Tutti i materiali, inclusi database, software e reagenti sperimentali, utilizzati in questo studio sono elencati nella Tabella dei Materiali. Tutte le procedure sperimentali sono state approvate dal Comitato Etico Animale dell'Ospedale del Lago Suzhou Dushu (numero di permesso: 2410008).
Screening dei componenti attivi e acquisizione del bersaglio del DCQD
I componenti attivi delle erbe costituenti rabarbaro, mirabilite, corteccia di magnolia e arancia amara immatura nella Decocción Da-Cheng-Qi (DCQD) sono stati selezionati dal database della farmacologia dei sistemi di medicina tradizionale cinese (TCMSP) utilizzando i seguenti criteri: biodisponibilità orale (OB) ≥30% e somiglianza farmaco-farmaco (DL) ≥0,18. I corrispondenti bersagli dei componenti attivi identificati sono stati quindi raccolti. Queste soglie sono ampiamente adottate negli studi di farmacologia di rete per filtrare composti con proprietà farmacocinetiche favorevoli e un maggiore potenziale di essere molecole simili a un farmaco34,35. Per migliorare l'affidabilità della selezione dei composti e ridurre il bias derivante dallo screening a singolo database, è stata effettuata la validazione incrociata utilizzando il database BATMAN-TCM. BATMAN-TCM è un database integrativo che memorizza interazioni note e previste tra ingredienti della MTC e proteine bersaglio, aiutando nell'esplorazione dei meccanismi farmacologici della MTC e nella scoperta di farmaci. La versione aggiornata 2.0 offre un dataset TTI significativamente ampliato e funzionalità migliorate, rendendola una risorsa preziosa per comprendere i meccanismi molecolari della MTC e sviluppare nuovi trattamenti per malattie complesse. I composti senza bersagli previsti o con punteggi BATMAN-TCM inferiori a 20 sono stati esclusi. Inoltre, composti con valori OB relativamente bassi ma con bersagli previsti in BATMAN-TCM e attività farmacologiche ben documentate (ad esempio, antracinoni e flavonoidi) sono stati mantenuti tramite la selezione della letteratura. Per ridurre ulteriormente i potenziali componenti falsi positivi, ormoni endogeni e sostanze simili a neurotrasmettitori (ad esempio, progesterone e serotonina) sono stati esclusi manualmente. Il set composto finale veniva utilizzato per la successiva previsione dei bersagli e la costruzione della rete. Il flusso di lavoro dettagliato è illustrato nella Figura Supplementare 1. L'elenco finale dei componenti attivi è fornito nella Tabella Supplementare 1.
Gli identificatori SMILES (un metodo di notazione lineare che utilizza stringhe ASCII per descrivere la struttura chimica delle molecole. Utilizzando simboli e regole specifiche, codifica atomi, legami chimici e topologia molecolare in una stringa continua di caratteri senza spazi, permettendo una memorizzazione concisa, inequivocabile e leggibile al computer di informazioni molecolari di ogni componente attivo dal database PubChem e i potenziali target venivano previsti utilizzando la previsione svizzera dei bersagli, impostando il parametro dell'organismo su 'Homo sapiens' e applicando un cutoff di punteggio di probabilità di >0. I set target ottenuti da entrambi i database sono stati uniti e le voci duplicate sono state rimosse per generare il set target candidato finale per DCQD.
È importante notare che Mirabilitum (Mangxiao, Na₂SO₄·10H₂O), un farmaco minerale nel DCQD, non è incluso nel TCMSP o nei database composti-target simili. Di conseguenza, a causa di questa limitazione del database, la rete componente-bersaglio costruita in questo studio non comprende i potenziali contributi di Mirabilitum. La rete si basa quindi sui costituenti fitochimici degli altri tre componenti erboristici: Rheum palmatum, Magnolia officinalis e Citrus aurantium.
Analisi dell'arricchimento dei target DCQD
I bersagli DCQD sono stati importati nel database metascape per l'analisi di arricchimento, con la specie limitata a "Homo sapiens". Sono state effettuate analisi di arricchimento dell'ontologia genica (GO) e della Kyoto encyclopedia of genes and genomes (KEGG), con le prime che comprendevano processi biologici (BP), componenti cellulari (CC) e funzioni molecolari (MF). Sono stati selezionati i primi 6 risultati di arricchimento GO e i primi 20 risultati di arricchimento KEGG. I grafici a barre KEGG e GO sono stati generati utilizzando lo strumento online di bioinformatica. I dati venivano importati tramite il pacchetto DOSE in R per costruire il grafico a barre dell'ontologia della malattia (DO).
Costruzione della rete "Erboristica-Componenti-Bersaglio"
I componenti rilevanti di DCQD e i loro corrispondenti target sono stati importati in Cytoscape 3.10.3 per costruire un diagramma di rete che illustrasse le relazioni "medicina erboristica-componente-bersaglio". Il plugin CytoNCA è stato utilizzato per calcolare i valori dei Degree, e i primi 5 componenti attivi sono stati selezionati in base al ranking.
Recupero di target ARDS da database pubblici
Utilizzando "sindrome da difficoltà respiratoria acuta" come parola chiave, i bersagli correlati all'ARDS sono stati recuperati dai database OMIM e GeneCards. Nelle Gene Card, venivano selezionati bersagli con un punteggio di rilevanza >5. Dopo la fusione e la rimozione dei duplicati da entrambi i database, è stato ottenuto un set di target candidato per ARDS.
Analisi bioinformatica
Il dataset correlato a sepsi-ARDS GSE32707 (piattaforma GPL570, n = 45), che comprende dati RNA-seq da cellule mononucleari del sangue periferico di 30 pazienti con ARDS indotti da sepsi e 15 controlli sani, è stato scaricato dal database GEO NCBI. I dati venivano importati utilizzando il pacchetto GEOquery in R, e la normalizzazione veniva eseguita usando il pacchetto limma per minimizzare la variabilità tra campioni. I geni espressi differenzialmente (DEG) sono stati identificati utilizzando le soglie |log 2FC| > 1 e p < 0,05. La visualizzazione è stata condotta tramite grafici vulcanici e heatmap. Sono state effettuate analisi di arricchimento GO e KEGG per l'analisi dei percorsi, con i risultati presentati come bubble plot e bar plot.
Previsione dei potenziali target per DCQD nel trattamento ARDS
Un diagramma di Venn è stato generato utilizzando lo strumento bioinformatica online per confrontare i DEG, i target correlati all'ARDS dai database pubblici e i target dei farmaci DCQD, identificando così potenziali target terapeutici della DCQD per ARDS.
Costruzione della rete di interazione proteina-proteina (PPI) e screening dei target principali
I bersagli sovrapposti sono stati importati nel database STRING con la specie impostata su "Homo sapiens" e una soglia di punteggio di interazione di 0,4. I dati della rete PPI sono stati esportati in formato TSV e visualizzati utilizzando Cytoscape 3.10.3. Il plugin CytoHubba è stato applicato per selezionare i primi 10 obiettivi basandosi su MCC, MNC, grado, EPC, intermedio, vicinanza, radialità e punteggi di stress. L'intersezione di questi obiettivi ha prodotto 5 obiettivi principali.
Costruzione della rete "Medicina-Erboristica-Componente-Target-Malattia"
Sulla base dei bersagli sovrapposti, sono stati identificati i corrispondenti componenti DCQD. I componenti rilevanti, insieme ai loro target associati e ai collegamenti con la malattia, sono stati importati in Cytoscape 3.10.3 per costruire un diagramma di rete che illustrasse le relazioni "medicina erboristica-componente-bersaglio-malattia".
Analisi dell'arricchimento dei target principali e costruzione della rete "componente di medicina erboristica-bersaglio-percorso malattia"
Per esplorare le potenziali funzioni biologiche e le vie chiave di segnalazione della DCQD nel trattamento ARDS, i bersagli principali sono stati sottoposti ad analisi di arricchimento GO e KEGG in Metascape (specie: "Homo sapiens"). Sono stati selezionati i primi 10 risultati di arricchimento GO e i primi 13 dei risultati di arricchimento KEGG. La visualizzazione è stata effettuata utilizzando strumenti bioinformatici per generare grafici a bolle KEGG, grafici a barra GO e grafici a bolle Sankey. Inoltre, sulla base dei risultati dell'arricchimento funzionale, è stato costruito un diagramma di rete in Cytoscape 3.10.3 per illustrare le relazioni "componente di medicina erboristica-bersaglio-percorso malattia".
Aggancio molecolare e visualizzazione
Le strutture molecolari secondarie dei composti sono state recuperate dal database PubChem, mentre le strutture 3D dei target principali sono state ottenute dal database PDB (http://www.rcsb.org/). Le molecole d'acqua e i residui di amminoacidi sono stati rimossi utilizzando PyMOL. Proteine e composti bersaglio venivano importati in AutoDock per il docking molecolare e calcolare le energie di legame. La visualizzazione è stata effettuata utilizzando PyMOL. Una heatmap dell'energia di legame è stata generata utilizzando il pacchetto pheatmap in R, con obiettivi centrali sull'asse x, composti sull'asse y e un gradiente di colore che rappresenta le energie di legame. Diagrammi di interazione bidimensionali dei risultati dell'attracco sono stati generati utilizzando Discovery Studio Visualizer 4.5. Il docking molecolare è stato eseguito per valutare la fattibilità del legame tra composti e bersagli, piuttosto che per prevedere l'effettiva efficacia inibitoria.
Costruzione del modello topino ARDS
Questo studio è stato approvato dal comitato etico medico dell'Ospedale Suzhou Dushu Lake (2410008). Sono stati raccolti maschi sani di topi C57BL/6J (n = 30; 20 ± 5 g). I topi sono stati divisi in un gruppo di controllo (n = 10), un gruppo LPS (n = 10, LPS 10 mg/kg) e un gruppo DCQD (n = 10, ricevendo DCQD 0,9 g/kg tramite gavage orale combinato con LPS 10 mg/kg). I topi del gruppo LPS hanno ricevuto un'iniezione intraperitoneale di LPS. I topi del gruppo DCQD sono stati somministrati DCQD 0,9 g/kg tramite gavage orale immediatamente dopo l'iniezione intraperitoneale di LPS. Le misurazioni sono state effettuate immediatamente prima e dopo l'estrazione polmonare su tutti i topi. Successivamente, i tessuti polmonari venivano conservati a -80 °C.
Analisi del Western blot (WB)
Le proteine sono state isolate da lisati di tessuto polmonare di topo e le loro concentrazioni sono state misurate utilizzando un kit di quantificazione delle proteine BCA. Successivamente, le proteine sono state denaturate bollendo a 95 °C per 10 minuti. Le proteine denaturate sono state separate su un gel SDS-PAGE al 10% preparato con un kit di preparazione del gel, poi trasferite in una membrana PVDF. Per prevenire il legame aspecifico, le membrane PVDF sono state bloccate a temperatura ambiente per 5 minuti utilizzando un tampone rapido senza proteine. Dopo il lavaggio con PBST, le membrane sono state incubate durante la notte a 4 °C con anticorpi primari contro MMP9, HSP90, MYC e ARG1. Dopo un altro lavaggio con PBST, le membrane sono state incubate per 2 ore a temperatura ambiente con IgG(H+L) anticoniglio di capra coniugato con HRP. Infine, è stato applicato il substrato del kit di rilevamento chemiluminescenza ultra-sensibile e le bande proteiche chemiluminescenti sono state rilevate utilizzando un sistema di imaging chemiluminescente BIO-RAD. L'analisi in scala di grigi è stata effettuata con ImageJ. Gli anticorpi utilizzati in questo esperimento sono elencati nella Tabella Supplementare 2.
Analisi del saggio immunosorbente legato agli enzimi (ELISA)
Per prima cosa, il liquido di lavaggio broncoalveolare (BALF) è stato raccolto eseguendo tre lavaggi con 2 mL di soluzione salina. I fluidi di lavaggio risultanti sono stati raccolti e centrifugati a 10.000 g per 10 minuti per rimuovere le celle. Il soprantantante veniva poi aspirato e conservato congelato in azoto liquido. Successivamente, le concentrazioni delle citochine target sono state determinate seguendo le istruzioni del produttore utilizzando il kit Mouse IL-6 ELISA, il kit IL-18 ELISA del mouse e il kit TNF-alpha ELISA del tomo. Successivamente, la piastra di reazione veniva posta in un lettore di micropiastre e il valore di densità ottica (OD) di ciascun pozzo veniva misurato a una lunghezza d'onda di 450 nm, con il pozzo di controllo a vuoto usato per la regolazione zero. Infine, è stata tracciata una curva standard basata sulle concentrazioni e sui corrispondenti valori OD degli standard. La concentrazione del fattore target in ciascun campione è stata calcolata secondo l'equazione della curva standard.
Analisi statistica
I dati sono stati analizzati utilizzando GraphPad Prism 10.1.2. Il significato delle differenze tra i gruppi è stato valutato statisticamente tramite analisi unidirezionale della varianza o test t di Student. Se il valore P è inferiore a 0,05, la differenza è considerata significativa; se il valore P è inferiore a 0,01, è considerato altamente significativo.