Article de méthode

L’efficacité et les mécanismes de voie sous-jacents du traitement ShiDuGao pour l’eczéma anus, basés sur des ensembles de données GEO et une pharmacologie en réseau

1.7K vues

⸱

DOI :

10.3791/66453

⸱

12 janvier 2024

 ,  ,  ,  , 
1Department of General Surgery, Tianjin Medical University General Hospital, 2Tianjin General Surgery Institute, 3Department of General Surgery, Zibo Municipal Hospital

* These authors contributed equally

Dans cet article

Résumé

Cet effort de recherche visait à élucider le mécanisme d’administration de médicaments topiques en utilisant une intégration synergique de la pharmacologie en réseau et des ensembles de données d’expression génique omnibus (GEO). Cet article a évalué la faisabilité, la cible et le mécanisme de ShiDuGao (SDG) dans le traitement de l’eczéma anus.

Résumé

L’eczéma anus est une maladie inflammatoire chronique et récurrente de la peau qui affecte la zone autour de l’anus. Bien que les lésions se produisent principalement dans la peau anale et périanale, elles peuvent également s’étendre au périnée ou aux organes génitaux. ShiDuGao (SDG) possède des propriétés réparatrices significatives contre le prurit anal, le contrôle de l’exsudation, la réduction de l’humidité et la réparation de la peau. Cependant, les cibles génétiques et les mécanismes pharmacologiques des ODD sur l’eczéma anal n’ont pas encore été élucidés et discutés de manière exhaustive. Par conséquent, cette étude a utilisé une approche pharmacologique en réseau et a utilisé des ensembles de données d’expression génique omnibus (GEO) pour étudier les cibles géniques. De plus, un réseau d’interaction protéine-protéine (IPP) a été établi, ce qui a permis d’identifier 149 cibles, dont 59 étaient considérées comme des gènes pivots, au sein du réseau d’interaction « médicament-cible-maladie ».

La fonction génétique du SDG dans le traitement de l’eczéma périanal a été évaluée à l’aide de l’Encyclopédie des gènes et des génomes de Kyoto (KEGG) et de l’analyse de l’ontologie génétique (GO). Par la suite, la fonction anti-eczéma périanale et la voie potentielle du SDG, telles qu’identifiées dans l’analyse pharmacologique du réseau, ont été validées à l’aide de la méthodologie d’amarrage moléculaire. Les processus biologiques associés aux gènes et protéines ciblés par les ODD dans le traitement de l’eczéma anus englobent principalement les réponses médiées par les cytokines, les réponses inflammatoires et les réponses au lipopolysaccharide, entre autres. Les résultats des analyses d’enrichissement des voies et d’annotation fonctionnelle suggèrent que les ODD jouent un rôle crucial dans la prévention et la gestion de l’eczéma anal en régulant les voies d’infection par la shigellose et le virus de l’herpès simplex 1. La pharmacologie en réseau et l’analyse de la base de données GEO confirment la nature multicible des ODD dans le traitement de l’eczéma anal, en particulier en modulant le TNF, MAPK14 et CASP3, qui sont des cibles centrales cruciales dans les voies de signalisation TNF et MAPK. Ces résultats fournissent une orientation claire pour une enquête plus approfondie sur le mécanisme thérapeutique de SDG pour l’eczéma anal tout en soulignant son potentiel en tant qu’approche thérapeutique efficace pour cette maladie débilitante.

Introduction

L’eczéma anal est une affection cutanée allergique qui affecte la région périanale et la muqueuse, présentant diverses manifestations cliniques1. Les symptômes caractéristiques comprennent un érythème anal, des papules, des cloques, de l’érosion, des exsudats et des croûtes. Ces symptômes surviennent principalement en raison du grattage, de l’épaississement et de la rugosité de la zone touchée2.

L’eczéma anal, caractérisé par une durée prolongée de la maladie, des crises récurrentes et un traitement difficile, peut avoir des effets néfastes sur la santé physique et mentale des patients3. La pathogenèse de l’eczéma anal n’est pas encore claire, et la médecine moderne suggère qu’elle pourrait être liée à des lésions anales locales, à l’alimentation, à l’environnement, à la génétique et à d’autres facteurs4. En plus d’éviter le contact avec les irritants et les allergènes potentiels, le traitement de l’eczéma anal se concentre principalement sur des méthodes telles que l’inhibition de l’inflammation, l’anti-allergie et le soulagement des démangeaisons5.

Le SDG a été largement utilisé pour le traitement de l’eczéma anal et d’autres affections anales. Le SDG régule l’exsudation de la peau anale, réduit l’humidité, répare la peau anale et traite efficacement le prurit 6,7,8. De plus, l’ODD a le potentiel de réguler le microbiote périanus, améliorant ainsi l’eczéma anus 9,10.

La pharmacologie en réseau, une approche bioinformatique de pointe novatrice et interdisciplinaire dans le domaine de l’intelligence artificielle et des mégadonnées, offre une exploration approfondie de la médecine traditionnelle chinoise. Cette discipline met l’accent sur l’exposé systémique des règles de corrélation moléculaire entre médicaments et maladies dans une perspective de réseau écologique. Il a été largement adopté pour divers aspects, notamment l’identification des ingrédients actifs clés dans les extraits de plantes, le déchiffrage de leurs mécanismes d’action globaux, la formulation de combinaisons de médicaments et l’étude de la compatibilité des ordonnances. Les prescriptions chinoises traditionnelles présentent les attributs de multi-composants et multi-cibles, ce qui signifie leur adaptabilité substantielle au domaine de la pharmacologie en réseau. Poussées par cette méthodologie, de nouvelles perspectives ont émergé dans l’examen des systèmes complexes de médecine traditionnelle chinoise, fournissant un support technique solide pour la rationalisation des applications cliniques et l’innovation pharmaceutique 11,12,13,14.

Cette étude vise à explorer le mécanisme d’efficacité des ODD dans le traitement de l’eczéma anal. Cet effort d’investigation visait à élucider le mécanisme d’administration de médicaments topiques en utilisant une intégration synergique de la pharmacologie en réseau et des ensembles de données GEO. Les résultats fournissent des informations précieuses sur l’efficacité et les mécanismes sous-jacents du SDG dans la prise en charge de l’eczéma anus, indiquant son potentiel en tant qu’approche thérapeutique efficace pour cette maladie. Le diagramme détaillé du flux de travail de l’étude est présenté à la figure 1.

Protocole

Cette étude ne fait pas référence à l’approbation éthique et au consentement à participer. Les données utilisées dans cette étude ont été obtenues à partir de bases de données génétiques.

1. Prédiction des cibles de la maladie

  1. Accédez à la base de données GeneCards (https://www.genecards.org) et à la base de données en ligne sur l’hérédité mendélienne chez l’homme (OMIM, https://www.omim.org), en utilisant « eczéma anus » comme terme de recherche pour les cibles de la maladie.
  2. Téléchargez les feuilles de calcul des cibles de la maladie. Supprimez les cibles répétées pour obtenir les cibles de l’eczéma anus.

2. Sélection des composants actifs

  1. Recherchez le mot-clé « indigo naturalis, cyprès doré, gypse calciné, calamine et galle chinoise » dans la base de données pharmacologique du système de médecine traditionnelle chinoise (TCMSP ; http://tcmspw.com/tcmsp.php) pour obtenir la liste des ingrédients actifs candidats et des cibles des ODD.
  2. Confier le composant à la base de données ADME suisse (http://www.swissadme.ch/index.php), en extrayant les détails de ceux qui présentent une absorption IG « élevée », couplée à au moins deux valeurs DL « Oui » comme éléments actifs.
    REMARQUE : Normalement, seuls les ingrédients dont la valeur de type médicament (DL) est ≥0,18 dans la base de données sont inclus comme ingrédients actifs.

3. Construction du réseau PPI et criblage des protéines centrales

  1. Dans Venny2.1( https://bioinfogp.cnb.csic.es/tools/venny/index.html), entrez les cibles des ODD et de l’eczéma anus dans LIST1 et LIST2, respectivement. Une représentation visuelle de l’intersection est générée instantanément. Cliquez sur la zone partagée pour afficher les cibles communes dans la section Résultats .
  2. Accédez à la base de données STRING (https://string-db.org/). Entrez les cibles dans le champ Liste des noms . Sélectionnez ensuite Homo sapiens comme organisme et passez à la recherche > Continuer.
  3. Lorsque les résultats sont disponibles, ouvrez Paramètres avancés et sélectionnez le masquage des nœuds déconnectés dans le réseau. Dans le score d’interaction minimum requis, définissez le niveau de confiance le plus élevé (0,900), puis cliquez sur Mettre à jour.
  4. Cliquez sur Exportations pour télécharger le texte du réseau d’interaction protéine-protéine (IPP) en format .png et .tsv.

4. Construction d’un réseau médicament-composant-maladie-cible

  1. Ouvrez Cytoscape 3.9.1 et importez le fichier .tsv mentionné à l’étape 3.4. Cliquez sur la barre de style dans le panneau de configuration pour optimiser la couleur, la police et le côté des nœuds du réseau.
  2. Pour l’analyse de la topologie du réseau, utilisez la fonction Analyser le réseau . Pour obtenir des gènes hub, utilisez CytoHubba dans le logiciel Cytoscape. Établir le réseau médicament-composant-maladie-cible.

5. Analyse de l’enrichissement GO et KEGG

  1. Accédez au site Web de Metascape (https://metascape.org/). Sélectionnez un fichier ou collez une liste de gènes dans la boîte de dialogue et cliquez sur le bouton Envoyer . Sélectionnez ensuite H. sapiens dans Input as Species et Analysis as Species ; après cela, activez la fonction Analyse personnalisée .
  2. Dans l’option d’enrichissement, sélectionnez Fonctions moléculaires GO, Processus biologiques GO, Composants cellulaires GO et Base de données KEGG Pathway. Cochez Choisir des clusters GO sélectifs, puis cliquez sur le bouton Analyse d’enrichissement . Une fois la barre de progression terminée, lancez un clic sur la page Rapport d’analyse pour récupérer les résultats de l’enrichissement.

6. Analyse de l’ensemble de données de la puce génétique GEO

  1. Rechercher et analyser l’ensemble de données de la puce génétique GEO (GDS3806) à l’aide de l’outil GEO2R (https://ncbi.nlm.nih.gov/geo/geo2r/) pour étudier l’expression des gènes centraux dans différents groupes de données (groupe témoin - dermatite non atopique ; groupe expérimental - dermatite atopique).
  2. Entrez dans le site Web de la base de données GEO (https://www.ncbi.nlm.nih.gov/geo/). Entrez le mot-clé ou l’accession GEO, et cliquez sur le bouton Rechercher . Sélectionnez le résultat le plus approprié. Trouvez la série de référence (GSE26952).
  3. Entrez le site Web de l’outil GEO2R (https://ncbi.nlm.nih.gov/geo/geo2r/), entrez la série de référence dans la case Accession GEO et cliquez sur le bouton Définir . Sélectionnez Dermatite atopique comme groupe expérimental, sélectionnez Contrôle non atopique comme groupe témoin, puis cliquez sur le bouton Analyser . Une fois le calcul terminé, le résultat apparaîtra.

7. Amarrage moléculaire

  1. Ouvrez la base de données TCMSP et téléchargez la structure 3D des ingrédients sélectionnés. Utilisez la zone de recherche Nom chimique et recherchez les noms d’ingrédients sélectionnés pour télécharger les fichiers de structure 3D correspondants au format mol2.
  2. Ouvrez la base de données des protéines RCSB (http://www.pdb.org/) et téléchargez les structures cristallines des cibles clés. Dans la zone de recherche, recherchez les noms des cibles et téléchargez les fichiers de structure cristalline correspondants au format pdb.
  3. Importez les ingrédients et les fichiers de structure cible dans le logiciel d’analyse. Supprimez les molécules d’eau en cliquant sur Modifier > Supprimer l’eau. Ajoutez des hydrogènes en cliquant sur Modifier > Hydrogènes > Ajouter. Définissez les ingrédients comme ligand, sélectionnez des cibles entières comme récepteur et effectuez un amarrage aveugle.
  4. Déterminez la plage d’amarrage moléculaire.
    1. Sélectionnez le récepteur et le ligand dans l’ordre. Cliquez sur Grille > Boîte de grille pour ajuster la boîte de grille afin d’inclure l’ensemble du modèle. Cliquez sur Fichier > Fermer l’enregistrement actuel pour enregistrer l’état de la boîte de grille. Enregistrez les fichiers au format gpf.
    2. Cliquez sur Exécuter > Exécuter le nom du fichier de paramètre > Autogrid4 > Parcourir, sélectionnez le fichier gpf, puis cliquez sur le bouton Lancer .
  5. Utilisez AutoDock 4 pour effectuer un amarrage moléculaire.
    1. Cliquez sur Docking > Macromolecule > Set Rigid Filename pour sélectionner le récepteur. Cliquez sur Amarrage > ligand > Ouvrir/ Choisissez pour sélectionner le ligand.
    2. Cliquez sur Paramètres d’ancrage > de recherche pour définir les algorithmes d’opération et Paramètres d’ancrage > d’amarrage pour définir les paramètres d’ancrage. Sélectionnez le fichier dpf, puis cliquez sur le bouton Lancer. Enregistrez les fichiers au format dpf.
    3. Cliquez sur Analyser > Amarrage > Ouvrir, sélectionnez le fichier dlg, cliquez sur Analyser > macromolécule pour ouvrir le récepteur, cliquez sur Analyser > Conformations > Jeu, Classé par Énergie pour analyser les résultats. Cliquez sur Définir le complexe de lecture > d’écriture pour enregistrer les résultats au format pdbqt.
  6. Importez les fichiers d’ancrage dans le logiciel PyMOL pour construire une visualisation plus approfondie.
    1. Sélectionnez le ligand, puis cliquez sur Action > Trouver > contacts polaires > Vers d’autres atomes dans l’objet pour afficher les liaisons hydrogène entre les ligands et l’environnement externe. Cliquez sur c pour changer de couleur.
    2. Cliquez sur Action > Extraire l’objet. Cliquez sur Afficher > bâtonnets pour afficher la structure du bâton du récepteur. Identifiez les résidus connectés aux ligands et montrez la structure du bâtonnet.
    3. Cliquez sur Masquer > bâtonnets pour masquer la structure du bâton du récepteur. Cliquez sur Assistant > Mesure et cliquez sur deux atomes en séquence. Cliquez sur Étiquette > résidu pour afficher l’étiquette des résidus. Ajustez la couleur et la transparence de l’arrière-plan si nécessaire. Cliquez sur Fichier > Exporter l’image pour enregistrer l’image.

Résultats

Gènes liés à l’eczéma anus, gènes cibles des ODD et cibles communes
Au total, 958 gènes candidats potentiels ont été examinés dans les bases de données Genecards et 634 dans les bases de données OMIM, tandis que les doublons ont été exclus. Pour obtenir une compréhension complète des gènes liés à l’eczéma anal, les résultats de plusieurs bases de données ont été fusionnés, produisant un total de 958 gènes distincts. Par conséquent, un réseau d’interaction protéine-protéine (IPP) spécifique à l’eczéma anal a été méticuleusement formulé. SDG est composé de cinq médecines traditionnelles chinoises, à savoir l’indigo naturalis, le cyprès doré, le gypse calciné, la calamine et la galle chinoise15,16. Le principal composant du gypse calciné est le sulfate de calcium anhydre (CaSO4), tandis que le composant principal de la calamine est le carbonate de zinc (ZnCO3). L’indigo naturalis, le cyprès doré et la galle chinoise contiennent des ingrédients complexes. D’après la base de données TCMSP, les médicaments contiennent 92 composants composés, obtenant un total de 867 cibles médicamenteuses fiables (tableau 1).

Grâce à la superposition des deux ensembles de données sur les gènes cibles, un total de 149 gènes cibles fréquemment cooccurrents ont été identifiés (Figure 2A), suivis de la construction d’un réseau essentiel d’interaction protéine-protéine cible (IPP) (Figure 2B). Grâce à une méthode de dépistage basée sur la médiane pour le degré, la proximité et l’intermédiarité, 59 cibles clés ont été sélectionnées comme cibles potentielles des médicaments contre l’eczéma anal. Les scores médians de degré, de proximité et d’intermédiarité pour les cibles clés étaient respectivement de 49, 40,31947 et 0,522. Les 10 principaux gènes ayant obtenu un score élevé étaient AKT1, TNF, TP53, EGFR, STAT3, SRC, JUN, CASP3, HRAS et PTGS2 (tableau 2). Ces gènes sont très pertinents pour l’eczéma anal.

Parcours et réseaux impliquant des cibles communes
Les méthodes d’enrichissement KEGG et GO ont été utilisées pour analyser 59 cibles clés, révélant 218 voies associées et plus de 3000 processus biologiques associés. L’analyse a révélé des voies fortement corrélées avec les protéines SDG et l’eczéma anal, notamment l’infection par le virus 1 de la cerise simplex, la shigellose, la voie de signalisation du TNF, la résistance aux inhibiteurs de la tyrosine kinase EGFR, l’infection par le cytomégalovirus humain et la voie de signalisation des récepteurs des lymphocytes T (Figure 3A). Ces voies concernent principalement des gènes tels que AKT1, TNF, TP53, STAT3, SRC, EGFR et CASP3. La figure 3B fournit une représentation détaillée des gènes et des voies cibles. L’analyse GO a été effectuée sur les processus biologiques (BP), la composition cellulaire (CC) et la fonction moléculaire (MF) (Figure 4A). Les résultats suggèrent que cette étude se concentre principalement sur des cibles communes pour les ODD et l’eczéma anal dans les processus biologiques, avec quelques-unes pertinentes pour le CC et le MF. Les fonctions biologiques particulièrement pertinentes comprennent la phosphorylation de la peptidyl-tyrosine, la modification de la peptidyl-tyrosine, la régulation de l’adhésion cellule-cellule, la régulation positive de l’adhésion cellulaire, l’activation des lymphocytes T, la régulation de l’adhésion cellule-cellule leucocytaire (Figure 4B-D).

Prédire la liaison des composants actifs des ODD aux cibles de l’eczéma anus
Sur la base des valeurs médianes de degré, de proximité et d’intermédiarité, 59 cibles clés ont été examinées, dont AKT1, TNF, TP53, EGFR, STAT3, SRC, JUN, CASP3, HRAS et PTGS2. Une analyse plus approfondie de la base de données GEO a révélé une régulation positive de PPARG, EGFR et TNF, tandis que PTPRC, MMP9, MAPK14 et CASP3 étaient régulés à la baisse dans le groupe expérimental (dermatite atopique) (Figure 5). Grâce à l’analyse de l’enrichissement des voies géniques communes, il a été déterminé que ces gènes participaient principalement à la cascade de signalisation TNF et à la voie de signalisation MAPK. Dans la voie de signalisation TNF, l’expression du TNF a été régulée à la hausse, tandis que l’expression de MMP9, MAPK14 et CASP3 a été régulée à la baisse. Dans la voie de signalisation MAPK, l’expression de l’EGFR et du TNF a été régulée à la hausse, tandis que MAPK14 et CASP3 ont été régulées à la baisse (Figure 6). Sur la base de ces résultats, TNF, MAPK14 et CASP3 ont été considérés comme des cibles potentielles dans le traitement des ODD.

Pour valider les cibles candidates dans les composants actifs de SDG, l’analyse d’amarrage a été utilisée pour tester la précision entre la structure du composant actif et les protéines cibles potentielles. Ces protéines cibles sont impliquées dans diverses connexions fonctionnelles et sont les nœuds supérieurs du réseau, ce qui suggère qu’elles jouent un rôle crucial dans la réponse des ODD à l’eczéma anal. La valeur négative de l’énergie de liaison à l’amarrage indique la capacité de l’ODD à s’arrimer à des cibles de maladie in vivo, une valeur plus négative indiquant un amarrage plus facile. Dans cette étude, l’amarrage moléculaire réussi des composants actifs de base avec la cible clé a été atteint, et l’énergie de liaison d’amarrage était négative, avec des valeurs inférieures à -1 kcal/mol. L’indigo et la berberrubine ont une bonne activité de liaison, avec une énergie de liaison inférieure à -5 kcal/mol (tableau 3, figure 7). Pris ensemble, ces résultats fournissent une preuve supplémentaire que ces protéines correspondant aux loci génétiques peuvent agir comme cibles SDG dans l’eczéma anus.

figure-results-1
Figure 1 : Flux de travail d’analyse pharmacologique en réseau. GO, ontologie génétique ; KEGG, Encyclopédie de Kyoto des gènes et des génomes ; TCMSP, base de données et plateforme d’analyse pharmacologique des systèmes de médecine traditionnelle chinoise ; GEO, Omnibus d’expression génique. Veuillez cliquer ici pour voir une version agrandie de cette figure.

figure-results-2
Figure 2 : Diagramme de Venn et réseau d’IPP des cibles communes. (A) Diagramme de Venn de l’intersection de la cible du médicament et de la cible de la maladie. (B) Réseau PPI cible commun par STRING. Veuillez cliquer ici pour voir une version agrandie de cette figure.

figure-results-3
Figure 3 : Analyse de l’enrichissement de la voie KEGG. (A) Analyse de l’enrichissement de la voie KEGG. Les 10 premières trajectoires KEGG sont classées en fonction des valeurs P par ordre croissant. (B) La connexion entre le chemin et la cible : chemin (jaune), cibles (rouge). Veuillez cliquer ici pour voir une version agrandie de cette figure.

figure-results-4
Figure 4 : Analyse de l’enrichissement des GO. (A) Résultats des GO de trois ontologies. (B) Graphique à bulles des processus biologiques (BP). (C) Graphique à bulles des composants cellulaires (CC). (D) Graphique à bulles de la fonction moléculaire (MF). Veuillez cliquer ici pour voir une version agrandie de cette figure.

figure-results-5
Figure 5 : Prédire le résultat des cibles potentielles. (A) Carte thermique de l’expression des gènes pivots dans la base de données GEO, le groupe A est le groupe expérimental (dermatite atopique) et le groupe B est le groupe témoin (dermatite non atopique) ; (B) Les nœuds du réseau PPI représentent les protéines, les arêtes représentent les relations. Veuillez cliquer ici pour voir une version agrandie de cette figure.

figure-results-6
Figure 6 : La voie de signalisation. (A) Voie de signalisation MAPK. (B) Voie de signalisation TNF. Veuillez cliquer ici pour voir une version agrandie de cette figure.

figure-results-7
Figure 7 : Amarrage moléculaire des gènes et des ingrédients de base. Le magenta représente les composants de base de SDG, et le bleu représente les résidus des gènes de base. Veuillez cliquer ici pour voir une version agrandie de cette figure.

Médecines traditionnelles chinoisesActifs
Indigo naturalis9alpha,13alpha-dihydroxylisopropylidénylisatisine,a, bisindigotine, indicant, isatan B, isatisine,a, isoorientine, isoscoparine, isovitexine, (+)-isolaricirésinol, 10h-indolo,[3,2-b],quinolone, Isoindigo, Saponarin, Indigo, tryptanthrine, 6-(3-oxoindolin-2-ylidène)indolo[2,1-b]quinazolin-12-one
Indirubine, bêta-sitostérol, Laricirésinol, Nonacosane, isovitexine, Dotriacontanol
Cyprès doréberbérine, coptisine, dauricine (8CI), javanicine, (±)-lyonirésinol, kihadalactone A, acide obacunoïque, obacunone, phellavine, Phellavin_qt, phellodendrine, delta 7-stigmastenol, phelloptérine, vanilloloside, conifère, déhydrotanshinone II A, delta7-déhydrosophoramine, amurensine, Amurensin_qt, dihydroniloticine, hispidol B, kihadalactone B, kihadanine A, niloticine, nomiline, rutaecarpine, skimmianine, chélérythrine, stigmastérol, worenine, campestéryl férulate, cavidine, chandelle A, héricène H, Hispidone, Syrigin, bêta-sitostérol, Magnograndiolide, (2S,3S)-3,5,7-trihydroxy-2-(4-hydroxyphényl)chroman-4-one, Palmidin A, magnoflorine, Ménisporphine, palmatine, Fumarine, Isocorypalmine, quercétine, Sitogluside, Friedelin
STOCK1N-14407, jatrorrizine, ménisperine, phellamurin_qt, (S)-Canadine, columbamine, poriféraste-5-en-3bêta-ol, magnoflorine, berberrubine, phellodendrine, limonine, hyperéline, campestérol, SMR000232320, Canthine-6-one, 4-[(1R,3aS,4R,6aS)-4-(4-hydroxy-3,5-diméthoxyphényl)-1,3,3a,4,6,6a-hexahydrofuro[4,3-c]furan-1-yl]-2,6-diméthoxyphénol, dihydroniloticine, mélianone, phellochine, thalifendine, vanilloloside, Auraptene
Gypse calcinésulfate de calcium anhydre (CaSO4)
Calaminecarbonate de zinc (ZnCO3)
Gall chinoisdigallate

Tableau 1 : Ingrédients actifs dans les ODD.

GèneDegréCentralité de l’intermédiaritéCentralité de proximité
AKT12041669.16920.765625
Le TNF2021988.45430.761658
TP531901590.92880.73134327
EGFR174686.30630.7033493
STAT3168673.037230.6869159
SRC162568.15740.69014084
JUIN162435.337370.6805556
CASP3156483.452760.67431194
Le148515.288150.65625
PTGS2134761.340940.6447368

Tableau 2 : Caractéristiques des 10 principaux gènes pivots.

Cible (ID PDB)Affinité (kcal/mol)
IndigoBerberrubineDigaller
TNF (1A8M)-5.96-5.19-2.22
MAPK14 (1A9U)-5.51-5.41-1.93
CASP3 (1CP3)-5.77-4.98-1.06

Tableau 3 : L’énergie de liaison d’amarrage moléculaire des ingrédients et des gènes de base.

Discussion

La dermatite atopique est une forme spécifique d’eczéma qui partage des mécanismes sous-jacents avec l’eczéma. Les gènes pivots que l’on pense être liés à cette maladie sont TNF, MAPK14 et CASP3. Les effets thérapeutiques du SDG sur l’eczéma anal sont principalement attribués à son action sur les voies de signalisation TNF et MAPK via ces trois gènes hub17.

SDG comprend cinq médicaments distincts : indigo naturalis, cyprès doré, gypse calciné, calamine et galle chinoise. Dans la médecine traditionnelle chinoise, le gypse calciné et la calamine peuvent jouer un rôle dans la cicatrisation des plaies et le séchage de l’humidité, tandis que l’indigo naturalis, le cyprès doré et la galle chinoise peuvent éliminer la chaleur, détoxifier et sécher l’humidité. La combinaison de ces herbes peut avoir pour effet de drainer l’humidité, de favoriser la cicatrisation des plaies, d’éliminer la chaleur et de dissiper le vent18.

Des études antérieures ont indiqué que les principaux composants des ODD ont des propriétés anti-inflammatoires. Il a été démontré que l’Indigo naturalis (IN) traite la colite, le psoriasis et la leucémie promyélocytaire aiguë 19,20,21. La fonction de l’IN peut être liée à son inhibition de la transduction du signal TLR4/MyD88/NF-kB, qui réduit l’inflammation et favorise la guérison de la muqueuse intestinale chez les patients atteints de colite ulcéreuse (CU). Il peut également réguler la flore intestinale, comme le démontre le modèle murin de colite ulcéreuse induite par le DSS22,23. Des recherches récentes soulignent que la colite ulcéreuse est souvent associée à un déséquilibre du microbiome intestinal. L’IN peut rééquilibrer efficacement l’écologie intestinale et protéger le système gastro-intestinal, en fonction de la flore intestinale24. En déplaçant les cytokines pro-inflammatoires vers des cytokines anti-inflammatoires, le cyprès doré réduit la prolifération des lymphocytes T et des sécrétions de lymphocytes T et de cytokines IL-12p70 induites par DC, favorisant l’interaction entre DC et Treg25. La saponarine et le campestérol agissent comme des agents anti-inflammatoires naturels avec des effets anti-allergiques 26,27,28. La tryptanthrine présente une action antimicrobienne29. Melianonen présente des effets inhibiteurs substantiels sur les champignons et la flore microbienne qui peuvent contribuer au traitement de l’eczéma anal30,31.

Des études ont montré que la gravité des maladies de la peau telles que l’acné, la dermatite de contact irritante et la dermatite de contact allergique est liée à la flore microbienne de l’intestin. En comparant la distribution de la microflore de l’eczéma anus aigu et chronique, les résultats ont montré que la microflore de staphylocoques des patients atteints d’eczéma anus aigu était plus abondante dans le groupe chronique32. Les nourrissons atteints d’eczéma atopique et de diversité du microbiome intestinal inférieur démontrent une corrélation entre l’abondance microbienne et les maladies de la peau33. Sur la base des effets des différents composants du SDG sur la flore intestinale, la possibilité que le SDG puisse améliorer l’eczéma anus en régulant la microflore ne peut être exclue. De plus, la mélianone contenue dans SDG peut également agir sur les champignons pour prévenir l’eczéma anus.

La recherche sur les mécanismes est reconnue comme l’aspect le plus complexe de la recherche sur les prescriptions à base de plantes. La pharmacologie en réseau imprègne actuellement divers aspects du domaine pharmaceutique, marquant un changement de paradigme de la biomédecine conventionnelle à la biomédecine contemporaine et redéfinissant le développement de la médecine traditionnelle chinoise (MTC) 34,35,36. Il utilise des cibles de réseau comme base, construisant un diagramme de réseau reliant la MTC, les ingrédients actifs, les cibles et les troubles pour anticiper les cibles thérapeutiques pertinentes. La pharmacologie des réseaux élucide de manière exhaustive les interactions entre les médicaments et les cibles de la maladie et examine systématiquement les mécanismes associatifs des réseaux, prévoyant ainsi les voies métaboliques pivots. Son utilisation a été stratégiquement mise en œuvre pour étudier les mécanismes d’action de diverses plantes. De plus, en établissant un réseau d’IPP ciblant les médicaments contre la maladie, ainsi que la construction de voies enrichies en KEGG et GO, la pharmacologie en réseau a facilité la prédiction du mécanisme complexe par lequel les herbes chinoises influencent les maladies et sonde la pathogenèse des afflictions 37,38,39. Cette recherche a combiné la pharmacologie en réseau avec des ensembles de données GEO pour discerner les mécanismes des médicaments topiques.

L’analyse pharmacologique en réseau se contente de prédire les composants et les cibles des médicaments, en vérifiant des mécanismes précis nécessitant une expérimentation animale ou des essais cliniques. Cette étude n’a utilisé que la vérification de la simulation d’amarrage moléculaire sans effectuer d’expériences animales ou cliniques pour vérifier. Le cadre de pharmacologie en réseau proposé pour la médecine traditionnelle chinoise combine les cibles prédites des plantes individuelles, bien qu’avec une précision moindre. L’incorporation d’ensembles de données GEO améliore considérablement cette précision.

Dans cette étude, la méthode de génération de données pures a été utilisée pour maximiser l’utilisation des données en combinant plusieurs bases de données. En particulier pour certaines maladies pour lesquelles il est difficile de construire des modèles animaux, les données en ligne sont principalement utilisées pour prédire et vérifier les maladies et les cibles médicamenteuses afin d’orienter l’orientation de la recherche et de jeter de bonnes bases pour une vérification expérimentale ultérieure.

Déclarations de divulgation

Les auteurs n’ont rien à divulguer.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
AutoDockToolsAutoDockhttps://autodocksuite.scripps.edu/adt/
Cytoscape 3.9.1  ;Cytoscapehttps://cytoscape.org/
base de données GeneCards  ;GeneCardshttps://www.genecards.org
base de données GEO,National Center for Biotechnology Informationhttps://www.ncbi.nlm.nih.gov/geo/
outil GEO2R  ;Centre national d’information sur la biotechnologiehttps://ncbi.nlm.nih.gov/geo/geo2r/
MetascapeMetascapehttps://metascape.org/
Base de données en ligne sur l’hérédité mendélienne chez l’homme, base de donnéesOMIMhttps://www.omim.org
RCSB protein database  ;Banque de données sur les protéines RCSB (RCSB PDB)http://www.pdb.org/
base de données STRING  ;STRINGhttps://string-db.org/
base de données ADME suisse  ;Base de
médecine traditionnelle chinoise (TCMSP)Base de données et plateforme d’analyse de pharmacologie des systèmes de médecine traditionnellechinoise http://tcmspw.com/tcmsp.php
Venny2.1BioinfoGPhttps://bioinfogp.cnb.csic.es/tools/venny/index.html
données pharmacologique du système de bioinformatique http://www.swissadme.ch/index.php de

Références

  1. Ma, M., Lu, H., Yang, Z., Chen, L., Li, Y., Zhang, X. Differences in microbiota between acute and chronic perianal eczema. Medicine. 100 (16), e25623(2021).
  2. Dietrich, C. F., Hoch, F. Anal eczema. Revue Therapeutique. 78 (9), 509-512 (2021).
  3. Dietrich, A., Ruzicka, T., Hermans, C. Differential diagnosis of anal eczema. Hautarzt. 66 (6), 400-407 (2015).
  4. Rohde, H. Anal eczema, condylomata acuminata. Deutsche Medizinische Wochenschrift. 133 (6), 245-246 (2008).
  5. Havlickova, B., Weyandt, G. H. Therapeutic management of anal eczema: an evidence-based review. International Journal of Clinical Practice. 68 (11), 1388-1399 (2014).
  6. Rainer, B. M., et al. Characterization and analysis of the skin microbiota in Rosacea: A case-control study. American Journal of Clinical Dermatology. 21 (1), 139-147 (2020).
  7. Park, S. Y., Kim, H. S., Lee, S. H., Kim, S. Characterization and analysis of the skin microbiota in acne: Impact of systemic antibiotics. Journal of Clinical Medicine. 9 (1), 168(2020).
  8. Woo, Y. R., Lee, S. H., Cho, S. H., Lee, J. D., Kim, H. S. Characterization and analysis of the skin microbiota in Rosacea: Impact of systemic antibiotics. Journal of Clinical Medicine. 9 (1), 185(2020).
  9. Zheng, Y., et al. Alterations in the skin microbiome are associated with disease severity and treatment in the perioral zone of the skin of infants with atopic dermatitis. European Journal of Clinical Microbiology & Infectious Diseases. 38 (9), 1677-1685 (2019).
  10. Totté, J. E. E., et al. Nasal and skin microbiomes are associated with disease severity in paediatric atopic dermatitis. The British Journal of Dermatology. 181 (4), 796-804 (2019).
  11. Zhao, X. Y., Yang, Y. Y., Jl Feng,, Feng, C. I. Network pharmacology prediction and experimental validation of Trichosanthes-Fritillaria thunbergii action mechanism against lung adenocarcinoma. Journal of Visualized Experiments. (193), e64847(2023).
  12. Zeng, B., et al. Network pharmacology prediction and metabolomics validation of the mechanism of Fructus Phyllanthi against hyperlipidemia. Journal of Visualized Experiments. (194), e65071(2023).
  13. Wang, T., Jiang, X., Ruan, Y., Li, L., Chu, L. The mechanism of action of the combination of Astragalus membranaceus and Ligusticum chuanxiong in the treatment of ischemic stroke based on network pharmacology and molecular docking. Medicine. 101 (28), Baltimore. e29593(2022).
  14. Wang, T., et al. Exploring the mechanism of luteolin by regulating microglia polarization based on network pharmacology and in vitro experiments. Scientific Reports. 13 (1), 13767(2023).
  15. Qi-Yue, Y., et al. From natural dye to herbal medicine: a systematic review of chemical constituents, pharmacological effects and clinical applications of indigo naturalis. Chinese Medicine. 15 (1), 127(2020).
  16. André, C., Dumur, J. P., Hrabina, M., Lefebvre, E., Sicard, H. Juniperus ashei: the gold standard of the Cuppressaceae. Allergie et Immunologie. 32 (3), 104-106 (2000).
  17. Weidinger, S., Novak, N. Atopic dermatitis. Lancet. 387 (10023), 1109-1122 (2016).
  18. Cai, L. L., Wu, Y., He, J. Network pharmacology of Shidu ointment in the treatment of EGFR-TKIs induced acneiform eruptions. China Pharmaceuticals. 29 (16), 5(2020).
  19. Gu, S., et al. Mechanisms of indigo naturalis on treating ulcerative colitis explored by GEO gene chips combined with network pharmacology and molecular docking. Scientific Reports. 10 (1), 15204(2020).
  20. Lou, Y., Ma, Y., Jin, J., Zhu, H. Oral realgar-indigo naturalis formula plus retinoic acid for acute promyelocytic leukemia. Frontiers in Oncology. 10, 597601(2021).
  21. Zhang, Q., et al. Psoriasis treatment using Indigo Naturalis: Progress and strategy. Journal of Ethnopharmacology. 297, 115522(2022).
  22. Naganuma, M., et al. Efficacy of Indigo Naturalis in a multicenter randomized controlled trial of patients with ulcerative colitis. Gastroenterology. 154 (4), 935-947 (2018).
  23. Yang, Q. Y., et al. Exploring the mechanism of Indigo Naturalis in the treatment of ulcerative colitis based on TLR4/MyD88/NF-κB signaling pathway and gut microbiota. Frontiers in Pharmacology. 12, 674416(2021).
  24. Sun, Z., et al. Indigo Naturalis alleviates dextran sulfate sodium-induced colitis in rats via altering gut microbiota. Frontiers in Microbiology. 11, 731(2020).
  25. Cao, H., et al. Immune and metabolic regulation mechanism of Dangguiliuhuang decoction against insulin resistance and hepatic steatosis. Frontiers in Pharmacology. 8, 445(2017).
  26. Min, S. Y., Park, C. H., Yu, H. W., Park, Y. J. Anti-inflammatory and anti-allergic effects of saponarin and its impact on signaling pathways of RAW 264.7, RBL-2H3, and HaCaT cells. International Journal of Molecular Sciences. 22 (16), 8431(2021).
  27. Seo, K. H., et al. Saponarin from barley sprouts inhibits NF-κB and MAPK on LPS-induced RAW 264.7 cells. Food & Function. 5 (11), 3005-3013 (2014).
  28. Moreno-Anzúrez, N. E., et al. A cytotoxic and anti-inflammatory campesterol derivative from genetically transformed hairy roots of Lopezia racemosa Cav. (Onagraceae). Molecules. 22 (1), Basel, Switzerland. 118(2017).
  29. Numao, N., et al. Tryptanthrin attenuates TLR3-mediated STAT1 activation in THP-1 cells. Immunologic Research. 70 (5), 688-697 (2022).
  30. Veni, A., Lokeswari, T. S., Pavithra, D., Sugapriya, T. Melianone inhibits secreted aspartic proteases (SAP), a virulence factor during hyphal formation in Candida albicans. Current Computer-Aided Drug Design. 18 (5), 327-336 (2022).
  31. Veni, A., Lokeswari, T. S., Krishna Kumari, G. N., Gayathri, D., Sudandiradoss, C. Bioactivity of melianone against Salmonella and in silico prediction of a membrane protein target. 3 Biotech. 10 (10), 460(2020).
  32. Ma, M., Lu, H., Yang, Z., Chen, L., Li, Y., Zhang, X. Differences in microbiota between acute and chronic perianal eczema. Medicine. 100 (16), e25623(2021).
  33. Williams, H. C., Chalmers, J. Prevention of atopic dermatitis. Acta Dermato-Venereologica. 100 (12), (2020).
  34. Nogales, C., Mamdouh, Z. M., List, M., Kiel, C., Casas, A. I., Schmidt, H. H. H. W. Network pharmacology: curing causal mechanisms instead of treating symptoms. Trends in Pharmacological Sciences. 43 (2), 136-150 (2022).
  35. Wang, T., Zhou, Y., Wang, K., Jiang, X., Wang, J., Chen, J. Prediction and validation of potential molecular targets for the combination of Astragalus membranaceus and Angelica sinensis in the treatment of atherosclerosis based on network pharmacology. Medicine (Baltimore). 101 (26), e29762(2022).
  36. Jiang, X., et al. Exploration of Fuzheng Yugan mixture on COVID-19 based on network pharmacology and molecular docking. Medicine (Baltimore). 102 (3), e32693(2023).
  37. Dong, Y., Zhao, Q., Wang, Y. Network pharmacology-based investigation of potential targets of astragalus membranaceous-angelica sinensis compound acting on diabetic nephropathy. Scientific Reports. 11 (1), 19496(2021).
  38. Wang, T., Jiang, X., Lu, Y., Ruan, Y., Wang, J. Identification and integration analysis of a novel prognostic signature associated with cuproptosis-related ferroptosis genes and relevant lncRNA regulatory axis in lung adenocarcinoma. Aging (Albany NY). 15 (5), 1543-1563 (2023).
  39. Wang, T., Jiang, X., Ruan, Y., Zhuang, J., Yin, Y. Based on network pharmacology and in vitro experiments to prove the effective inhibition of myocardial fibrosis by Buyang Huanwu decoction). Bioengineered. 13 (5), 13767-13783 (2022).

Réimpressions et autorisations

Étiquettes

Réseau d'interaction protéiqueamarrage moléculairevoie KEGGontologie des gènessignalisation du TNFvoie MAPK
L’efficacité et les mécanismes de voie sous-jacents du traitement ShiDuGao pour l’eczéma anus, basés sur des ensembles de données GEO et une pharmacologie en réseau
Contactez-nous
Recommander à la bibliothèque

Confidentialité

Conditions d’utilisation

Politiques

Copyright © 2026 MyJoVE Corporation. Tous droits réservés.