Un abonnement JoVE est requis pour visualiser ce contenu. Connectez-vous ou commencez votre période d'essai gratuite.

Article de recherche

Mécanismes moléculaires de la décoction de Dachengqi dans le syndrome de détresse respiratoire aiguë : une analyse de la pharmacologie en réseau et de la bioinformatique

225 vues

⸱

DOI :

10.3791/69651

⸱

27 mars 2026

 , 
1Department of Emergency Medicine, The Fourth Affiliated Hospital of Soochow University

Dans cet article

Résumé

Cette étude éclaire les mécanismes moléculaires de la décoction Dachengqi (DCQD) contre le syndrome de détresse respiratoire aiguë (SDRA) en utilisant la pharmacologie en réseau, la bioinformatique et le docking moléculaire. Des cibles et voies clés ont été identifiées. Le docking moléculaire a validé des interactions robustes ligand-cible, soutenant le potentiel thérapeutique multi-cible du DCQD pour le SDRA.

Résumé

Le syndrome de détresse respiratoire aiguë (SDRA) est une complication potentiellement mortelle de la septicémie, caractérisée par une hypoxémie réfractaire et une inflammation pulmonaire. Actuellement, les interventions pharmacologiques efficaces restent limitées. La médecine traditionnelle chinoise (MTC), illustrée par la décoction Dachengqi (DCQD), a démontré un potentiel thérapeutique pour moduler les réponses inflammatoires complexes. Pour étudier le mécanisme de la DCQD dans le traitement du SDRA, les composantes actives de la DCQD et leurs cibles associées ont d’abord été extraites de bases de données publiques. Les cibles liées au SDRA ont été identifiées par analyse bioinformatique de jeux de données publics. En croisant des cibles spécifiques au médicament avec des cibles liées à la maladie, un réseau d’interactions DCQD-ARDS a été construit grâce à l’analyse d’interaction protéine-protéine (IPP) et à l’enrichissement fonctionnel. Une analyse approfondie a révélé 32 gènes qui se chevauchent, essentiels à l’efficacité thérapeutique de la DCQD dans le SDRA. L’analyse d’enrichissement a mis en lumière des voies clés, notamment la voie de signalisation de la chimiokine, la signalisation des récepteurs de type NOD et la formation du piège extracellulaire neutrophile (NET), qui sont impliquées dans l’immunomodulation et l’inflammation. Le réseau PPI identifiait HSP90AB1, MMP9, HSP90AA1, ARG1 et MYC comme cibles principales. Le docking moléculaire a confirmé de fortes affinités de liaison entre ces cibles et les composants DCQD. Nos résultats démêlent la base mécaniste soutenant la DCQD comme thérapie adjuvante prometteuse pour le SDRA induit par la septicémie.

Introduction

Le syndrome de détresse respiratoire aiguë (SDRA) est un syndrome clinique très hétérogène causé par divers facteurs pulmonaires ou extrapulmonaires, principalement caractérisé par une lésion pulmonaire diffuse et une hypoxémieréfractaire 1. Depuis sa première définition en 1967, la compréhension du SDRA a évolué sans cesse, conduisant à des révisions itératives de ses critèresdiagnostiques 2. De plus, la mise en œuvre de stratégies thérapeutiques, incluant la ventilation protectrice pulmonaire, le soutien ex vivo et la position couchée, a profondément influencé à la fois la prise en charge clinique et les progrès de larecherche 3. Néanmoins, la mortalité liée au SDRA reste alarmantement élevée. Une enquête mondiale a révélé que les patients atteints de SDRA représentent 10,4 % de toutes les admissions en unité de soins intensifs (USI). Malgré des avancées significatives en soins intensifs au cours des dernières décennies, les taux de mortalité (en réanimation et après la sortie) persistent entre 35 et 45 %.

La physiopathologie du SDRA est complexe, impliquant des lésions endothéliales alvéolaires et capillaires, des réponses inflammatoires pulmonaires et systémiques, ainsi que des lésions pulmonaires induites parun ventilateur 5. Notamment, le SDRA associé au COVID-19 présente des caractéristiques physiopathologiques distinctes par rapport au SDRA classique, la COVID-19 pouvant provoquer une thrombose microvasculaire plus sévère et une inflammation régionalement hétérogène 6,7. Compte tenu de la physiopathologie complexe de la maladie et de sa forte hétérogénéité, il n’existe actuellement aucune pharmacothérapie définitive pour le SDRA. Outre les corticostéroïdes et les agents bloqueurs neuromusculaires — qui sont recommandés de façon conditionnelle en raison des bénéfices liés à la mortalité — d’autres traitements médicamenteux (par exemple, oxyde nitrique [NO], prostacycline, β d’interféron, tensioactifs pulmonaires et protéine C activée) n’ont montré aucune efficacité clinique. Inversement, les agonistes β (par exemple, l’albutérol) et le facteur de croissance des kératinocytes se sont révélés nocifs 8,9. Par conséquent, le développement de thérapies sûres et multifonctionnelles reste une priorité cruciale en recherche.

La médecine traditionnelle chinoise (MTC), avec une histoire de plus de 3 000 ans, a été utilisée pour prévenir et traiter diverses maladies respiratoires. Au fil de millénaires d’applications cliniques et de modernisation de la recherche en MTC, elle a démontré son potentiel dans la prise en charge duSDRA 10,11. La MTC exerce ses effets thérapeutiques par des mécanismes multi-composants, multi-voies et multi-cibles, notamment en atténuant les réponses inflammatoires, en modulant la fonction immunitaire et en protégeant les tissuspulmonaires 12. Par exemple, l’injection de Xuebijing (XBJ), une préparation dérivée de la MTC composée de racines de Paeonia lactiflora, de rhizomes de Ligusticum chuanxiong, de racines de Salvia miltiorrhiza, de fleurs de Carthamus tinctorius et d’angélica sinensis, contient de multiples composants actifs. Il soulage le SDRA en régulant la fonction immunitaire, le stress oxydatif et l’inflammation via les voies de signalisation IL-17, HIF-1 etTNF 13. Des études cliniques ont également démontré que les patients soumis au traitement XBJ présentaient des taux de mortalité réduits, des séjours en soins intensifs plus courts et des niveaux plus faibles de cytokinesinflammatoires 14. Pendant la pandémie de COVID-19, une activation immunitaire excessive déclenchée par des réponses inflammatoires sévères est apparue comme un facteur critique dans les casgraves 15, 16. De plus, certains composants de la MTC possèdent des propriétés antioxydantes, leur permettant d’absorber les radicaux libres et d’atténuer les lésions pulmonaires induites par le stress oxydatif. Le SDRA s’accompagne souvent d’un dysfonctionnement microcirculatoire pulmonaire, qui altère l’échange gazeux. Certaines formulations de MTC présentent des effets activateurs sanguins et de résolution de la stase, améliorant la microcirculation pour atténuer l’œdème pulmonaire et améliorer l’oxygénation. De plus, la MTC peut atténuer les lésions pulmonaires en régulant les voies de la mort cellulaire 12,17,18. Collectivement, ces résultats soulignent le potentiel clinique considérable de la MTC dans le traitement du SDRA.

La décoction Dachengqi (DCQD), une formule essentielle en MTC pour les affections aiguës, est composée de quatre composants à base de plantes : la rhubarbe, la mirabilite, l’écorce de magnolia et l’orange amerimmature 19. En tant que formulation composée, DCQD présente des interactions multi-composantes et multi-cibles, inhibant efficacement la production de divers médiateurs inflammatoires et espèces réactives de l’oxygène, notamment le facteur de nécrose tumorale alpha (TNF-α) et l’interleukine-6 (IL-6)20,21. Le groupe de haute mobilité box 1 (HMGB1), un médiateur inflammatoire profond, joue un rôle central dans la pathogenèse et la progression de la septicémie. Le récepteur type Toll 4 (TLR4), un récepteur exprimé sur les cellules immunitaires, active les voies de signalisation inflammatoires en aval, telles que le facteur nucléaire-kappa B (NF-κB) et la protéine kinase activée par le mitogène (MAPK), lorsqu’il se lie à HMGB1, entraînant une libération accrue de cytokines inflammatoires. La DCQD exerce des effets thérapeutiques en modulant l’axe de signalisation HMGB1-TLR4, supprimant ainsi l’activation de NF-κB et p38 MAPK, réduisant la production de cytokines inflammatoires et atténuant l’inflammationsystémique 22,23. De plus, les constituants de DCQD exercent des effets thérapeutiques en modulant les voies de signalisation pro-inflammatoires, le stress oxydatif, l’apoptose et la pyroptose 24,25,26,27. La DCQD joue également un rôle crucial dans le traitement du SDRA en atténuant les réponses hyperinflammatoires induites par les lipopolysaccharides (LPS) et les lésions épithéliales pulmonaires. Sur le plan mécanique, elle supprime l’assemblage de la protéine kinase 1 (RIPK1) (RIPK1) (RIPK1) (réfaction au processus de formation d’un complexe multi-protéique pouvant déclencher la mort inflammatoire des cellules), atténuant ainsi la PANoptose28 induite par le LPS. L’administration thérapeutique orale de DCQD augmente l’expression des protéines aquaporine-1 (AQP-1) et aquaporine-5 (AQP-5) dans les tissus pulmonaires tout en inhibant la voie de signalisation TLR4/NF-κB et la production de cytokines inflammatoires, atténuant ainsi l’inflammation associée au SDRA.

La composition complexe de la MTC, caractérisée par les effets synergiques de multiples composés, présente à la fois des avantages et des défis pour élucider ses mécanismes pharmacologiques. Différents composants de la MTC peuvent exercer des effets thérapeutiques via des cibles et voies moléculaires distinctes, tandis que les interactions potentielles entre ces composants compliquent davantage la compréhension globale de leurs mécanismesintégrés 29,30. Plus précisément, les phytochimiques impliqués dans le traitement du SDRA et leurs voies mécanistes restent insaisissables. Pour combler ces lacunes de connaissances, la bioinformatique, un domaine interdisciplinaire émergent intégrant l’analyse des mégadonnées et l’intelligence artificielle, promet d’identifier les ingrédients pharmaceutiques actifs et de déchiffrer les mécanismes sous-jacents des médicaments 31,32,33. En conséquence, cette étude utilise des approches bioinformatiques, incluant la pharmacologie en réseau et le docking moléculaire, afin d’identifier systématiquement les phytochimiques essentiels, les cibles moléculaires et les voies sous-jacentes aux effets thérapeutiques de la DCQD dans le traitement du SDRA.

Sur la base de la logique ci-dessus, nous émettons l’hypothèse que la DCQD exerce des effets thérapeutiques sur le SDRA en modulant synergiquement des processus pathologiques clés, y compris la dysrégulation inflammatoire et l’activation des cellules immunitaires, via son réseau multi-composants. Pour tester cette hypothèse et dépasser les limites de la prédiction traditionnelle des cibles, nous avons utilisé une approche intégrée de bioinformatique. L’innovation clé de cette stratégie réside dans l’intersection des cibles potentielles de la DCQD avec des gènes liés au SDRA dérivés non seulement de bases de données publiques mais, plus important encore, du jeu de données transcriptomique clinique (GSE32707) des patients atteints de SDRA induit par la septicémie. Ce dépistage en trois vitesses vise à renforcer la pertinence clinique de nos découvertes et à identifier les gènes et voies centrales par lesquels la DCQD peut améliorer le SDRA, fournissant ainsi un cadre théorique plus précis et fiable pour son mécanisme d’action.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Protocole

Tous les matériaux, y compris les bases de données, les logiciels et les réactifs expérimentaux, utilisés dans cette étude sont listés dans le tableau des matériaux. Toutes les procédures expérimentales ont été approuvées par le Comité d’éthique animale de l’hôpital du lac Dushu de Suzhou (numéro de permis : 2410008).

Dépistage des composants actifs et acquisition de cibles de DCQD
Les composants actifs des herbes constitutives rhubarbe, mirabilite, écorce de magnolia et orange amer immature dans la décoction Da-Cheng-Qi (DCQD) ont été sélectionnés à partir de la base de données de pharmacologie des systèmes de médecine traditionnelle chinoise (TCMSP) en utilisant les critères suivants : biodisponibilité orale (OB) ≥30 % et ressemblance avec le médicament (DL) ≥0,18. Les cibles correspondantes des composants actifs identifiés ont ensuite été collectées. Ces seuils sont largement adoptés dans les études de pharmacologie en réseau pour filtrer les composés aux propriétés pharmacocinétiques favorables et au potentiel accru de devenir des molécules similaires aux médicaments34,35. Pour améliorer la fiabilité de la sélection des composés et réduire les biais liés au criblage à base de données unique, la validation croisée a été réalisée à l’aide de la base de données BATMAN-TCM. BATMAN-TCM est une base de données intégrative qui stocke les interactions connues et prédites entre les ingrédients de la MTC et les protéines cibles, facilitant l’exploration des mécanismes pharmacologiques de la MTC et la découverte de médicaments. La version mise à jour 2.0 offre un ensemble de données TTI considérablement élargi et des fonctionnalités améliorées, ce qui en fait une ressource précieuse pour comprendre les mécanismes moléculaires de la MTC et développer de nouveaux traitements pour les maladies complexes. Les composés sans cibles prédites ou avec des scores de cibles BATMAN-TCM inférieurs à 20 ont été exclus. De plus, des composés avec des valeurs d’OB relativement faibles mais avec des cibles prédites dans BATMAN-TCM et des activités pharmacologiques bien documentées (par exemple, anthraquinones et flavonoïdes) ont été conservés grâce à la curation de la littérature. Pour réduire davantage les composants potentiels faussement positifs, les hormones endogènes et les substances similaires à des neurotransmetteurs (par exemple, la progestérone et la sérotonine) ont été éliminées manuellement. L’ensemble composé final a été utilisé pour la prédiction ultérieure des cibles et la construction du réseau. Le flux de travail détaillé est illustré dans la Figure Supplémentaire 1. La liste finale des composants actifs est fournie dans le Tableau Supplémentaire 1.

Les identifiants SMILES (une méthode de notation linéaire utilisant des chaînes ASCII pour décrire la structure chimique des molécules. En employant des symboles et règles spécifiques, il encode atomes, liaisons chimiques et topologie moléculaire en une chaîne continue de caractères sans espaces, permettant un stockage et une transmission concis, non ambiguës et lisibles par ordinateur de chaque composant actif ont été extraits de la base de données PubChem et les cibles potentielles ont été prédites à l’aide de la prédiction suisse de cibles, avec le paramètre de l’organisme réglé sur « Homo sapiens » et un seuil de probabilité de >0 appliqué. Les ensembles de cibles obtenus à partir des deux bases de données ont été fusionnés, et les entrées en double ont été supprimées pour générer l’ensemble de cibles candidates finale pour le DCQD.

Il est important de noter que Mirabilitum (Mangxiao, Na₂SO₄·10H₂O), un médicament minéral dans le DCQD, n’est pas inclus dans les bases de données TCMSP ou autres bases de données composés-cibles similaires. Par conséquent, en raison de cette limitation de la base de données, le réseau composant-cible construit dans cette étude n’englobe pas les contributions potentielles de Mirabilitum. Le réseau repose donc sur les constituants phytochimiques des trois autres composants herbaciques : Rheum palmatum, Magnolia officinalis et Citrus aurantium.

Analyse d’enrichissement des cibles DCQD
Les cibles DCQD ont été importées dans la base de données Metascape pour une analyse d’enrichissement, l’espèce étant limitée à « Homo sapiens ». Des analyses d’enrichissement de l’ontologie génique (GO) et de l’encyclopédie des gènes et génomes de Kyoto (KEGG) ont été réalisées, les premières englobant les processus biologiques (BP), les composants cellulaires (CC) et les fonctions moléculaires (MF). Les 6 premiers résultats d’enrichissement GO et les 20 premiers résultats d’enrichissement KEGG ont été sélectionnés. Les graphiques de barres KEGG et GO ont été générés à l’aide de l’outil en ligne de bioinformatique. Les données ont été importées via le package DOSE dans R pour construire le diagramme en barres de l’ontologie de la maladie (DO).

Construction du réseau « Herbal Medicine-Component-Target »
Les composants pertinents de DCQD et leurs cibles correspondantes ont été importés dans Cytoscape 3.10.3 pour construire un schéma réseau illustrant les relations « médecine à base de plantes-composant-cible ». Le plugin CytoNCA a été utilisé pour calculer les valeurs de degré, et les 5 principaux composants actifs ont été sélectionnés selon le classement.

Récupération des cibles ARDS à partir de bases de données publiques
En utilisant « syndrome de détresse respiratoire aiguë » comme mot-clé, les cibles liées au SDRA ont été extraites des bases de données OMIM et GeneCards. Dans les Cartes Génétiques, des cibles avec un score de pertinence >5 étaient sélectionnées. Après fusion et suppression des doublons des deux bases de données, un ensemble de cibles candidates pour ARDS a été obtenu.

Analyse bioinformatique
Le jeu de données GSE32707 lié à la sepsis-ARDS (plateforme GPL570, n = 45), comprenant des données RNA-seq provenant de cellules mononucléaires du sang périphérique de 30 patients atteints de SDRA induit par septicémie et de 15 témoins sains, a été téléchargé depuis la base de données GEO du NCBI. Les données étaient importées via le package GEOquery dans R, et la normalisation était effectuée à l’aide du package limma pour minimiser la variabilité entre échantillons. Les gènes différenciellement exprimés (DEG) ont été identifiés à l’aide des seuils |log 2FC| > 1 et p < 0,05. La visualisation a été réalisée via des graphiques volcaniques et des cartes thermiques. Des analyses d’enrichissement GO et KEGG ont été réalisées pour l’analyse des voies, avec des résultats présentés sous forme de diagrammes à bulles et de diagrammes en barres.

Prédiction des cibles potentielles pour la DCQD dans le traitement du SDRA
Un diagramme de Venn a été généré à l’aide de l’outil en ligne bioinformatique pour comparer les DEG, les cibles liées à l’ARDS issues de bases de données publiques et les cibles de médicaments DCQD, identifiant ainsi les cibles thérapeutiques potentielles de la DCQD pour le SDRA.

Construction du réseau d’interactions protéine-protéine (IPP) et dépistage des cibles principales
Les cibles qui se chevauchent ont été importées dans la base de données STRING avec l’espèce définie sur « Homo sapiens » et un seuil de score d’interaction de 0,4. Les données du réseau PPI ont été exportées au format TSV et visualisées à l’aide de Cytoscape 3.10.3. Le plugin CytoHubba a été utilisé pour filtrer les 10 principales cibles en fonction du MCC, du MNC, du degré, de l’EPC, de l’intermédiaire, de la proximité, de la radialité et des scores de stress. L’intersection de ces cibles a donné 5 cibles principales.

Construction du réseau « Phytothérapie-Composant-Cible-Maladie »
Sur la base des cibles qui se chevauchent, les composants DCQD correspondants ont été identifiés. Les composants concernés, ainsi que leurs cibles associées et leurs liens avec la maladie, ont été importés dans Cytoscape 3.10.3 pour construire un schéma en réseau illustrant les relations « médecine à base de plantes, composant-cible maladie ».

Analyse d’enrichissement des cibles principales et construction du réseau « composant-médecine à base de plantes, cible-pathway de la maladie »
Pour explorer les fonctions biologiques potentielles et les voies de signalisation clés de la DCQD dans le traitement du SDRA, les cibles principales ont été soumises à des analyses d’enrichissement GO et KEGG dans Metascape (espèce : « Homo sapiens »). Les 10 meilleurs résultats de GO et les 13 premiers des résultats d’enrichissement KEGG ont été sélectionnés. La visualisation a été réalisée à l’aide d’outils bioinformatiques pour générer des graphiques de bulles KEGG, des graphiques en barres GO et des graphiques de bulles de Sankey. De plus, sur la base des résultats d’enrichissement fonctionnel, un diagramme en réseau a été construit dans Cytoscape 3.10.3 pour illustrer les relations « composante de médecine à base de plantes, cible et voie maladie ».

Amarrage moléculaire et visualisation
Les structures moléculaires secondaires des composés ont été extraites de la base de données PubChem, tandis que les structures 3D des cibles principales ont été obtenues à partir de la base de données PDB (http://www.rcsb.org/). Les molécules d’eau et les résidus d’acides aminés ont été éliminés à l’aide de PyMOL. Les protéines cibles et les composés étaient importés dans l’AutoDock pour un amarrage moléculaire afin de calculer les énergies de liaison. La visualisation a été réalisée à l’aide de PyMOL. Une carte thermique d’énergie de liaison a été générée à l’aide du package pheatmap dans R, avec des cibles centrales sur l’axe des x, des composés sur l’axe des y, et un gradient de couleur représentant les énergies de liaison. Des diagrammes d’interaction bidimensionnels des résultats d’amarrage ont été générés à l’aide de Discovery Studio Visualizer 4.5. Un docking moléculaire a été réalisé pour évaluer la faisabilité de la liaison entre les composés et les cibles, plutôt que pour prédire l’efficacité inhibitrice réelle.

Construction du modèle souris ARDS
Cette étude a été approuvée par le comité d’éthique médicale de l’hôpital Dushu Lake de Suzhou (2410008). Des mâles en bonne santé de C57BL/6J (n = 30 ; 20 ± 5 g) ont été obtenus. Les souris ont été divisées en groupe témoin (n = 10), groupe LPS (n = 10, LPS 10 mg/kg) et groupe DCQD (n = 10, recevant DCQD 0,9 g/kg par gavage oral combiné à LPS 10 mg/kg). Les souris du groupe LPS ont reçu une injection intrapéritonéale de LPS. Les souris du groupe DCQD ont reçu une DCQD de 0,9 g/kg par gavage oral immédiatement après l’injection intrapéritonéale de LPS. Les mesures ont été prises immédiatement avant et après l’extraction pulmonaire de toutes les souris. Par la suite, les tissus pulmonaires étaient stockés à -80 °C.

Analyse du Western blot (WB)
Les protéines ont été isolées à partir de lysats de tissus pulmonaires de souris, et leurs concentrations ont été mesurées à l’aide d’un kit de quantification des protéines BCA. Par la suite, les protéines ont été dénaturées en ébullition à 95 °C pendant 10 minutes. Les protéines dénaturées ont été séparées sur un gel SDS-PAGE à 10 % préparé avec un kit de préparation de gel, puis transférées dans une membrane PVDF. Pour éviter la liaison non spécifique, les membranes du PVDF ont été bloquées à température ambiante pendant 5 minutes à l’aide d’un tampon de blocage rapide sans protéines. Après lavage avec PBST, les membranes ont été incubées toute la nuit à 4 °C avec des anticorps primaires contre MMP9, HSP90, MYC et ARG1. Après un autre lavage avec PBST, les membranes ont été incubées pendant 2 heures à température ambiante avec de l’IgG(H+L) anti-lapin, conjugué à HRP. Enfin, le substrat du kit de détection de chimiluminescence ultra-sensible a été appliqué, et des bandes protéiques chimiluminescentes ont été détectées à l’aide d’un système d’imagerie chimiluminescence BIO-RAD. L’analyse en niveaux de gris a été réalisée avec ImageJ. Les anticorps utilisés dans cette expérience sont listés dans le Tableau Supplémentaire 2.

Analyse par immunosorbent lié aux enzymes (ELISA)
Premièrement, le liquide de lavage bronchoalvéolaire (BALF) a été prélevé en effectuant trois lavages avec 2 mL de solution saline. Les fluides de lavage obtenus ont été regroupés et centrifugés à 10 000 g pendant 10 minutes pour retirer les cellules. Le surnageant était ensuite aspiré et stocké congelé dans de l’azote liquide. Par la suite, les concentrations de cytokines cibles ont été déterminées selon les instructions du fabricant à l’aide du kit IL-6 ELISA, du kit IL-18 ELISA de la souris et du kit ELISA TNF-alpha de la souris. Ensuite, la plaque de réaction était placée dans un lecteur de microplaque, et la valeur de densité optique (OD) de chaque puits était mesurée à une longueur d’onde de 450 nm, le puits de contrôle blanc étant utilisé pour zéro ajustement. Enfin, une courbe standard a été tracée à partir des concentrations et des valeurs OD correspondantes des étalons. La concentration du facteur cible dans chaque échantillon a été calculée selon l’équation de la courbe standard.

Analyse statistique
Les données ont été analysées à l’aide de GraphPad Prism 10.1.2. La signification des différences entre les groupes a été évaluée statistiquement par analyse unidirectionnelle de la variance ou test t de Student. Si la valeur de P est inférieure à 0,05, la différence est considérée comme significative ; si la valeur P est inférieure à 0,01, elle est considérée comme très significative.

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Résultats

Analyse de bioactivité de la DCQD
Pour démêler les mécanismes moléculaires sous-jacents à la bioactivité de la DCQD, les cibles potentielles ont d’abord été identifiées en criblant les bases de données suisses de prédiction de cibles et TCMSP. Un total de 16 composants provenant de rhubarbe, 17 d’orange amer immature et 2 d’écorce de magnolia ont été appariés, fournissant 614 cibles potentielles (Figure 1A). Par la suite, un diagramme en réseau a été construit pour visual...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Discussion

Le SDRA est devenu une maladie pulmonaire potentiellement mortelle, imposant un fardeau important aux soins de santé mondiaux, avec une incidence annuelle de 1,5 à 79 cas pour 100 000 personnes et des taux de mortalité allant de 34,9 % à 46,1 % selon les niveauxde gravité 37. Malgré les avancées des stratégies de ventilation mécanique, notamment la ventilation protectrice pulmonaire et la position prone, les résultats cliniques restent sous-optimaux en raison de l...

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Déclarations de divulgation

Les auteurs affirment que la recherche a été menée en l’absence de toute relation commerciale ou financière pouvant être considérée comme un conflit d’intérêts potentiel. L’IA générative et les technologies assistées par IA n’ont pas été utilisées dans la préparation de ce travail.

Remerciements

Cette étude a été soutenue par la Fondation nationale des sciences naturelles de Chine (Numéro de subvention : 82570078).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Matériaux

Liste des matériaux utilisés dans cet article
NomEntrepriseNuméro de catalogueCommentaires
Anticorps polyclonal arginase-1Protein Tech Group Inc., États-Unis16001-1-AP
AutoDockL’Institut de recherche ScrippsNAhttp://autodock.scripps.edu/
Base de données BATMAN-TCM & nbsp ;Université de médecine chinoise de PékinNAhttp://bionet.ncpsb.org.cn/batman-tcm/
Kit de quantification des protéines BCAServicebioG2026
BioinformatiqueBioinformatiqueNAhttps://www.bioinformatics.com.cn/
Système d’imagerie chimioluminescence BIO-RADThermo Fisher Scientifichttps://www.bio-rad.com/en-in/category/chemidoc-imaging-systems?ID=NINJ0Z15
Souris C57BL/6JHangzhou Ziyuan Laboratory Animal Technology Co., Ltd
anticorps polyclonal c-MYCProtein Tech Group Inc., États-Unis10828-1-AP
CytoscapeCytoscapeVersion 3.10.3https://cytoscape.org/
DCQDLe département de médecine traditionnelle chinoise de l’hôpital Dushu Lake de Suzhou
Visualiseur Discovery Studio   ;DécouverteVersion 4.5
GraphPad Prism  ;Dotmaticsversion 10.1.2https://www.graphpad.com/
Anticorps polyclonal GAPDHProtein Tech Group Inc., États-Unis10494-1-AP
Kit de préparation du gelServicebioG2003
GeneCards  ; Base de donnéesCentre du génome humain CrownNAhttps://previous.genecards.org/
Base de données GEOCentre national d’information biotechnologique (NCBI)GSE32707 (plateforme GPL570, n=45)
Affinipure IgG(H+L) conjugué à HRPProtein Tech Group Inc., États-UnisSA00001-2
Anticorps polyclonal HSP90Protein Tech Group Inc., États-Unis13171-1-AP
Lipopolysaccharides (LPS)SolarbioL8880
Base de données MetascapeNIHNAhttps://metascape.org/gp/index
Lecteur de microplaquesBioTeKhttps://www.agilent.com/en/product/cell-analysis/microplate-readers?srs
ltid=AfmBOoqJhJhNJW6vNU
fnskFb9jjcTgXww1A1km-JVP
P1SScq1Mx78HBi
Anticorps polyclonal MMP-9 (N-terminal)Protein Tech Group Inc., États-Unis10375-2-AP
Kit IL-18 ELISA de la sourisServicebioGEH0010
Kit IL-6 ELISA de sourisServicebioGEM0001
Kit ELISA TNF-alpha de sourisServicebioGEH0004
Base de données OMIMUniversité Johns HopkinsNAhttps://www.omim.org/
Omni-ECL et commerce ; Kit de détection de chimiluminescence ultra-sensibleEpizyme BiotechSQ201
Base de données PDBRCSBNAhttp://www.rcsb.org/
Tampon de blocage rapide sans protéinesEpizyme BiotechG2052
Base de données PubChemCentre national d’information biotechnologique (NCBI)https://pubchem.ncbi.nlm.nih.gov/
Membrane PVDFMerckNA
PyMOLSchrödingerVersion 3.10.3
Base de données STRINGCoalition mondiale de biodonnées et ÉlixirNAhttps://cn.string-db.org/
Base de données suisse de prédiction des ciblesInstitut suisse de bioinformatiqueNAhttp://www.swisstargetprediction.cn/
Base de données des systèmes de pharmacologie de la médecine traditionnelle chinoise (TCMSP)Université polytechnique du Nord-OuestVersion 2.3https://www.tcmsp-e.com/

Références

  1. ARDS Definition task force. Acute respiratory distress syndrome: the Berlin definition. JAMA. 307 (23), 2526-2533 (2012).
  2. Ashbaugh, D. G., Bigelow, D. B., Petty, T. L., Levine, B. E. Acute respiratory distress in adults. Lancet. 2 (7511), 319-323 (1967).
  3. Matthay, M. A., et al. A new global definition of acute respiratory distress syndrome. Am. J. Respir. Crit. Care Med. 209 (1), 37-47 (2024).
  4. Jia, F., et al. A prediction model for 30-day mortality in patients with ARDS admitted to the intensive care unit. Eur J Med Res. 30 (1), 559(2025).
  5. Bos, L. D. J., Ware, L. B. Acute respiratory distress syndrome: causes, pathophysiology, and phenotypes. Lancet. 400 (10358), 1145-1156 (2022).
  6. Lippi, G., Mattiuzzi, C., Favaloro, E. J. Prone position and the risk of venous thrombosis in COVID-19 patients with respiratory failure. Semin Thromb Hemost. 50 (7), 1019-1021 (2024).
  7. Ball, L., et al. Understanding the pathophysiology of typical acute respiratory distress syndrome and severe COVID-19. Expert Rev Respir Med. 16 (4), 437-446 (2022).
  8. Battaglini, D., Iavarone, I. G., Rocco, P. R. M. An update on the pharmacological management of acute respiratory distress syndrome. Expert Opin Pharmacother. 25 (9), 1229-1247 (2024).
  9. Matera, M. G., Rogliani, P., Bianco, A., Cazzola, M. Pharmacological management of adult patients with acute respiratory distress syndrome. Expert Opin Pharmacother. 21 (17), 2169-2183 (2020).
  10. Rahman, M. M., et al. Natural therapeutics and nutraceuticals for lung diseases: Traditional significance, phytochemistry, and pharmacology. Biomed Pharmacother. 150, 113041(2022).
  11. Chen, Z., Ye, S. Y. Research progress on antiviral constituents in traditional Chinese medicines and their mechanisms of action. Pharm Biol. 60 (1), 1063-1076 (2022).
  12. Liu, Y., et al. Pharmacological mechanisms of traditional Chinese medicine against acute lung injury: From active ingredients to herbal formulae. Phytomedicine. 135, 155562(2024).
  13. Li, J., Shen, M., Yin, Z. Exploring the mechanism of action of xuebijing injection in treating acute respiratory distress syndrome based on network pharmacology and animal experiments. J Inflamm Res. 18, 6037-6047 (2025).
  14. Zhang, Y., Wang, J., Liu, Y. M., Yang, H., Wu, G. J., He, X. H. Analysis of the efficacy and mechanism of action of xuebijing injection on ARDS using meta-analysis and network pharmacology. BioMed Res Int. 2021, 8824059(2021).
  15. Mehta, P., et al. COVID-19: consider cytokine storm syndromes and immunosuppression. Lancet. 395 (10229), 1033-1034 (2020).
  16. Cavalcante-Silva, L. H. A., et al. Neutrophils and COVID-19: The road so far. Int Immunopharmacol. 90, 107233(2021).
  17. Zhang, Y., et al. Electroacupuncture alleviates LPS-induced ARDS through α7 nicotinic acetylcholine receptor-mediated inhibition of ferroptosis. Front Immunol. 13, 832432(2022).
  18. Zhang, H., et al. Pharmacodynamic advantages and characteristics of traditional Chinese medicine in prevention and treatment of ischemic stroke. Chin Herb Med. 15 (4), 496-508 (2023).
  19. Liu, Z., et al. Dachengqi Decoction alleviates intestinal inflammation in ovalbumin-induced asthma by reducing group 2 innate lymphoid cells in a microbiota-dependent manner. J Tradit Complement Med. 13 (2), 183-192 (2023).
  20. Shuhan, W., et al. Dachengqi decoction ameliorated liver injury in liver fibrosis mice by maintaining gut vascular barrier integrity. Phytomedicine. 136, 156272(2025).
  21. Yin, F. T., et al. Prediction of the mechanism of Dachengqi Decoction treating colorectal cancer based on the analysis method of " into serum components -action target-key pathway.". J Ethnopharmacol. 293, 115286(2022).
  22. Chen, Z., et al. Dachengqi Decoction attenuates inflammatory response via inhibiting HMGB1 mediated NF-κB and P38 MAPK signaling pathways in severe acute pancreatitis. Cell Physiol Biochem. 37 (4), 1379-1389 (2015).
  23. Zhu, Q., et al. Large Chengqi Decoction improves sepsis-related intestinal damage by inhibiting inflammatory response through the HMGB1-TLR4 signaling pathway. J Inflamm Res. 18, 5415-5425 (2025).
  24. Vajdi, M., Karimi, A., Karimi, M., Abbasalizad Farhangi, M., Askari, G. Effects of luteolin on sepsis: A comprehensive systematic review. Phytomedicine. 113, 154734(2023).
  25. Gao, L. L., Wang, Z. H., Mu, Y. H., Liu, Z. L., Pang, L. Emodin promotes autophagy and prevents apoptosis in sepsis-associated encephalopathy through activating BDNF/TrkB signaling. Pathobiology. 89 (3), 135-145 (2022).
  26. Fu, W., et al. Emodin inhibits NLRP3 inflammasome activation and protects against sepsis via promoting FUNDC1-mediated mitophagy. Int J Biol Sci. 21 (8), 3631-3648 (2025).
  27. Chunlian, W., Heyong, W., Jia, X., Jie, H., Xi, C., Gentao, L. Magnolol inhibits tumor necrosis factor-α-induced ICAM-1 expression via suppressing NF-κB and MAPK signaling pathways in human lung epithelial cells. Inflammation. 37 (6), 1957-1967 (2014).
  28. Zhang, M., et al. Dachengqi decoction dispensing granule ameliorates LPS-induced acute lung injury by inhibiting PANoptosis in vivo and in vitro. J Ethnopharmacol. 336, 118699(2025).
  29. Li, J., et al. Macrophagedriven pathogenesis in acute lung injury/acute respiratory disease syndrome: Harnessing natural products for therapeutic interventions (Review). Mol Med Rep. 31 (1), 16(2025).
  30. He, Y. Q., et al. Natural product derived phytochemicals in managing acute lung injury by multiple mechanisms. Pharmacol Res. 163, 105224(2021).
  31. He, T., et al. Integrating network pharmacology and non-targeted metabolomics to explore the common mechanism of Coptis Categorized Formula improving T2DM zebrafish. J Ethnopharmacol. 284, 114784(2022).
  32. Liu, D., Zhang, Y., Bai, B., Xiong, X., Zhou, Q., Shi, R. Integration of single-cell RNA sequencing and network pharmacology to elucidate the effect of Yantiao Formula on alleviating ALI by regulating the polarization of alveolar macrophages. J Ethnopharmacol. 343, 119436(2025).
  33. Mao, X., et al. Toosendanin alleviates acute lung injury by reducing pulmonary vascular barrier dysfunction mediated by endoplasmic reticulum stress through mTOR. Phytomedicine. 136, 156277(2025).
  34. Li, X., Liu, Z., Liao, J., Chen, Q., Lu, X., Fan, X. Network pharmacology approaches for research of Traditional Chinese Medicines. Chin J Nat Med. 21 (5), 323-332 (2023).
  35. Zhao, L., et al. Network pharmacology, a promising approach to reveal the pharmacology mechanism of Chinese medicine formula. J Ethnopharmacol. 309, 116306(2023).
  36. Hsin, K. Y., Ghosh, S., Kitano, H. Combining machine learning systems and multiple docking simulation packages to improve docking prediction reliability for network pharmacology. PloS One. 8 (12), e83922(2013).
  37. Mannes, P. Z., et al. Molecular imaging of chemokine-like receptor 1 (CMKLR1) in experimental acute lung injury. Proc Nat Acad Sci U. 120 (3), e2216458120(2023).
  38. Lu, Y., Li, W., Qi, S., Cheng, K., Wu, H. Mapping knowledge structure and emerging trends of extracorporeal membrane oxygenation for acute respiratory distress syndrome: a bibliometric and visualized study. Front Med. 11, 1365864(2024).
  39. Sherman, E., Han, M. H. Acute and chronic management of neuromyelitis optica spectrum disorder. Curr Treat Options Neurol. 17 (11), 48(2015).
  40. Piccinini, A. M., Midwood, K. S. DAMPening inflammation by modulating TLR signalling. Mediators Inflamm. 2010, 672395(2010).
  41. Al-Husinat, L., et al. A narrative review on the future of ARDS: evolving definitions, pathophysiology, and tailored management. Crit Care. 29 (1), 88(2025).
  42. Ma, W., et al. Advances in acute respiratory distress syndrome: focusing on heterogeneity, pathophysiology, and therapeutic strategies. Signal Transduct Target Ther. 10 (1), 75(2025).
  43. Cao, Z., et al. Targeting of the pulmonary capillary vascular niche promotes lung alveolar repair and ameliorates fibrosis. Nat Med. 22 (2), 154-162 (2016).
  44. Fang, C., Wang, Y., Pan, Z. Formation of self-assembly aggregates in traditional Chinese medicine decoctions and their application in cancer treatments. RSC advances. 15 (7), 5476-5506 (2025).
  45. Shuhan, W., et al. Dachengqi decoction ameliorated liver injury in liver fibrosis mice by maintaining gut vascular barrier integrity. Phytomedicine. 136, 156272(2025).
  46. Pan, G., Wu, Y., Liu, Y., Zhou, F., Li, S., Yang, S. Dachengqi decoction ameliorates sepsis-induced liver injury by inhibiting the TGF-β1/Smad3 pathways. Journal of Traditional and Complementary Medicine. 14 (3), 256-265 (2024).
  47. Guo, W., et al. Dachengqi decoction for the treatment of acute pancreatitis: a comprehensive analysis based on metabolites, pharmacokinetics, and metabolites efficacy mechanisms. Front Pharmacol. 16, 1549909(2025).
  48. Yin, F. T., et al. Prediction of the mechanism of Dachengqi Decoction treating colorectal cancer based on the analysis method of " into serum components -action target-key pathway.". J Ethnopharmacol. 293, 115286(2022).
  49. Hu, X., Liu, S., Zhu, J., Ni, H. Dachengqi decoction alleviates acute lung injury and inhibits inflammatory cytokines production through TLR4/NF-κB signaling pathway in vivo and in vitro. J Cell Biochem. 120 (6), 8956-8964 (2019).
  50. Yang, J. Y., et al. Material basis and molecular mechanism of Dachengqi Decoction in treatment of acute pancreatitis based on network pharmacology. Chin J Chin Materia Medica. 45 (6), 1423-1432 (2020).
  51. Lu, X., et al. Integrating network pharmacology, transcriptome and artificial intelligence for investigating into the effect and mechanism of ning fei ping xue decoction against the acute respiratory distress syndrome. Front Pharmacol. 12, 731377(2021).
  52. Liang, X., et al. Study on intervention mechanism of yiqi huayu jiedu decoction on ARDS based on network pharmacology. Evid-Based Complement Alternat Med. 2020, 4782470(2020).
  53. Yang, B., Liu, X., Liang, Y., Li, Y. Chemical inhibition of HSP90 inhibits TNF-α mediated proliferation and induces apoptosis in human rheumatoid arthritis fibroblast-like synoviocytes. J Cell Biochem. 120 (2), 2547-2553 (2019).
  54. Zhang, X., et al. Ponicidin-induced conformational changes of HSP90 regulates the MAPK pathway to relieve ulcerative colitis. J Ethnopharmacol. 321, 117483(2024).
  55. Albakova, Z. HSP90 multi-functionality in cancer. Front Immunol. 15, 1436973(2024).
  56. Chien, L. H., Deng, J. S., Jiang, W. P., Chou, Y. N., Lin, J. G., Huang, G. J. Evaluation of lung protection of Sanghuangporus sanghuang through TLR4/NF-κB/MAPK, keap1/Nrf2/HO-1, CaMKK/AMPK/Sirt1, and TGF-β/SMAD3 signaling pathways mediating apoptosis. Biomed Pharmacother. 165, 115080(2023).
  57. Warburton, D., Shi, W., Xu, B. TGF-β-Smad3 signaling in emphysema and pulmonary fibrosis: an epigenetic aberration of normal development. Am J Physiol Lung Cell Mol Physiol. 304 (2), L83-L85 (2013).
  58. Yadav, P., et al. Macrophage-fibroblast crosstalk drives Arg1-dependent lung fibrosis via ornithine loading. bioRxiv: The Preprint Server for Biology. , (2024).
  59. Lamoke, F., et al. Amyloid β peptide-induced inhibition of endothelial nitric oxide production involves oxidative stress-mediated constitutive eNOS/HSP90 interaction and disruption of agonist-mediated Akt activation. J Neuroinflamm. 12, 84(2015).

Accès restreint. Veuillez vous connecter ou commencer un essai pour afficher ce contenu.

Réimpressions et autorisations

Étiquettes

Réseau d'interaction protéiquesignalisation des chimiokinesrécepteur NOD-likepiège extracellulaire neutrophiliqueamarrage moléculaireréponse inflammatoire
Contactez-nous
Recommander à la bibliothèque

Confidentialité

Conditions d’utilisation

Politiques

Copyright © 2026 MyJoVE Corporation. Tous droits réservés.