguladores una especificidad evidentede línea celular 6. Cabe destacar que la shikonina mantiene una potente actividad antitumoral contra las líneas celulares RCC resistentes al sunitinib, provocando efectos terapéuticos activando complejos necrosomas, inhibiendo la vía AKT/mTOR e induciendo la parada del ciclo celularG2/M 7. Aunque los efectos anti-RCC de la shikonina han sido parcialmente validados por estudios experimentales existentes, los objetivos terapéuticos principales, las redes clave de señalización y los mecanismos regulatorios moleculares subyacentes de la shikonina frente al RCC siguen siendo inciertos; Además, aún faltan predicciones sistemáticas, verificación molecular y confirmación experimental de sus objetivos centrales, lo que supone una importante laguna en la investigación actual.
La farmacología de redes y el acoplamiento molecular sirven como enfoques técnicos complementarios en la investigación moderna de fármacos naturales y la exploración de mecanismos farmacológicos. Desde una perspectiva sistemática, la farmacología de redes puede decodificar sistemáticamente las características holísticas de interacción multiobjetivo y multivía entre compuestos bioactivos y dianas relacionadas con enfermedades. En cambio, el acoplamiento molecular permite la verificación a nivel molecular de la afinidad de unión y el patrón estable de interacción entre compuestos de moléculas pequeñas y proteínas objetivo centrales. La combinación de estas dos metodologías construye un ciclo cerrado sistemático de investigación de predicción holística de objetivos seguida de verificación molecular. Combinar la validación experimental con farmacología de redes y acoplamiento molecular es un enfoque habitual para la investigación de fármacos naturales, que facilita la clarificación de la patogénesis de enfermedades y la elucidación de mecanismos farmacológicos de los compuestos, y proporciona un marco teórico para la investigación básica y la aplicación traslacional defármacos 8,9.
En este estudio, se aplicó la farmacología en redes para predecir los objetivos candidatos de shikonin en el tratamiento del carcinoma de células renales. Se utilizó el acoplamiento molecular para verificar teóricamente posibles objetivos, y los objetivos clave de acción se determinaron finalmente mediante experimentos in vitro y se confirmaron posteriormente con experimentos Western Blot (WB). Todo el proceso de este estudio se muestra en la Figura 1.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Todas las líneas celulares humanas utilizadas en este estudio se compraron en bancos celulares comerciales autenticados, y no se recogieron tejidos humanos frescos ni muestras de pacientes. Por lo tanto, no se requirió aprobación ética para este estudio in vitro basado en células.
Obtención y predicción de objetivos shikonin
La palabra clave "shikonin" fue buscada en la base de datos de PubChem. Se descargó la estructura SDF de shikonin y se obtuvo su notación simplificada de sistema de entrada molecular de entrada en línea (SMILES). Según los requisitos de las respectivas bases de datos de objetivos, los posibles objetivos shikonin fueron predichos y recogidos de las bases de datos PharmMapper, SwissTargetPrediction, HERB y SEA Search Server el 3 de marzode 2026 los 10, 11 y 12.
Obtención de objetivos de carcinoma de células renales
Utilizando carcinoma de células renales como palabra clave, se recuperaron objetivos de enfermedades derivadas del ser humano de la Base de Datos de Objetivos Terapéuticos (TTD), OMIM y GeneCards, con especies limitadas a Homo sapiens y Relevance Score > 50. Inicialmente se obtuvieron un total de 1148 objetivos y, tras resumir y deduplicar, finalmente se adquirieron 1087 objetivos únicos relacionados con carcinomas de célulasrenales; 13,14,15.
Identificación de objetivos de intersección de shikonin para el tratamiento del carcinoma de células renales
Los objetivos génicos predichos de shikonina y carcinoma de células renales se introdujeron en Venny 2.1, una herramienta de análisis en línea. Los objetivos superpuestos se identificaron mediante análisis de intersección y se visualizaron en un diagrama de Venn.
Establecimiento de la red componente-objetivo-enfermedad
Utilizando shikonin como punto de partida de la investigación central, integramos la información de asociación fisiológica entre estos objetivos centrales y el RCC, y construimos una red de interacción molecular del sistema ternario "componente-objetivo-enfermedad" utilizando el software de visualización Cytoscape.
Construcción de la red de interacción proteica y adquisición de objetivos centrales de shikonin en el tratamiento del carcinoma de células renales
La base de datos de interacciones proteicas STRING es la herramienta principal para construir redes de interacción proteína-proteína (PPI), lo que permite la minería y visualización de la relación de interacción entre proteínas. En este estudio, los objetivos superpuestos entre shikonina y carcinoma de células renales se enviaron a la base de datos STRING, asignando la especie a Homo sapiens para su posterior recuperación. Haz clic en el botón Continuar para un análisis posterior. En el módulo de Configuración al final de la página de resultados del análisis, la puntuación mínima requerida de interacción se estableció en un nivel de confianza alto de 0,900. Al mismo tiempo, proteínas no relacionadas y nodos desconectados en la red se ocultaban para obtener el mapeo mutuo optimizado de la red PPI. Los datos se almacenaban en formato TSV e importaban al software Cytoscape. Los parámetros correspondientes se ajustaron para que el tamaño del nodo y el tono de color reflejaran los valores correspondientes, y el grosor del borde reflejara la puntuación de tasa de enlace. El mapa de redes PPI seestableció el 16,17.
Basándose en la red PPI mencionada, los objetivos centrales se evaluaron con precisión. El complemento de cytohubba se abrió en el módulo Apps de Cytoscape, y se pulsó el botón Calcular para iniciar el programa de cálculo. El algoritmo MCC se seleccionaba de los 6 nodos principales ordenados por opción, y se hacía clic en el botón Enviar para completar el cálculo. Los seis principales objetivos principales fueron seleccionados para su embellecimiento y descarga de datos.
Análisis de enriquecimiento GO y análisis de la vía KEGG de shikonin en el tratamiento del carcinoma de células renales
La base de datos Metascape se utilizó para el análisis de enriquecimiento GO. En este estudio, las intersecciones dirigidas a shikonina con carcinoma de células renales se importaron a la base de datos. Primero, la especie seleccionada fue Homo sapiens (humano), y después se seleccionó el modo de Análisis Personalizado. Se realizó un Análisis de Enriquecimiento para las tres dimensiones del enriquecimiento funcional de GO: funciones moleculares, componentes celulares y procesos biológicos. El corte del valor p se estableció en 0,01, y se pulsó el botón de análisis de enriquecimiento para realizar análisis utilizando la plataforma de microcrédito y así construir una visualización de análisis de enriquecimiento GO de shikonina en el tratamiento del carcinoma de célulasrenales 18,19.
La base de datos KOBAS 3.0 se empleó para realizar análisis de enriquecimiento de vías de señalización KEGG sobre los objetivos superpuestos entre shikonina y carcinoma de células renales, y esta base de datos puede realizar análisis estadísticos de anotación y enriquecimiento de vías de genes. Los objetivos de intersección filtrados se importaron a la base de datos KOBAS 3.0; la fuente de la especie seleccionada fue H. sapiens (humana), el tipo de cribado se limitó a la vía de señalización KEGG y el umbral de valor p para el análisis de enriquecimiento se estableció en <0,01. Tras el análisis, se obtuvieron los resultados del enriquecimiento de la vía KEGG. Según los resultados del análisis de enriquecimiento, se utilizó el valor p como base para la clasificación, y se filtraron las 10 principales rutas de señal KEGG. El procesamiento de visualización se completó con la ayuda de una plataforma de microseñalización y, finalmente, se dibujó el diagrama de burbujas de Sankey de enriquecimiento KEGG, que salvó20,21.
Verificación de acoplamiento molecular
La estructura tridimensional (3D) de shikonin fue recuperada de la base de datos PubChem, y se aplicó el software Open Babel para transformar la estructura 3D en formato PDB estándar. Las estructuras proteicas tridimensionales de los objetivos centrales identificadas mediante análisis de farmacología en redes se descargaron en formato PDB desde la base de datos de proteínas RCSB y la base de datos AlphaFold. Las estructuras cristalinas de las proteínas objetivo incluían PIK3CA (ID PDB: 9B4T), PIK3CD (ID PDB: 8BCY), PIK3R1 (ID PDB: 7CIO), PTPN11 (ID PDB: 9R16), SRC (ID PDB: 9NS1), PIK3CB (estructura predicha por AlphaFold, AF-Q8BTI9-F1-model_v6). Se eliminaron moléculas de agua y heteroátomos, se añadieron hidrógenos polares y se asignaron cargas de Gasteiger usando AutoDock Tools. El software AutoDock Tools se utilizó para seleccionar la caja de acoplamiento de un tamaño adecuado para cubrir toda la proteína objetivo para el acoplamiento molecular. Finalmente, se obtuvo la visualización de pares objetivo-componente activo con energía de enlace óptima. El software PyMol se utilizó para analizar los sitios de unión, el tipo y la distancia de interacción de unión, y para generar una imagen de visualización conformacionaltridimensional 22,23.
Prueba de citotoxicidad
Las células Caki-1 fueron inoculadas en placas de cultivo de 96 pozos a una densidad de 5.000 células por pozo y tratadas con shikonina en concentraciones de 12,5, 25, 50 y 100 μmol/L durante 12 h y 24 h, respectivamente. Para las células 786-O, solo se realizó un tratamiento de 24 horas con el mismo gradiente de concentración. El efecto citotóxico de la shikonina en ambas líneas celulares se evaluó mediante el ensayo MTT. Todos los experimentos se realizaron en triplicados biológicos con tres réplicas técnicas para cada condición. Los resultados se expresan como valores IC50 . Aunque la tendencia inhibitoria general fue consistente entre las dos líneas celulares, la shikonina mostró una citotoxicidad más fuerte hacia las células Caki-1. Por ello, se seleccionaron células Caki-1 para experimentos funcionales posteriores.
Efecto de la shikonina en la migración de las células Caki-1 determinado por ensayo de rasguño
Las células Caki-1 y las células 786-O en fase logarítmica se sembraron en placas de 6 pozos. Se crearon líneas de rayado paralelas en el fondo de cada pozo utilizando una punta de pipeta estéril de 200 μL. Tras la inserción nocturna, se utilizó PBS para lavar las células cultivadas. Las células fueron tratadas con diferentes concentraciones de shikonin (12,5, 25, 50 y 100 μmol/L) durante 12 horas. Tras 12 horas, se observó el cambio en la zona del arañazo en el mismo lugar bajo un microscopio.
La fórmula para calcular el efecto de la shikonina sobre la actividad de crecimiento de las células Caki-1 fue la siguiente: movilidad = [(0 h área de rasguño − 12 h de área de rasguño)/0 h de área de rasguño] × 100%.
Determinación de las actividades de Caspase-3 y Caspase-8
Se extrajeron células Caki-1 en la fase de crecimiento logarítmico y la concentración celular se ajustó a 5 × 106 células/mL, seguida de incubación durante 12 horas. Después de que las células Caki-1 fueran tratadas con diferentes concentraciones de shikonin (12,5, 25, 50 y 100 μmol/L) e incubadas durante 24 horas, se realizó la detección celular según lo descrito en el kit de prueba de caspasa.
Efectos de la shikonina en la tasa de apoptosis de las células Caki-1
Las células Caki-1 de crecimiento logarítmico se sembraron en placas de cultivo de 6 pozos. Las células fueron tratadas con shikonin en concentraciones de 12,5, 25, 50 y 100 μmol/L durante 24 horas en ausencia de un grupo control. Las células se resuspendían suavemente en PBS, se recogían y se contaban. Un total de 1 × 10 celdasresuspendidas de 5 se centrifugaron a 300 × g durante 5 minutos. El sobrenadante fue descartado y el pellet celular fue suspendido suavemente en 195 μL de buffer de unión Annexin V-FITC. Después, se añadieron 5 μL de Annexin V-FITC, seguidos de 10 μL de solución de tinción con yoduro de propidio, ambos con mezcla suave. Las células se incubaron a temperatura ambiente (20–25 °C) en la oscuridad durante 15 minutos antes del análisis.
Análisis de vías de señalización celular
Las células Caki-1 fueron tratadas con shikonina de 12,5, 25, 50 y 100 μmol/L. Tras 24 horas, las células se recolectaron en PBS frío, se lisaron con un tampón de lisis celular que contenía inhibidor de proteasas, y se midió la concentración de proteínas. La proteína se aisló en un gel de dodecilo sulfato de sodio (SDS)-poliacrilamida al 10%. Tras la transferencia a las membranas PVDF, las membranas se bloquearon con un 5% de BSA durante 3 horas, para luego incubarse durante la noche a 4 °C con un anticuerpo primario diferente. Posteriormente, las membranas se incubaron con el anticuerpo secundario a una dilución de 1:3000. Las bandas proteicas se detectaron con el sistema de detección ECL y se analizaron cuantitativamente usando el software ImageJ.
Análisis estadístico
Los resultados experimentales se presentaron como la media ± desviación estándar (x ± s, n = 3). Antes del análisis estadístico paramétrico, la normalidad se verificaba mediante la prueba de Shapiro-Wilk, y la homogeneidad de la varianza se evaluaba mediante la prueba de Levene. El análisis unidireccional de varianza (ANOVA) combinado con la prueba post hoc de Tukey se realizó utilizando el software SPSS. Los gráficos estadísticos se construyeron con el software GraphPad Prism. Se utilizó el test t de muestras independientes para comparaciones por pares entre grupos, y p < 0,05 indicaron diferencias estadísticamente significativas.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Obtención y predicción de objetivos shikonin
Utilizando las cuatro bases de datos mencionadas, se predijeron posibles objetivos de shikonin y, tras la integración y resumen, se identificaron 426 objetivos. Los objetivos resumidos fueron deduplicados, resultando en 374 objetivos, como se muestra en la Figura 2A.
Obtención de objetivos de carcinoma de células renales
Se obtuvieron un total de 1.147 dianas tras resumir los dato...
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
PIK3CA es formalmente conocido como isoforma alfa de la subunidad catalítica fosfatidilinositol 4,5-bisfosfato 3-quinasa. PIK3CA, un componente central de la vía PI3K/AKT/mTOR, desempeña un papel esencial en la ocurrencia, desarrollo y tratamiento del carcinoma de células renales (CCR). Los estudios han demostrado que PIK3CA es un gen mutante de alta frecuencia de este subtipo (6/57, 11%), y su mutación está directamente relacionada con la activación anormal de la vía PI3K/AKT. Además, e...
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Los autores no tienen nada que revelar.
Esta investigación fue financiada por la Comisión Provincial de Salud de Ciencia y Tecnología de Guizhou (gzwkj2024-516); Programa Nacional y Provincial de Formación de Talento en Innovación en Ciencia y Tecnología de la Universidad de Medicina Tradicional China de Guizhou, Universidad de Medicina Tradicional China de Guizhou TD Hopes [2023] 005; Fundación Provincial de Ciencias Naturales de Guizhou [números de subvención: ZK [2024] 404]; Complejo proteína-polisacárido de Chuanxiong basado en las características de la leche de Pickering de larga circulación para promover el tratamiento de la cefalea con Chuanxiong (82360779).
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
| Nombre | Empresa | Número de catálogo | Comentarios |
|---|---|---|---|
| 786-O | American Type Culture Collection (ATCC) | RRID: CVCL_1051 (ATCC CRL-1932) | Línea celular de carcinoma de células claras de riñón humano |
| AlphaFold database | European Molecular Biology Laboratory (EMBL) - EBI | AlphaFold Protein Structure Database | Base de datos de predicción de estructura de proteínas (AlphaFold Protein Structure Database) |
| AutoDock Tools software | Scripps Research Institute | 1.5.7 | Software de acoplamiento molecular para la predicción de unión ligando-proteína |
| Caki-1 | American Type Culture Collection (ATCC) | RRID: CVCL_0234 (ATCC HTB-46) | Línea celular de carcinoma de células claras de riñón humano |
| Caki-1 cells | Mudanjiang Normal University | HTB-46 (RRID: CVCL_0234) | Línea celular de carcinoma de células claras de riñón humano |
| Caspase 3 and caspase 8 detection kits | Credit Suisse Biotechnology Co Ltd (QUANZHOU, China) | Caspase-3 Activity Assay Kit, Cat. No. RX302848M, Caspase-8 Activity Assay Kit, Cat. No. RX302849M | Usado para detectar la actividad de caspasa para evaluar la apoptosis celular |
| Cytoscape software | Cytoscape Consortium | 3.9.1 | Usado para la construcción y visualización de redes biológicas |
| DMEM medium | Hyclone | SH30022.01 | Medio de cultivo celular para cultivo de células Caki-1 y 786-O |
| Fetal bovine serum | Gbico | 10099-141 | Suplemento de cultivo celular para el crecimiento de células Caki-1 y 786-O |
| GeneCards | Weizmann Institute of Science | https://www.genecards.org/ | Base de datos completa de genes humanos para la anotación de genes objetivo |
| GraphPad Prism | GraphPad, San Diego, CA, USA | versión 8.3.0 | Para la construcción de gráficos estadísticos |
| HERB database | Chinese Academy of Sciences | http://herb.ac.cn | Base de datos de componente-objetivo de la medicina tradicional china |
| ImageJ software | National Institutes of Health (NIH) | Fiji | Software de análisis de imágenes para la morfología celular y cuantificación de bandas de Western blot |
| inverted microscope | Olympus, IX73, Japan | 100× magnification. | Usado para observar cambios en la morfología celular después del tratamiento con shikonin |
| KOBAS 3.0 database | Peking University | http://bioinfo.org/kobas/ | Herramienta de análisis de enriquecimiento de ontología genética y vía |
| Metascape database | Memorial Sloan Kettering Cancer Center | https://metascape.org/gp/index.html) | Herramienta de análisis de enriquecimiento de función génica y análisis de red |
| Microcredit platform | National Center for Bioinformation (China) | http://www.bioinformatics.com.cn/ | Plataforma de análisis bioinformático en línea para el procesamiento de datos |
| MTT assay kit | Solarbio Science & Technology Co., Ltd. (Beijing, China) | Cat. No. M8180 | Usado para detectar la viabilidad celular (ensayo de antiproliferación) |
| OMIM | Johns Hopkins University School of Medicine | https://www.omim.org/ | Herencia Mendeliana en línea en el hombre (base de datos de enfermedades genéticas humanas) |
| PharmMapper database | East China University of Science and Technology | https://www.lilab-ecust.cn/pharmmapper/ | Base de datos de predicción de objetivo de fármaco de molécula pequeña |
| PIK3CA, PIK3CB, PIK3CD, y PTPN11 | Santa Cruz Biotechnology, Inc. (Dallas, TX, USA) | Santa Cruz Biotechnology, Inc. (Dallas, TX, USA) | Anticuerpos primarios para el análisis de Western blot de proteínas objetivo |
| PyMol software | Schrödinger, Inc. | 2.2.0 | Software de visualización molecular para el análisis de estructura de proteínas |
| RCSB protein database | RCSB Protein Data Bank (Rutgers University) | https://www.rcsb.org/ | Base de datos de estructura de proteínas (PDB) para modelado molecular |
| SEA Search Server database | University of California, San Francisco | https://sea.bkslab.org | Enfoque de aproximación de similitud para la predicción de objetivos |
| Shikonin (pureza 98% | organismos de hoja originarios de China | Y0001439 | Compuesto de molécula pequeña utilizado para el tratamiento del carcinoma de células renales (CCR) en este estudio |
| SPSS | IBM, Armonk, NY, USA | versión 20.0 | Para análisis estadístico |
| STRING | European Molecular Biology Laboratory (EMBL) | https://stringdb.org/ | Base de datos de red de interacción proteína-proteína |
| SwissTargetPrediction database | Swiss Institute of Bioinformatics | https://www.swisstargetprediction.ch/ | Herramienta de predicción de objetivo de molécula pequeña para el descubrimiento de fármacos |
| Therapeutic Target Database | Shanghai Institute of Materia Medica | https://ttd.idrbrab.cn | Base de datos de objetivos terapéuticos y medicamentos |
| Venny 2.1 | Spanish National Center for Biotechnology (CNB-CSIC) | https://bioinfogp.cnb.csic.es/tools/venny/index.html) | Herramienta de diagrama de Venn para el análisis de intersección de datos |