Research Article

変形性関節症薬物標的の同定のためのメンデルランダム化トランスクリプトミクスおよびネットワーク薬理学

DOI:

10.3791/69569

⸱

January 23rd, 2026

 ,  ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1Smart minimally invasive orthopedics and interventional Medicine department, Nanchang Hongdu Hospital of Traditional Chinese Medicine, 2Nanchang Hongdu Hospital of Traditional Chinese Medicine, 3Jiangxi University of Chinese Medicine, 4Department of Orthopedic Hospital, the 1st Affiliated Hospital, Jiangxi Medical College, Nanchang University

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

私たちは、メンデルランダム化、トランスクリプトミクス解析、ネットワーク薬理学を統合し、変形性関節症の候補薬剤標的を体系的に同定する方法論的プロトコルを提示します。このアプローチは、遺伝的、発現的、相互作用の証拠を通じて、公開されているデータと計算ツールを用いてターゲットの優先順位付けを可能にします。

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本記事では、メンデルランダム化(MR)、トランスクリプトミクス解析、ネットワーク薬理学を組み合わせた統合的な手法を解説し、変形性関節症(OA)の治療対象を特定し優先順位付けします。このプログラムは、このマルチモーダルパイプラインを導入し、OAに対する薬物再利用や新規治療介入の開発を調査する研究者を導くことを目的としています。この方法論的枠組みは5段階の連続的段階で構成されています。まず、2サンプルMRを用いたMR解析パイプラインでOAに関連する推定因果血漿タンパク質を特定し、次にSteigerフィルタリングおよび現象全体の関連スキャンを行い、因果的方向性および潜在的なオフターゲット効果を評価します。第二に、RNAシークエンシングデータを統合して候補タンパク質標的を特定・精製するトランスクリプトミックシーケンシングワークフロー、第三に、MRとトランスクリプトムの結果を統合して候補タンパク質の優先順位付けを行う統合戦略;第四に、ネットワーク薬理学および分子ドッキング手法で、タンパク質間相互作用ネットワークの構築、機能富集解析、分子ドッキングによるリガンド-標的相互作用の探求;第五は意図された応用で、治療的関連性のある候補化合物や天然産物の優先順位付けに焦点を当てています。ワークフローを明確な分析段階に組織することで、このフレームワークは遺伝学的およびトランスクリプトムの発見から計算的薬物標的評価への移行を再現可能にし、具体的な実験結果を提示せずに提供します。この方法論は、公開されているデータセットと計算ツールを用いて、OA治療薬の体系的かつ仮説に基づく調査を促進します。

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

変形性関節症(OA)は軟骨の進行性劣化、軟骨下骨の変化、過度な骨の成長を特徴とします。現在では、世界中で障害や経済的負担の大きな原因となっています。現在の治療法は主にステロイドまたは非ステロイド性抗炎症薬(NSAIDs)を用いて痛みや炎症を和らげています。しかし、NSAIDsは消化器系や心血管系に望ましくない副作用を引き起こすことが多い3.関節置換手術は代替手段を提供しますが、約3分の1の患者は顕著な痛みの緩和や機能改善を経験しません。OAの分子メカニズムの理解が深まるにつれ、いくつかの有望な治療標的が浮上し、より精密かつ個別化された治療が可能になっています5.ヒトタンパク質が生物学的プロセスにおいて重要な役割を果たすことから、これらはOA薬の開発の重要な候補となります。Nelsonらは、遺伝子支持標的の選択が臨床開発における薬剤の高い失敗率の解決に役立つ可能性があると示唆しています6。

メンデルランダム化(MR)は、ゲノムワイド関連研究(GWAS)の単一塩基多型(SNP)を計測変数として用いて、曝露とアウトカムの因果関係を推定する遺伝学的手法です。観察研究と比較して、MRは受精時の遺伝子型のランダムな組み合わせを活用し、交絡因子を減らし因果関係を逆転させます。感度解析は多遺伝子多面性を説明し、因果関係を近似する推論を提供します。これらの強みにより、MRは多発性硬化症や関節リウマチなどの疾患の治療標的を特定するためにますます活用されています。しかし、MRに基づく予測は依然として実験的な検証を必要とし、トランスクリプトミクス解析を通じて主要な疾患関連遺伝子の優先順位付けが可能です。

ネットワーク薬理学は、システム生物学と計算ツールを組み合わせた学際的アプローチであり、病気は単一遺伝子変異ではなく生物学的ネットワークの乱れによって生じることが多いと提案します。12。この手法は、多成分薬剤の解析と、薬物・疾患データベースをマイニングすることでシステムレベルでの治療標的の予測を可能にします13。このフレームワークの重要な要素である分子ドッキングは、薬剤と標的間の結合親和性をシミュレートし、薬剤の可薬性を評価するものです。これらの進展にもかかわらず、MRとネットワーク薬理学をOAに統合した研究はほとんどありません。

本記事では、MR、トランスクリプトミクス解析、ネットワーク薬理学を統合し、OAの有効な治療標的として血漿タンパク質を特定するプロトコルを提示します。目的は、原因タンパク質の特定だけでなく、計算解析を通じて治療用化合物候補の優先順位をつけることです。

Access restricted. Please log in or start a trial to view this content.

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

南昌大学第一附属病院の生医学研究倫理委員会から倫理的承認とインフォームドコンセントを取得しました。倫理番号:(2025)CDYFYYLK(08-007)。

MR解析

データ検索
プラズマpQTLデータは、Zhengらによる研究(5つのGWASデータセット15、16、17、18、19)およびFerkingstadらによる研究から取得されました。データの対象基準は以下の通りです:(i) ゲノム全体で有意な関連(p < 5 × 10⁻⁸);および(ii)OAの潜在的な治療標的としての血漿タンパク質。研究デザインは図1にまとめられています。まず、IEU OpenGWASのGWASデータとZheng14およびFerkingstad20の研究(補足表S1および補足表S2)の血漿pQTLデータを用いて候補治療標的を特定しました。その後、シュタイガーフィルタリングと表現型スキャンを用いて結果の堅牢性を検証しました。IEU OpenGWAS(https://gwas.mrcieu.ac.uk/)は、股関節または膝のOA(n = 417,596)、膝のOA(n = 403,124)、および股関節OA(n = 393,873)の要約統計を取得するために使用されました21。

SNPフィルタリングコマンド

ゲノム全体有意(p < 5 × 10⁻⁸)を持つSNPは、MR解析前に凝集過程(r² < 0.001、F統計量>10、ウィンドウサイズ=10,000 kb)を受けました。

MR解析

潜在的な薬物標的を調査するために、血漿タンパク質を曝露として、OAを結果としてMR解析を行い、R(v4.3.1)の「TwoSampleMR」パッケージで実装されました。タンパク質に対して単一のpQTLしか利用可能な場合、Wald比が用いられました。それ以外の場合は、逆分散加重MR(MR-IVW)を適用し、その後異質性および多面性評価を行いました。ボンフェローニ補正は複数回の検査を考慮し、タンパク質の優先順位付けにはp < 5.63×10⁻⁵の閾値が適用されました。

シュタイガーフィルタリングと表現型スキャン

逆因果性を評価するために、私たちはシュタイガーフィルタリングを実施しました。「TRUE」とp < 0.05の結果は逆因果関係がないことを示しました。表現型スキャンはLDtrait (https://ldlink.nih.gov/?tab=ldtrait#home-tab)22 を用いてpQTLsと他の形質との関連を調べました。閾値はR² = 0.1と±500,000塩基対のウィンドウでした。多面性効果は、以下の条件を満たすpQTLsに割り当てられました:(i) ゲノム全体で有意な関連(p < 5 × 10⁻⁸)、および (ii) 既知のOAリスク因子との関連。

現象全体の関連研究

遺伝子多面性およびオフターゲット効果を考慮するために、アストラゼネカのPheWASポータル(https://azphewas.com/)を用いて現象全体連合研究(PheWAS)を実施しました。このポータルには、約45万人の英国バイオバンク参加者から15,500の二項表現型と1,500の連続表現型が含まれています。誤検知を最小限に抑えるために閾値がデフォルト値に設定されました。

タンパク質-タンパク質相互作用(PPI)ネットワーク

MRで特定された潜在的なタンパク質標的間の相互作用を可視化するため、GeneMANIA(https://genemania.org/)を用いてタンパク質間相互作用解析と結果の可視化を行いました。

濃縮分析

生物学的関連性を調査するため、 https://www.bioinformatics.com.cn のバイオインフォマティクスツールを用いてデータ解析と可視化を行いました。

トランスクリプトミックワークフロー

製造元のガイドラインに従い、RNA抽出試薬キットを用いて総RNAを抽出しました。RNA品質は自動RNA品質評価システムを用いて評価されました。使用されたサンプルはRIN ≥7.0のみでした。品質はRNaseフリーアガロースゲル電気泳動(1.5%ゲル)によって確認されました。真核生物のmRNAはオリゴ(dT)ビーズを用いて濃縮され、原核生物mRNAはRNA脱離磁気キットを用いて濃縮されました。mRNAは断片化(200〜700 nt)され、RNAライブラリープレップキットを用いてcDNAに変換されました。cDNAライブラリーはエンドリペア、Aテール、アダプターへの接続、DNA精製磁気ビーズ(1.0×)による精製、PCR増幅が行われました。シーケンスは高スループットの次世代シーケンスプラットフォーム上で行われました。差異発現遺伝子はlog₂FC >1で定義され、p <0.05に調整されました。

ネットワーク薬理学

標的タンパク質の潜在的な薬剤を特定するために、BATMAN-TCM (http://bionet.ncpsb.org.cn/batman-tcm/index.php)25を用いました。既知および予測化合物の選定にはスコアカットオフ0.74(LR = 32.5)が用いられました。TCMSP(https://old.tcmsp-e.com/index.php)からハーブ成分を取り出し、OB>30%、DL>0.1826でろ過しました。

分子ドッキング

結合相互作用を評価するために分子ドッキングが用いられました。PDBからタンパク質構造を抽出しました(https://www.rcsb.org/)。UCSFキメラは配位子と溶媒を除去して構造の前処理に用いられました。AutoDock Toolsを使ってガスタイガー充電を計算し、ボックスの中心とサイズを定義しました。薬剤構造はPubChem(https://pubchem.ncbi.nlm.nih.gov/)から取得され、同様に前処理されました。ドッキングはAutoDock Vinaを使用して行われました。箱の寸法はターゲットによって異なっていました。結合親和性を計算し、その結果をUCSFキメラで可視化しました。

Access restricted. Please log in or start a trial to view this content.

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

変形性関節症の原因タンパク質のプロテオームスクリーニング

Zhengらによる研究の血漿pQTLデータを用いて、メンデルランダム化(MR)解析により、ボンフェローニ有意性閾値(P < 5.63 × 10⁻⁵)を満たすタンパク質-膝関節OA関連が6つ、タンパク質-膝関節OA関連が6つ、タンパク質-膝関節のOA関連が確認されました(表1および図2A-C)。EGF含有フィブリン様細胞外マトリックスタンパク質1(EFEMP1)の血漿レベル上昇(OR = 0.83;95%信頼区間、0.77-0.90;P = 3.35 × 10⁻⁶)、神経内分泌コンバーターゼ1(PCSK1)(OR = 0.96;95% CI、0.95-0.98;P = 2.35 × 10⁻⁶)、ロイ...

Access restricted. Please log in or start a trial to view this content.

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

これは2サンプルのMR解析法で、変形性関節症(OA)に関連する潜在的なタンパク質を予測するために用いられており、OA患者の血液サンプルの配列解析やネットワーク薬理学の検証を補ってOAの薬剤標的を予測しています。血漿プロテオミクスデータおよびOAのGWASデータを用いて2サンプルMR解析を行い、EFEMP1、PTHLH、PCSK1、ECM1、ISLR2、SEMA3G、SPOCK2、LRIG3、TMEM190、CRYZ、KNG1、OMG、DDX19A、MAPK3、PTPN9、USP8、DDX19B、PROC、ITIH1を含む19種類のOA関連タンパク質を特定しました。MR結果の方向性を検証するために、シュタイガーフィルタリング解析も実施されました。その後、OAに他の経路を通じて影響を与える可能性のある4つのタンパク質(EFEMP1、PTHLH、PCSK1、ECM1)を除外する表現型スキャンが行われました。さらに、pheWAS解析を用いて治療用タンパク質が他の形質に有益または有害な影響をもたらすかを評価し、MR解析の限界に対処するために未測定の多面性効果の可能性を調査しました...

Access restricted. Please log in or start a trial to view this content.

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

著者たちには宣言すべき利害関係がありません。

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

このプロジェクトは江西省衛生委員会科学技術計画プロジェクト(202610930)および江西省中医科学技術計画プロジェクト(2025022398)の支援を受けました。

Access restricted. Please log in or start a trial to view this content.

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
Agilent 2100バイオアナライザーアジレント・テクノロジーズG2939AA自動RNA品質評価システム
オートドック・ヴィナスクリップス研究所ヴィナ 1.1.2計算分子ドッキングのためのオープンソースコマンドラインソフトウェア
イルミナ・ノヴァセク6000プラットフォームイルミナSY-415-1001高スループット次世代シーケンシングプラットフォーム
NEBNext ウルトラRNAライブラリー準備キットニューイングランド・バイオラボNEB #E7770リッチされたmRNAを断片化し、cDNAに転写します
リボゼロ磁気キット震源地MRZH11124rRNAを除去する
トリゾール試薬キットインビトロジェンAM9738全RNA抽出
UCSFキメラカリフォルニア大学サンフランシスコ校キメラアルファウィン64分子可視化および構造解析ソフトウェア。

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Sirong, S., et al. Effects of tetrahedral framework nucleic acid/wogonin complexes on osteoarthritis. Bone Res. 8 (6), 6(2020).
  2. Glyn-Jones, S., et al. Osteoarthritis. Lancet. 386 (9991), 376-387 (2015).
  3. Bindu, S., Mazumder, S., Bandyopadhyay, U. Non-steroidal anti-inflammatory drugs (NSAIDs) and organ damage: a current perspective. Biochem Pharmacol. 180, 114147(2020).
  4. Costello, C. A., et al. Association between epidemiological factors and nonresponders to total joint replacement surgery in primary osteoarthritis patients. J Arthroplasty. 36 (5), 1502-1510.e5 (2021).
  5. Cho, Y., et al. Disease-modifying therapeutic strategies in osteoarthritis: current status and future directions. Exp Mol Med. 53 (11), 1689-1696 (2021).
  6. Nelson, M. R., et al. The support of human genetic evidence for approved drug indications. Nat Genet. 47 (8), 856-860 (2015).
  7. Reay, W. R., Cairns, M. J. Advancing the use of genome-wide association studies for drug repurposing. Nat Rev Genet. 22 (10), 658-671 (2021).
  8. Smith, G. D., Ebrahim, S. Mendelian randomization: can genetic epidemiology contribute to understanding environmental determinants of disease. Int J Epidemiol. 32 (1), 1-22 (2003).
  9. Lin, J., Zhou, J., Xu, Y. Potential drug targets for multiple sclerosis identified through Mendelian randomization analysis. Brain. 146 (8), 3364-3372 (2023).
  10. Cao, Y., Yang, Y., Hu, Q., Wei, G. Identification of potential drug targets for rheumatoid arthritis from genetic insights: a Mendelian randomization study. J Transl Med. 21 (1), 616(2023).
  11. Ju, S., et al. Potential therapeutic drug targets and pathways prediction for premature ovarian insufficiency based on network pharmacologic method. J Ethnopharmacol. 304, 116054(2023).
  12. Hopkins, A. L. Network pharmacology: the next paradigm in drug discovery. Nat Chem Biol. 4 (11), 682-690 (2008).
  13. Liu, X., et al. Integrating hippocampal metabolomics and network pharmacology deciphers the antidepressant mechanisms of Xiaoyaosan. J Ethnopharmacol. 268, 113549(2021).
  14. Zheng, J., et al. Phenome-wide Mendelian randomization mapping the influence of the plasma proteome on complex diseases. Nat Genet. 52 (10), 1122-1131 (2020).
  15. Suhre, K., et al. Connecting genetic risk to disease end points through the human blood plasma proteome. Nat Commun. 8, 14357(2017).
  16. Sun, B. B., et al. Genomic atlas of the human plasma proteome. Nature. 558 (7708), 73-79 (2018).
  17. Yao, C., et al. Genome-wide mapping of plasma protein QTLs identifies putatively causal genes and pathways for cardiovascular disease. Nat Commun. 9 (1), 3268(2018).
  18. Emilsson, V., et al. Co-regulatory networks of human serum proteins link genetics to disease. Science. 361 (6404), 769-773 (2018).
  19. Folkersen, L., et al. Mapping of 79 loci for 83 plasma protein biomarkers in cardiovascular disease. PLoS Genet. 13 (4), e1006706(2017).
  20. Ferkingstad, E., et al. Large-scale integration of the plasma proteome with genetics and disease. Nat Genet. 53 (12), 1712-1721 (2021).
  21. Tachmazidou, I., et al. Identification of new therapeutic targets for osteoarthritis through genome-wide analyses of UK Biobank data. Nat Genet. 51 (2), 230-236 (2019).
  22. Lin, S. H., Brown, D. W., Machiela, M. J. LDtrait: an online tool for identifying published phenotype associations in linkage disequilibrium. Cancer Res. 80 (16), 3443-3446 (2020).
  23. Wang, Q., et al. Rare variant contribution to human disease in 281,104 UK Biobank exomes. Nature. 597 (7877), 527-532 (2021).
  24. Warde-Farley, D., et al. The GeneMANIA prediction server: biological network integration for gene prioritization and predicting gene function. Nucleic Acids Res. 38 (Web Server issue), W214-W220 (2010).
  25. Kong, X., et al. BATMAN-TCM 2.0: an enhanced integrative database for known and predicted interactions between traditional Chinese medicine ingredients and target proteins. Nucleic Acids Res. 51 (Database issue), D1268-D1276 (2023).
  26. Liu, H., Wang, J., Zhou, W., Wang, Y., Yang, L. Systems approaches and polypharmacology for drug discovery from herbal medicines: an example using licorice. J Ethnopharmacol. 146 (3), 773-793 (2013).
  27. Collins, K. H., et al. Adipose tissue is a critical regulator of osteoarthritis. Proc Natl Acad Sci U S A. 118 (1), (2021).
  28. Godziuk, K., Hawker, G. A. Obesity and body mass index: past and future considerations in osteoarthritis research. Osteoarthritis Cartilage. 32 (4), 452-459 (2024).
  29. Kohno, H., et al. Synovial fluids from patients with osteoarthritis and rheumatoid arthritis contain high levels of parathyroid hormone-related peptide. J Bone Miner Res. 12 (5), 847-854 (1997).
  30. Binvignat, M., Sellam, J., Berenbaum, F., Felson, D. T. The role of obesity and adipose tissue dysfunction in osteoarthritis pain. Nat Rev Rheumatol. 20, (2024).
  31. D'Angelo, D., De Martino, M., Arra, C., Fusco, A. Emerging role of USP8, HMGA, and non-coding RNAs in pituitary tumorigenesis. Cancers (Basel). 11 (9), (2019).
  32. Islam, M. T., Chen, F., Chen, H. The oncogenic role of ubiquitin-specific peptidase USP8 and its signaling pathways targeting for cancer therapeutics. Arch Biochem Biophys. 701, 108811(2021).
  33. Hunter, D. J., Bierma-Zeinstra, S. Osteoarthritis. Lancet. 393 (10182), 1745-1759 (2019).
  34. Den Hollander, W., et al. Knee and hip articular cartilage have distinct epigenomic landscapes: implications for future cartilage regeneration approaches. Ann Rheum Dis. 73 (12), 2208-2212 (2014).
  35. Han, J., et al. Discovery of novel USP8 inhibitors via ubiquitin-rhodamine-110 fluorometric assay-based high-throughput screening. Bioorg Chem. 101, 103962(2020).
  36. Martineau-Doizé, B., Lai, W. H., Warshawsky, H., Bergeron, J. J. In vivo demonstration of cell types in bone that harbor epidermal growth factor receptors. Endocrinology. 123 (2), 841-858 (1988).
  37. Qin, L., Beier, F. EGFR signaling: friend or foe for cartilage. JBMR Plus. 3 (2), e10177(2019).
  38. Konttinen, Y. T., et al. Acidic cysteine endoproteinase cathepsin K in the degeneration of the superficial articular hyaline cartilage in osteoarthritis. Arthritis Rheum. 46 (4), 953-960 (2002).
  39. Lecaille, F., Kaleta, J., Brömme, D. Human and parasitic papain-like cysteine proteases: their role in physiology and pathology and recent developments in inhibitor design. Chem Rev. 102 (12), 4459-4488 (2002).
  40. Huberts, D. H., Van Der Klei, I. J. Moonlighting proteins: an intriguing mode of multitasking. Biochim Biophys Acta. 1803 (4), 520-525 (2010).
  41. Piatigorsky, J. Gene sharing, lens crystallins and speculations on an eye/ear evolutionary relationship. Integr Comp Biol. 43 (4), 492-499 (2003).
  42. Schiavone, N., et al. A conserved AU-rich element in the 3′ untranslated region of BCL-2 mRNA is endowed with a destabilizing function involved in BCL-2 down-regulation during apoptosis. FASEB J. 14 (1), 174-184 (2000).
  43. Papucci, L., et al. Impact of targeting the adenine- and uracil-rich element of BCL-2 mRNA with oligoribonucleotides on apoptosis, cell cycle, and neuronal differentiation in SH-SY5Y cells. Mol Pharmacol. 73 (2), 498-508 (2008).
  44. Banerjee, P., Markande, S., Kalarikkal, M., Joseph, J. Sumoylation modulates the function of DDX19 in mRNA export. J Cell Sci. 135 (4), (2022).
  45. Primorac, D., Stover, M. L., Clark, S. H., Rowe, D. W. Molecular basis of nanomelia, a heritable chondrodystrophy of chicken. Matrix Biol. 14 (4), 297-305 (1994).
  46. Styrkarsdottir, U., et al. Whole-genome sequencing identifies rare genotypes in COMP and CHADL associated with high risk of hip osteoarthritis. Nat Genet. 49 (5), 801-805 (2017).
  47. Kashima, I., et al. Binding of a novel SMG-1-UPF1-eRF1-eRF3 complex to the exon junction complex triggers UPF1 phosphorylation and nonsense-mediated mRNA decay. Genes Dev. 20 (3), 355-367 (2006).
  48. Yamashita, A., et al. SMG-8 and SMG-9, two novel subunits of the SMG-1 complex, regulate remodeling of the mRNA surveillance complex during nonsense-mediated mRNA decay. Genes Dev. 23 (9), 1091-1105 (2009).
  49. Hug, N., Cáceres, J. F. The RNA helicase DHX34 activates NMD by promoting a transition from the surveillance to the decay-inducing complex. Cell Rep. 8 (6), 1845-1856 (2014).
  50. Yamashita, A., Ohnishi, T., Kashima, I., Taya, Y., Ohno, S. Human SMG-1 associates with components of the mRNA surveillance complex and regulates nonsense-mediated mRNA decay. Genes Dev. 15 (17), 2215-2228 (2001).
  51. Campbell, D. J. The kallikrein-kinin system in humans. Clin Exp Pharmacol Physiol. 28 (12), 1060-1065 (2001).
  52. Bhoola, K. D., Elson, C. J., Dieppe, P. A. Kinins: key mediators in inflammatory arthritis. Br J Rheumatol. 31 (8), 509-518 (1992).
  53. Mateos, J., et al. Differential protein profiling of synovial fluid from rheumatoid arthritis and osteoarthritis patients using LC-MALDI TOF/TOF. J Proteomics. 75 (10), 2869-2878 (2012).
  54. Pelletier, J. P., et al. Inhibition of subchondral bone resorption in early experimental dog osteoarthritis by licofelone is associated with reduced synthesis of MMP-13 and cathepsin K. Bone. 34 (3), 527-538 (2004).
  55. Vasiljeva, O., et al. Emerging roles of cysteine cathepsins in disease and their potential as drug targets. Curr Pharm Des. 13 (4), 387-403 (2007).
  56. Zeng, Z., et al. Pelargonidin ameliorates inflammatory response and cartilage degeneration in osteoarthritis via suppressing the NF-κB pathway. Arch Biochem Biophys. 743, 109668(2023).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Mendelian RandomizationTranscriptomic AnalysisNetwork PharmacologyOsteoarthritis Drug TargetsTwo Sample MRRNA SequencingProtein Protein InteractionFunctional EnrichmentMolecular DockingDrug Repurposing

Related Articles