このコンテンツを表示するには、JoVEへの購読が必要です。 または、無料トライアルをお申し込みください。

研究記事

糖尿病性腎症におけるLigustri Lucidi Fructusのミトコンドリア関連候補バイオマーカーの同定

57 回視聴

⸱

DOI:

10.3791/71592

⸱

2026年9月15日

 ,  ,  ,  ,  ,  , 
1Institute of Pharmaceutical and Food Engineering, Shanxi University of Traditional Chinese Medicine, Shanxi Key Laboratory of Integrative Systemic Regulation for Qi-Blood Homeostasis, 2College of Pharmacy, Shandong University of Traditional Chinese Medicine

この記事について

サマリー

糖尿病性腎症（DN）にはミトコンドリア機能不全が関与しています。トランスクリプトーム解析、ネットワーク薬理学、および機械学習を用いることで、Ligustri Lucidi Fructus（光葉 Privet 果実）のミトコンドリア関連バイオマーカー候補として、CAT、FABP1、MAOA、およびMAOBを同定しました。db/dbマウスにおいて、LLFはCATおよびMAOAの発現を上昇させ、さらなるメカニズム研究を支持する結果となりました。

要約

ミトコンドリア機能不全およびミトコンドリア内での過剰な酸化ストレスは、糖尿病性腎症（DN）における腎尿細管傷害を促進する主要な病理学的要因である。 光葉PRIVET果実（こうようプリベットかじつ） (LLF)は伝統的に糖尿病性腎症（DN）の治療に用いられているが、その関与するメカニズム、特にミトコンドリア関連遺伝子および経路に関連するものは、依然として十分に解明されていない。本研究では、GSE142025データセットの発現変動解析を用いて、DNに関連する発現変動遺伝子（DEG）を同定した。4つの機械学習モデルの出力を相互参照することにより、特徴遺伝子を選出した。両方のデータセットにおいて有意な発現変動と一貫した発現パターンを示した遺伝子について、さらに受信者動作特性（ROC）曲線解析による評価を行った。曲線下面積（AUC）が > 両方のデータセットにおいて0.7以上のものを候補バイオマーカーと定義した。機能エンリッチメント解析、免疫浸潤解析、ネットワーク構築、および分子ドッキング解析を実施した。糖尿病性腎症（DN）マウスモデルを用い、血糖値、尿中微量アルブミン、組織病理学、および候補バイオマーカーのRT-qPCRによる発現解析を行い評価した。 コンピュータ断層撮影（CAT） および MAOA 有意に上昇していた in vivo候補バイオマーカーは、リボソーム機能、バリン・ロイシン・イソロイシンの分解、サイトカイン・サイトカイン受容体相互作用、およびペルオキシソームに関連する経路に濃縮されていた。これらのバイオマーカーは、CD8+ T細胞および活性化マスト細胞と負の相関を示し、活性化NK細胞およびナイーブB細胞と正の相関を示した。タキシフォリン、β-シトステロール、およびエリオディクティオールは、候補バイオマーカーに対して-5 kcal/mol未満の結合エネルギーを示した。CATおよびMAOAは、さらなるメカニズム解析を行う価値のある有望な候補である。

概要

糖尿病性腎症（DN）は、世界的に末期腎不全の主要な原因となっており、糖尿病の最も一般的な合併症の一つです。病理学的には、糸球体および尿細管の両コンパートメントにおける過剰な細胞外マトリックスの蓄積に加え、腎内血管の肥厚と硬化を特徴とします2。DNは一般的に蛋白尿および高血圧を伴います3。その発症は、長期にわたる高血糖に起因する血管内皮細胞の損傷、炎症反応の増悪、および酸化ストレスの増大と密接に関連しています4。DNの発症率は世界的に上昇しており、特に中高年の糖尿病患者において顕著です。疾患が進行すると、末期腎不全や心血管合併症に至る可能性があり、患者の生活の質（QOL）および予後を著しく悪化させます5。DNの診断および治療アプローチは進歩しているものの、診断のための早期かつ正確な候補バイオマーカーは見つかっておらず、病理学的プロセスを逆転させる効果的な治療戦略も依然として不足しています。したがって、新規の標的抗DN薬の開発が急務となっています。

ミトコンドリアは、細胞のバイオエナジェティクス、代謝前駆体の合成、カルシウム恒常性、活性酸素種（ROS）の産生、免疫シグナリング、およびアポトーシスにおいて極めて重要であり、これらすべてが細胞および個体の安定性を維持するために不可欠です6。細胞のエネルギー工場として、ミトコンドリアは解糖系、トリカルボン酸サイクル、および酸化リン酸化などの基本的なプロセスにおいて中枢的な役割を担っています7。肥満はクレブスサイクルとミトコンドリア呼吸鎖を乱し、ミトコンドリア機能不全とROS産生の増加を引き起こします。ミトコンドリア呼吸鎖におけるROSレベルの上昇は酸化ストレスを誘発し、これが肥満に関連する炎症反応を悪化させ、アポトーシスを促進します8。近年の研究では、エネルギー代謝の乱れ、過剰なROS生成、およびアポトーシスシグナリングの亢進など、糖尿病性腎症（DN）の発症および進行におけるミトコンドリア機能不全の重要な役割が強調されています9。慢性的 なミトコンドリア機能不全は、腎疾患の進行を加速させます10。したがって、ミトコンドリア機能を改善することは、DNに対する重要な保護戦略となる可能性があります。

Ligustri Lucidi Fructus (LLF) は、肝臓と腎臓を滋養し、髪を黒くし、視力を改善する効果があることで知られる Luteaceae 科の乾燥熟果である。LLFから抽出された天然のヘテロ多糖類が同定されており、腎線維化を抑制する可能性が明らかになっている11。近年、糖尿病性腎症（DN）の治療におけるLLFの利用が注目されており、顕著な腎保護効果が実証されている1,12,13。さらに、LLFとミトコンドリアの複雑な関係についても広く研究され、検証されてきた。特筆すべき点として、LLFがAMPKシグナル伝達経路を活性化することでミトコンドリア機能を調節し、有益な効果を発揮することが研究で示されている14。このメカニズムは、酸化ストレスによって引き起こされる損傷からミトコンドリアを効果的に保護する。これらの知見は、細胞のエネルギー代謝の維持および酸化ストレスに対する細胞の回復力の向上におけるLLFの重要な役割をさらに強調するものである。しかしながら、特にミトコンドリア機能の回復に関する詳細な治療メカニズムについては、まだ十分に解明されていない。

本研究の目的は、糖尿病性腎症（DN）におけるミトコンドリア機能に対するLLFの治療効果の根底にある生物学的メカニズムを解明することでした。バイオインフォマティクスツールを用いて公共データベースを検索し、トランスクリプトームデータと有効成分情報を統合することで、LLFの腎保護作用に関連する候補バイオマーカーを特定しました。免疫浸潤、臨床的特徴との関連性、m6A RNA修飾、機能エンリッチメント、制御ネットワークの構築、および分子ドッキングを含むさらなる解析により、これらの候補バイオマーカーがDN治療中のミトコンドリア機能調節において極めて重要な役割を果たすことが示唆されました。In vivo検証により、それらの重要性がさらに確認されました。この包括的な解析は、LLFがDNを治療するメカニズムへの理解を深め、ミトコンドリア機能不全に基づく新しい治療標的の開発のための強固な基盤を提供します。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

プロトコル

データ収集
DNに関連するGSE142025およびGSE96804データセットの遺伝子発現マトリックスと対応する臨床データを、Gene Expression Omnibus (GEO) データベース (https://www.ncbi.nlm.nih.gov/geo/) 15から取得した。トレーニングセット (GSE142025) には、DN患者27名とコントロール9名の腎組織サンプルが含まれており、GPL20301プラットフォームを用いてシーケンスされた。バリデーションセット (GSE96804) は、DN患者41名とコントロール20名のシーケンスデータで構成され、GPL17586プラットフォームを用いて処理された。両データセットとも腎組織に焦点を当てているが、GSE96804データセットでは特に腎臓の主要な濾過単位である糸球体を検討している (Figure 1)。GSE142025データセット（トレーニングセット）は全腎組織サンプルで構成され、DNのトランスクリプトーム景観の広範な概要を提供する。一方、GSE96804データセット（バリデーションセット）は、糸球体濾過障害の主要部位である糸球体組織に特化している。これら2つのデータセットは、プラットフォームと組織の違いにより直接統合しなかったため、バッチ効果補正は適用しなかった。代わりに、データセット間のバリデーションを独立して実施した。両データセットにおいて一貫した方向性の変化を示し、曲線下面積 (AUC) が0.7より大きい遺伝子を堅牢な候補として選出し、腎臓内の異なる区画における汎用性を裏付けた。

MitoCarta3.0データベース（https://www.broadinstitute.org/mitocarta）から、合計1,136個のミトコンドリア関連遺伝子（MRGs）を抽出した。LLFの有効成分は、経口バイオアベイラビリティ（OB）の閾値を≥30%、薬物類似性（DL）の閾値を≥0.18として、Traditional Chinese Medicine Systems Pharmacology（TCMSP）データベース（http://sm.nwsuaf.edu.cn/lsp/tcmsp.php）を用いて予測した。続いて、有効成分の潜在的なターゲット遺伝子をSwiss Target Predictionデータベース（http://www.swisstargetprediction.ch/）を用いて予測した。

発現変動解析
GSE142025（DN群 vs コントロール群）の差分的発現解析は、limmaパッケージ（v3.54.1）を用いて行い、有意性の基準を以下のように設定した。 P.adj < 0.05 および |log2FoldChange| > 0.516 ボルケーノプロットおよびヒートマップは、ggplot2 (v 3.3.6) および ComplexHeatmap (v 2.14.0) パッケージを用いて可視化した。17,18、それぞれ。 DEG、MRG、および活性成分の潜在的な標的遺伝子を共通抽出（インターセクション）し、重複した遺伝子を候補遺伝子と定義した。活性成分と候補遺伝子を結ぶネットワークは、Cytoscapeソフトウェア（v 3.9.0）を用いて構築した。19.

機能濃縮分析およびタンパク質相互作用（PPI）ネットワークの構築
候補遺伝子の生物学的機能および関連するシグナル伝達経路を探索するため、clusterProfilerパッケージ（v 4.6.2）を用いてGene Ontology（GO）およびKyoto Encyclopedia of Genes and Genomes（KEGG）の濃縮分析を行った（P.adjust < 0.05）。その後、候補遺伝子をSTRINGデータベース（https://cn.string-db.org/）に入力してPPI関係を抽出し（信頼度スコア ≥ 0.4）、Cytoscape（v 3.9.0）20を用いてPPIネットワークを構築した。

機械学習
GSE142025データセットに基づき、caretパッケージ（v6.0-93）を用いて、ランダムフォレスト（RF）、k近傍法（KNN）、部分的最小二乗法（PLS）、および放射基底関数カーネルを用いたサポートベクターマシン（SVM）の4つの機械学習アルゴリズムを実装した。前述の解析で同定された候補遺伝子を予測変数とし、疾患状態（DNまたはコントロール）をアウトカムとした。KNNモデルでは、trainControl関数を用いてtuneLength = 10で10分割交差検証を実施した。RFモデルは20本の決定木（ntree = 20）で適合させ、PLSおよびSVMモデルは元のcaretワークフローで実装された設定を用いて適合させた。

モデルの残差分布はDALEXパッケージ（v2.4.3）を用いて評価した。続いて、DALEXのvariable_importance関数を用い、損失関数に平方根平均二乗誤差（RMSE）を指定して、置換ベースの変数評価を行った。得られたdropout_lossは、該当する変数を置換した後に得られたRMSEを表している。21,22元の分析ワークフローでは、ドロップアウト損失を持つ変数が < 全モデルを通じて0.281が保持され、4つの全モデルに共通する遺伝子が、その後の検証のためのコンセンサス特徴遺伝子として定義された。

4つの機械学習モデルは、最終的な臨床分類器を構築するためではなく、主に特徴量の優先順位付けのために使用されました。それに伴い、探索データセットおよび検証データセットの両方において、ROC解析を用いて個々の遺伝子レベルで診断の識別能を評価しました。

候補バイオマーカーの同定
GSE142025およびGSE96804において、DNサンプルとコントロールサンプルの間の特徴遺伝子の発現差をWilcoxon検定を用いて評価した。有意な発現差（P < 0.05）があり、かつ2つのデータセット間で発現傾向が一致した遺伝子のみを、受信者動作特性（ROC）曲線分析に選択した。ROC曲線の作成および曲線下面積（AUC）の算出にはpROCパッケージ（v1.18.0）を使用し、両方のデータセットでAUC > 0.7を示した遺伝子を候補バイオマーカーとして分類した23。

遺伝子セット濃縮解析（GSEA）
候補バイオマーカーに関連する生物学的機能およびシグナル伝達経路をさらに探索するため、GSE142025データセットを用いてGSEAを実施した。まず、psychパッケージ（v2.2.9）を用いて、候補バイオマーカーとその他の全遺伝子とのスピアマン相関分析を行った。24相関係数を算出し、順位付け（高から低）を行った。リファレンス遺伝子セットには、Molecular Signatures Database（MSigDB, https://www.gsea-msigdb.org/gsea/msigdb/）のc2.cp.kegg.v2023.1.Hs.symbols.gmtを使用した。次に、clusterProfilerパッケージ（v4.6.2）を用いてGSEAを実施し、バックグラウンド遺伝子セットにおける順位付けされた遺伝子の濃縮度を評価した。多重検定補正を適用した。 〜経由で FDR法、および補正済み P-値（〜として表記される P（調整後）において、～の場合に有意であるとみなした。 < 0.05.

m6A修飾解析
候補バイオマーカーのRNAメチル化修飾を調査するため、SRAMPデータベース（http://www.cuilab.cn/sramp/）を利用して、候補バイオマーカー上のm6A修飾部位を予測し、その二次構造内の信頼性の高いポジションに注目した。次に、ENCORIデータベース（https://starbase.sysu.edu.cn/）を用いて、候補バイオマーカーと相互作用するm6A修飾タンパク質を同定し、|HepG2 (shRNA)| > 1 パラメータを使用して主要なタンパク質をスクリーニングした。その後、RPISeqデータベース（http://pridb.gdcb.iastate.edu/RPISeq/）を用いて、主要タンパク質と候補バイオマーカーとの相互作用の可能性を予測した。両者のRNA配列をプレーンテキスト形式でアップロードし、RFおよびSVM分類器の予測スコアを算出した。スコアが0.5を超えた場合に相互作用を有意とみなした25。SRAMP解析は、m6A部位予測の閾値を「High」に設定し、「Transcript」モードとデフォルトパラメータを用いて実施した。ENCORI解析では、「miRNA-mRNA」相互作用機能を用い、「HepG2 (shRNA)」パラメータ > 1 とした。RPISeq解析では、デフォルトパラメータのRF分類器を使用し、スコア > 0.5 を正の相互作用とした。これらは計算上の予測であり、腎組織におけるm6A修飾やRNA-タンパク質相互作用の実験的な証拠ではない。HepG2 shRNAの基準はENCORIの事前計算済みデータセットから導出されたものであり、腎臓特異的な調節を反映していない可能性がある。

免疫浸潤解析
GSE142025のコントロール群およびDNサンプルの両方について、CIBERSORTアルゴリズムを適用して2種類の免疫細胞の割合を推定し、ggplot2パッケージ（v3.3.6）26を用いて生成したヒートマップにより可視化した。CIBERSORTはLM2シグネチャーマトリックスを使用し、1,0回の置換を行い、分位正規化を無効にして（マイクロアレイデータで推奨される設定）実行した。CIBERSORTの p < 0.05 であったサンプルを以降の解析に保持した。CIBERSORTはバルクの腎組織発現から免疫細胞分画を推定するため、コンパートメント特異的な浸潤（例：糸球体 vs 尿細管間質）の分解能はなく、浸潤白血球と常在免疫細胞を区別することもできない。したがって、報告された相関は組織レベルのものであり、空間的解析手法による検証が必要である。有意に変動した免疫細胞と候補バイオマーカーとの間のSpearman相関分析は、psychパッケージを用いて実施した。

ネットワークの構築および分子ドッキング
候補バイオマーカーと相互作用するMicroRNA（miRNA）をmiRNetデータベース（https://www.mirnet.ca）を用いて予測した。続いて、同定されたmiRNAを標的とする長鎖非コードRNA（lncRNA）をTarBase（http://www.diana.pcbi.upenn.edu/tarbase）およびstarbase（http://starbase.sysu.edu.cn/）データベースを通じて予測した。両データベースに共通するlncRNAをネットワーク構築に選択した。その後、Cytoscapeソフトウェアを用いてlncRNA-miRNA-mRNA調節ネットワークを構築した。候補バイオマーカーを標的とする潜在的な有効成分を選択し、有効成分-バイオマーカーネットワークを構築した。さらに、有効成分、候補バイオマーカー、およびGSEAで同定されたパスウェイをCytoscapeに組み込み、有効成分-バイオマーカー-パスウェイネットワークを作成した。

潜在的な活性成分と候補バイオマーカーとの間の結合親和性を評価するために、分子ドッキング解析を実施した。バイオマーカータンパク質の3D構造は、Research Collaboratory for Structural Bioinformatics Protein Data Bank（RCSB PDB, https://www.rscb.org/pdb）からPDBファイル形式で取得した。潜在的な活性成分の2D構造は、PubChemデータベース（http://pubchem.ncbi.nlm.nih.gov）からSDF形式で取得した。分子ドッキングは、CB-Dockプラットフォーム（http://clab.labshare.cn/cb-dock/php/blinddock.php）を用いて行った。結合エネルギーが-5 kcal/mol未満である場合、強い結合親和性を示すと定義した27

Ligustri Lucidi Fructusの調製および同定
本研究において、Ligustri Lucidi Fructus (LLF) は Ligustrum lucidum W. T. Aiton (Oleaceae) の乾燥熟果を指す。植物材料は中国薬典に従って同定され、証拠標本（No. 20240506, 2024091, 2024103）が山西中医学大学に寄託された。

煎剤の調製には、適格なLLFスライス20 gを、室温の蒸留水1,00 mLに30分間浸漬させた。混合物を激しく沸騰させた後、60分間弱火で煮出した。ろ液を回収し、残った生薬を別の蒸留水1,0 mLでさらに60分間繰り返し煎じた。2回のろ液を合わせ、ろ過および遠心分離を行い、減圧濃縮して、最終ストック濃度を1 g of crude drug/mL（全量10 mL）とした。調製した煎剤は、短期間使用する場合は4 °Cで、長期保存する場合は−20 °Cで保存した。実験の信頼性と再現性を確保するため、LLFおよびその煎剤の品質は、中国薬典の規格に従って厳格に同定および検証した。

定性的な同定のために、薄層クロマトグラフィーを実施した。簡潔に述べると、調製した煎剤の適量を遠心分離し、その上澄み液をメタノールで抽出した。ろ過後、試料溶液とspecnuezhenide標準品溶液を同一のシリカゲルGプレート上にスポットした。展開、乾燥後、紫外線下で確認したところ、試料溶液のスポットは参照化合物と一致する色および位置を示し、LLFに特徴的な生物活性成分の存在が確認された。

定量的な品質管理のため、高速液体クロマトグラフィーによる検出を行った。分析は、移動相にメタノール–水を用い、C18カラムを使用して実施した。検出波長は24 nmに設定した。煎剤中のspecnuezhenideの含有量を標準曲線に基づいて決定した。その結果、調製した煎剤の化学組成は安定かつ均一であることが示され、動物介入実験全体を通じて一貫した薬物品質が確保された。

動物実験
SPFグレードの8〜9週齢の雄性db/dbマウス12匹と、同週齢のdb/mマウス6匹を、山西中医药大学のSPF動物施設にて飼育した。実験前に、動物を12時間明期/12時間暗期のサイクル条件下で7日間馴化させた。 自由摂取 食物および水への自由なアクセスを可能にした。本研究は、山西中医药大学倫理委員会の承認を得て実施された（承認番号：202DW167）。以下の症状を示す動物を >体重の20%減少、瀕死の状態、または食物や水へのアクセス不能が認められた場合は、予定されていた研究終了時点を待たず、人道的な観点から安楽死処置を行った。研究終了後、残りのすべてのマウスは、施設規定に従い、ペントバルビタールナトリウムの腹腔内投与およびそれに続く頚脱法によって安楽死させた。

馴化期間の後、db/dbマウスにおけるDNモデルの確立を、尾静脈血中の血糖値が16 mmol/L以上であること、および尿中微量アルブミン試験紙で陽性を示す微量アルブミン尿によって確認した。DNモデルの確立に成功した後、db/dbマウスをランダムに2群（各群n = 6）に分けた。すなわち、DNモデル群（DN）とLLF投与群（Treatment）である。さらに、db/mマウス（n = 6）を対照群（Control）として用いた。投与量は、糖尿病ラットにおけるLLFの先行薬力学研究に基づいて選択し、体表面積正規化を用いてヒト等価量に換算した28。Control群とDN群には蒸留水を投与し、投与群にはLLFを3.5 g/kgで8週間投与した。8週間の投与後、すべてのマウスを安楽死させ、その後の検査のために血清、尿、および腎組織を採取した。

血液および尿指標
血清グルコース値は、全自動血液生化学分析装置を用いて分析した。尿中微量アルブミン濃度は、キットの説明書（Supplemental File 1）に従って測定した。

マウス腎臓組織の病理学的観察
組織病理学的検査のために腎臓組織を処理した。4%パラホルムアルデヒドで固定後、組織を洗浄、脱水し、パラフィン包埋して切片を作成した。次いでヘマトキシリン・エオジン（HE）染色を行い、染色切片を光学顕微鏡下で観察して病理学的変化を評価した。

逆転写定量ポリメラーゼ連鎖反応（RT-qPCR）
マウス腎臓組織における候補バイオマーカーの発現を測定するために、RT-qPCRを用いた。メーカーの指示に従って全RNAを抽出し、その後、RNAの濃度と品質を評価した（表1）。抽出したRNAから、cDNA Synthesis Kitを用いてcDNAを合成した。増幅は、以下に記載するプライマーペアを用いて行った。 表1、～を用いて GAPDH をリファレンス遺伝子として使用した。相対的発現量は2^-ΔΔCt法を用いて算出した。−ΔΔCt値 方法13,26.

統計解析
すべての統計解析は、Rソフトウェア（バージョン4.2.2）および対応する実験手順に必要なソフトウェアを使用して実施した。特に断りのない限り、すべての統計検定は両側検定とし、P < 0.05で統計的に有意であるとみなした。トランスクリプトームの差分的発現解析は、limmaパッケージを用いて行った。補正後のP < 0.05かつlog2 fold changeの絶対値が0.5より大きい遺伝子を、差分的発現遺伝子として定義した。

独立したDNサンプルとコントロールサンプルの間での候補遺伝子の発現を比較するため、元の解析ワークフローで指定された箇所でノンパラメトリックなWilcoxon順位和検定を使用した。候補バイオマーカーと免疫細胞分画との相関は、Spearmanの順位相関係数を用いて評価した。

実験データは平均値 ± SDで示している。パラメトリック解析の前提条件を満たした場合、3つの独立した動物群間の比較には一元配置分散分析を用いた。事後比較では、分散が均一な場合は最小有意差検定を、分散が不均一な場合はDunnett's T3検定を用いた。ベースラインおよび8週目の薬力学的な測定値は個別に解析し、提示した。群と時間の相互作用に関する推論は行っていない。バイオインフォマティクスおよび機械学習解析に使用したRスクリプトとソースデータは、補完ファイル1に提供している。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

結果

DNの治療におけるLLFのミトコンドリア関連の潜在的な候補バイオマーカーを体系的に調査するため、我々は4つのフェーズからなる分析ワークフローを設計した(Figure 1)。フェーズIでは、GSE142025データセット（トレーニングセット、全腎臓、n=36）およびGSE96804（検証セット、糸球体、n=61）からのトランスクリプトームデータと、MitoCarta 3.0データベースの1,136個のミトコンドリア関連遺伝子、およびTCMSPデータベースの9つの活性成分から予測された517個の標的を統合した。これら3つの遺伝子セットの重複を確認したところ、9つの候補遺伝子が得られた。フェーズIIでは、RMSE < 0.281を閾値として、4つの機械学習モデル（RF、KNN、PLS、およびSVM）を用いて特徴遺伝子の優先順位付けを行った。ROC解析（両データセットでAUC > 0.7）によるデータセット間検証により、CAT、FABP1、MAOB、およびMAOAの4つの候補バイオマーカーを同定した。フェーズIIIでは、GSEAを実行して濃縮されたKEGGパスウェイを同定し、CIBERSORTを用い...

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

ディスカッション

LLFは、主に肝臓と腎臓を滋養し、糖尿病およびその合併症を治療するために用いられる一般的な中薬です。現在、糖尿病性腎症（DN）に対する特異的な薬剤や治療法はなく、その管理は主に血糖降下、脂質降下、および血圧降下治療に依存しています30,31,32。しかし、これらの治療によって腎損傷の進行を遅らせることができる患者はごく一部に過ぎません3。LLFは、糖および脂質代謝異常の改善および酸化ストレスの軽減を通じて、DNラットモデルにおいて腎保護効果を発揮することが示されています34。特に、腎臓はミトコンドリア含量と酸素消費量が極めて高い臓器であり、腎臓における異常なミトコンドリアダイナミクスはDNの病態生理において極めて重要な役割を果たしています35。本研究では、LLFが特定の候補バイオマーカー（CAT

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

開示事項

著者らに申告すべき利益相反はありません。

謝辞

本研究を通じて支援および協力いただいたすべての個人および団体に深く感謝いたします。本研究は、中国国家自然科学基金（No.81973486および82173974）、山西省中医学管理局研究プロジェクト（No.2024ZYYA021）、山西中医学大学学科学プロジェクト（No.2026XK24）、および山東中医学大学科学研究基金プロジェクト（No. KYZK2024Q13）の助成を受けたものです。また、植物材料の同定を行っていただいた山西中医学大学のQinqing Li准教授に感謝いたします。

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

材料

この記事で使用された材料の一覧
名前会社カタログ番号コメント
4%パラホルムアルデヒド組織固定液Saiyin Biotechnology Co., Ltd.71033600
無水エタノールSinopharm Chemical Reagent Co., Ltd.10009218
血糖値測定器Sinocare Inc.GA-3
血中尿素窒素 (BUN) 測定キット南京建威生物工程研究所C03-2-1
C57BLKS/J db/dbマウス常州 Cavens 実験動物有限公司SCXK (Su) 2021-0013
C57BLKS/J db/mマウス常州カベン実験動物有限公司SCXK (Su) 2021-013
遠心分離機湖南 Xiangyi Laboratory Instrument Development Co., Ltd.HI650
抱水クロラールShanghai Aladdin Biochemical Technology Co., Ltd.302-17-0
Cytoscape (v3.9.0)https://cytoscape.org
mのためのデータベース6修飾予測http://www.cuilab.cn/sramp/
中医学伝統薬有効成分データベースhttp://sm.nwsuaf.edu.cn/lsp/tcmsp.php
ENCORI / Starbasehttps://starbase.sysu.edu.cn/
Gene Expression Omnibus (GEO)https://www.ncbi.nlm.nih.gov/geo/
ヘマトキシリン・エオジン（HE）染色キットServicebio C0105S
高速遠心機Labnet, USAC2500-R-230V
免疫浸潤解析ツールhttps://cibersort.stanford.edu/
光葉PRIVET果実（コウヨウイボタノキ）Sichuan Quanyirun Biotechnology Co., Ltd.20240506
マグネティックスターラー江蘇省鎮江市金壇中天儀器廠T8-1
顕微鏡OlympusBX53
ミクロトームライカ（ドイツ）RM 2016
マイクロボリューム分光光度計Hangzhou Aosheng Instrument Co., Ltd.Nano-300
miRNethttps://www.mirnet.ca
MitoCarta 3.0https://www.broadinstitute.org/mitocarta
モデル解釈Rパッケージhttps://cran.r-project.org/package=DALEX
分子ドッキングプラットフォームhttp://clab.labshare.cn/cb-dock/
マウス微量アルブミン尿ELISAキット精密試験EM0632
マウス用微量アルブミン尿試験紙广州市花都高尔宝生物科技有限公司20211203
マウス血清クレアチニンELISAキットAbmartAB590A
MSigDBhttps://www.gsea-msigdb.org/gsea/msigdb/
PCRサーマルサイクラーRocheRoche LightCycler 480
Rソフトウェア (v4.2.2) + Rパッケージhttps://www.r-project.org / CRAN/Bioconductor
RCSB PDBhttps://www.rcsb.org
RNA抽出キット北京聚美生物科技有限公司MF-036-01
RPISeqhttp://pridb.gdcb.iastate.edu/RPISeq/
RT-qPCRキットBeijing Jumei Biotech Co., Ltd.MF949-T
サリドロサイドSichuan Quanyirun Biotechnology Co., Ltd.20211009
血清クレアチニン測定キット南京建威生物工程研究所C01-2-1
SPF動物施設山西中医学大学
SRAMPhttp://www.cuilab.cn/sramp/
申し訳ございませんが、翻訳対象となるソーステキスト（STRING）が入力されていません。翻訳が必要な英文をご提示ください。https://cn.string-db.org/
SwissTargetPredictionhttp://www.swisstargetprediction.ch/
TCMSPhttp://sm.nwsuaf.edu.cn/lsp/tcmsp.php
テジ・ピガンSichuan Quanyirun Biotechnology Co., Ltd.20210602
組織浮上槽武漢君傑JK-6

参考文献

  1. Thipsawat S. Early detection of diabetic nephropathy in patient with type 2 diabetes mellitus: a review of the literature. Diabetes Vasc Dis Res. 2021;18(6):14791641211058856.
  2. Kanwar YS, Sun L, Xie P, Liu FY, Chen S. A glimpse of various pathogenetic mechanisms of diabetic nephropathy. Annu Rev Pathol. 2011;6:395-423.
  3. Santulli G, et al. Prediabetes increases the risk of frailty in prefrail older adults with hypertension: beneficial effects of metformin. Hypertension. 2024;81(7):1637-43.
  4. Jin Q, et al. Oxidative stress and inflammation in diabetic nephropathy: role of polyphenols. Front Immunol. 2023;14:1185317.
  5. Alicic RZ, Rooney MT, Tuttle KR. Diabetic kidney disease: challenges, progress, and possibilities. Clin J Am Soc Nephrol. 2017;12(12):2032-45.
  6. Harrington JS, et al. Mitochondria in health, disease, and aging. Physiol Rev. 2023;103(4):2349-422.
  7. Peña FJ, et al. An integrated overview on the regulation of sperm metabolism (glycolysis-Krebs cycle-oxidative phosphorylation). Anim Reprod Sci. 2022;246:106805.
  8. de Mello AH, Costa AB, Engel JDG, Rezin GT. Mitochondrial dysfunction in obesity. Life Sci. 2018;192:26-32.
  9. Shen Y, et al. Notoginsenoside Fc, a novel renoprotective agent, ameliorates glomerular endothelial cells pyroptosis and mitochondrial dysfunction in diabetic nephropathy through regulating HMGCS2 pathway. Phytomedicine. 2024;126:155445.
  10. Zhang PN, et al. Mitochondrial dysfunction and diabetic nephropathy: nontraditional therapeutic opportunities. J Diabetes Res. 2021;2021:1010268.
  11. Zhang JL, et al. Structural characterization and protective effect against renal fibrosis of polysaccharide from Ligustrum lucidum Ait. J Ethnopharmacol. 2023;302(Pt A):115898.
  12. Luan R, et al. The protective effect of ethyl acetate and n-butanol fractions of wine-steamed Ligustri Lucidi Fructus on diabetic nephropathy in rats. Evid Based Complement Alternat Med. 2021;2021:6512242.
  13. Luan R, et al. Pharmacodynamics, pharmacokinetics, and kidney distribution of raw and wine-steamed Ligustri Lucidi Fructus extracts in diabetic nephropathy rats. Molecules. 2023;28(2):791.
  14. Seo HL, et al. Liqustri lucidi Fructus inhibits hepatic injury and functions as an antioxidant by activation of AMP-activated protein kinase in vivo and in vitro. Chem Biol Interact. 2017;262:57-68.
  15. Yan M, et al. Identification of pyroptosis-related genes and potential drugs in diabetic nephropathy. J Transl Med. 2023;21(1):490.
  16. Ritchie ME, et al. limma powers differential expression analyses for RNA-sequencing and microarray studies. Nucleic Acids Res. 2015;43(7):e47.
  17. Gustavsson EK, et al. ggtranscript: an R package for the visualization and interpretation of transcript isoforms using ggplot2. Bioinformatics. 2022;38(15):3844-6.
  18. Gu Z, Eils R, Schlesner M. Complex heatmaps reveal patterns and correlations in multidimensional genomic data. Bioinformatics. 2016;32(18):2847-9.
  19. Shannon P, et al. Cytoscape: a software environment for integrated models of biomolecular interaction networks. Genome Res. 2003;13(11):2498-504.
  20. Wu T, et al. clusterProfiler 4.0: a universal enrichment tool for interpreting omics data. Innovation (Camb). 2021;2(3):100141.
  21. Dong H, et al. Identification through machine learning of potential immune-related gene biomarkers associated with immune cell infiltration in myocardial infarction. BMC Cardiovasc Disord. 2023;23(1):163.
  22. Pei B, et al. The development of prediction model for cuffed tracheal tube size from the middle finger in pediatrics: a concise and feasible approach. Transl Pediatr. 2023;12(12):2222-31.
  23. Robin X, et al. pROC: an open-source package for R and S+ to analyze and compare ROC curves. BMC Bioinformatics. 2011;12:77.
  24. Robles-Jimenez LE, et al. Worldwide traceability of antibiotic residues from livestock in wastewater and soil: a systematic review. Animals (Basel). 2021;12(1):60.
  25. Wang Y, et al. Bioinformatics analysis combined with clinical sample screening reveals that leptin may be a biomarker of preeclampsia. Front Physiol. 2022;13:1031950.
  26. Livak KJ, Schmittgen TD. Analysis of relative gene expression data using real-time quantitative PCR and the 2^−ΔΔCT method. Methods. 2001;25(4):402-8.
  27. Klejborowska G, et al. Synthesis, anticancer activity and molecular docking studies of N-deacetylthiocolchicine and 4-iodo-N-deacetylthiocolchicine derivatives. Bioorg Med Chem. 2021;32:116014.
  28. Reagan-Shaw S, Nihal M, Ahmad N. Dose translation from animal to human studies revisited. FASEB J. 2008;22(3):659-61.
  29. An Y, Duan H. The role of m6A RNA methylation in cancer metabolism. Mol Cancer. 2022;21(1):14.
  30. Mazzieri A, Porcellati F, Timio F, Reboldi G. Molecular targets of novel therapeutics for diabetic kidney disease: a new era of nephroprotection. Int J Mol Sci. 2024;25(7):3969.
  31. Breyer MD, Susztak K. The next generation of therapeutics for chronic kidney disease. Nat Rev Drug Discov. 2016;15(8):568-88.
  32. Leoncini G, et al. Blood pressure reduction and RAAS inhibition in diabetic kidney disease: therapeutic potentials and limitations. J Nephrol. 2020;33(5):949-63.
  33. Pofi R, et al. Diabetic nephropathy: focus on current and future therapeutic strategies. Curr Drug Metab. 2016;17(5):497-502.
  34. Arellano Buendía AS, et al. Immunomodulatory effects of the nutraceutical garlic derivative allicin in the progression of diabetic nephropathy. Int J Mol Sci. 2018;19(10):3107.
  35. Zhang X, Agborbesong E, Li X. The role of mitochondria in acute kidney injury and chronic kidney disease and its therapeutic potential. Int J Mol Sci. 2021;22(20):11253.
  36. Liu Y, et al. DsbA-L interacting with catalase in peroxisome improves tubular oxidative damage in diabetic nephropathy. Redox Biol. 2023;66:102855.
  37. Zhong Y, et al. Jujuboside A ameliorates high fat diet and streptozotocin induced diabetic nephropathy via suppressing oxidative stress, apoptosis, and enhancing autophagy. Food Chem Toxicol. 2022;159:112697.
  38. Zhong Y, et al. Dioscin relieves diabetic nephropathy via suppressing oxidative stress and apoptosis, and improving mitochondrial quality and quantity control. Food Funct. 2022;13(6):3660-73.
  39. Issac PK, et al. Protective effect of morin by targeting mitochondrial reactive oxygen species induced by hydrogen peroxide demonstrated at a molecular level in MDCK epithelial cells. Mol Biol Rep. 2022;49(6):4269-79.
  40. Abo El-Asrar M, Ismail EAR, Elnhrawy AM, Thabet RA. Fatty acid binding protein 1 (FABP1) and fatty acid binding protein 2 (FABP2) as a link between diabetic nephropathy and subclinical atherosclerosis in children and adolescents with type 1 diabetes. J Diabetes Complications. 2023;37(3):108414.
  41. Gholaminejad A, Fathalipour M, Roointan A. Comprehensive analysis of diabetic nephropathy expression profile based on weighted gene co-expression network analysis algorithm. BMC Nephrol. 2021;22(1):245.
  42. Tanaka M, et al. Urinary fatty acid-binding protein 4 is a promising biomarker for glomerular damage in patients with diabetes mellitus. J Diabetes Investig. 2025;16(4):670-9.
  43. Liu Y, et al. Gastric cancer adapts high lipid microenvironment via suppressing PPARG-FABP1 axis after arriving in the lymph node. Redox Biol. 2025;85:103759.
  44. Borús DL, et al. Fatty acid binding protein 1 (FABP1) depletion promotes an oxidative metabolic shift in Caco-2 colorectal cancer cells. Biochim Biophys Acta Mol Cell Biol Lipids. 2025;1870(7):159661.
  45. Chu Y, et al. Glutathione peroxidase-1 overexpression reduces oxidative stress, and improves pathology and proteome remodeling in the kidneys of old mice. Aging Cell. 2020;19(6):e13154.
  46. Zhang F, et al. Mesenchymal stem cells alleviate rat diabetic nephropathy by suppressing CD103+ DCs-mediated CD8+ T cell responses. J Cell Mol Med. 2020;24(10):5817-31.
  47. Cao Q, et al. Renal F4/80+ CD11c+ mononuclear phagocytes display phenotypic and functional characteristics of macrophages in health and in adriamycin nephropathy. J Am Soc Nephrol. 2015;26(2):349-63.
  48. Zhou W, et al. The landscape of immune cell infiltration in the glomerulus of diabetic nephropathy: evidence based on bioinformatics. BMC Nephrol. 2022;23(1):303.
  49. Bloch K, Shichman E, Vorobeychik M, Bloch D, Vardi P. Catalase expression in pancreatic alpha cells of diabetic and non-diabetic mice. Histochem Cell Biol. 2007;127(2):227-32.
  50. Zhao Y, et al. Taxifolin attenuates diabetic nephropathy in streptozotocin-induced diabetic rats. Am J Transl Res. 2018;10(4):1205-10.
  51. Ding S, Wang W, Song X, Ma H. Based on network pharmacology and molecular docking to explore the underlying mechanism of Huangqi Gegen Decoction for treating diabetic nephropathy. Evid Based Complement Alternat Med. 2021;2021:9928282.
  52. Guo S, et al. Correction: Eriodictyol: a review of its pharmacological activities and molecular mechanisms related to ischemic stroke. Food Funct. 2023;14(10):4949.

アクセスが制限されています。このコンテンツを表示するにはログインするか、トライアルを開始してください。

再版と許可

さらに記事を探す

ミトコンドリア機能不全差分的発現機械学習モデル機能濃縮分析免疫浸潤分子ドッキングリボソーム機能
お問い合わせ
図書館に推薦する

プライバシー

利用規約

ポリシー

著作権 © 2026 MyJoVE Corporation. 無断転載を禁じます。