방법 논문

GEO 데이터 세트 및 네트워크 약리학을 기반으로 한 항문 습진에 대한 ShiDuGao 치료의 효능 및 기본 경로 메커니즘

1.7K 조회수

⸱

DOI:

10.3791/66453

⸱

2024년 1월 12일

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

* These authors contributed equally

이 논문에서

요약

이 연구 노력은 네트워크 약리학과 유전자 발현 옴니버스(GEO) 데이터 세트의 시너지 통합을 사용하여 국소 약물 투여의 메커니즘을 설명하고자 했습니다. 이 논문은 항문 습진 치료에서 ShiDuGao(SDG)의 타당성, 표적 및 기전을 평가했습니다.

초록

항문 습진은 항문 주변 부위에 영향을 미치는 만성적이고 재발성 염증성 피부 질환입니다. 병변은 주로 항문과 항문 주위 피부에서 발생하지만 회음부나 생식기까지 확장될 수도 있습니다. ShiDuGao(SDG)는 항문 소양증, 삼출물 조절, 수분 감소 및 피부 복구에 대한 상당한 회복 특성을 가지고 있는 것으로 밝혀졌습니다. 그러나 항문 습진에 대한 SDG의 유전적 표적과 약리학적 기전은 아직 포괄적으로 설명되고 논의되지 않았습니다. 결과적으로 이 연구는 네트워크 약리학적 접근 방식을 채택하고 유전자 발현 옴니버스(GEO) 데이터 세트를 활용하여 유전자 표적을 조사했습니다. 또한 단백질-단백질 상호 작용 네트워크(PPI)가 구축되어 "약물-표적-질병" 상호 작용 네트워크 내에서 149개의 표적을 식별했으며 그 중 59개는 허브 유전자로 간주되었습니다.

항문 주위 습진 치료에서 SDG의 유전자 기능은 KEGG(Kyoto Encyclopedia of Genes and Genomes) 및 GO(Gene Ontology) 분석을 활용하여 평가되었습니다. 그 후, 네트워크 약리학적 분석에서 확인된 항항문 주위 습진 기능과 SDG의 잠재적 경로는 분자 도킹 방법론을 사용하여 검증되었습니다. 항문 습진 치료에서 SDG 표적 유전자 및 단백질과 관련된 생물학적 과정은 주로 사이토카인 매개 반응, 염증 반응 및 지질다당류에 대한 반응을 포함합니다. 경로 농축 및 기능적 주석 분석 결과는 SDG가 이질균 및 단순 헤르페스 바이러스 1 감염 경로를 조절하여 항문 습진을 예방하고 관리하는 데 중요한 역할을 한다는 것을 시사합니다. 네트워크 약리학 및 GEO 데이터베이스 분석은 특히 TNF 및 MAPK 신호 경로에서 중요한 허브 표적인 TNF, MAPK14 및 CASP3를 조절하여 항문 습진 치료에서 SDG의 다중 표적 특성을 확인합니다. 이러한 발견은 항문 습진에 대한 SDG의 치료 메커니즘에 대한 추가 조사를 위한 명확한 방향을 제공하는 동시에 이 쇠약해지는 상태에 대한 효과적인 치료 접근 방식으로서의 잠재력을 강조합니다.

서론

항문 습진은 항문 주위와 점막에 영향을 미치는 알레르기성 피부 질환으로 다양한 임상 증상을 나타낸다1. 특징적인 증상으로는 항문 홍반, 구진, 물집, 미란, 삼출물 및 딱지가 있습니다. 이러한 증상은 주로 환부의 긁힘, 두꺼워짐, 거칠기로 인해 발생한다2.

항문 습진은 질병의 장기화, 재발성 발작 및 까다로운 치료를 특징으로 하며 환자의 신체적, 정신적 건강에 악영향을 미칠 수 있습니다3. 항문 습진의 발병 기전은 아직 명확하지 않으며, 현대 의학은 국소 항문 병변, 식습관, 환경, 유전 및 기타 요인과 관련이 있을 수 있음을 시사합니다4. 항문 습진의 치료는 자극 물질 및 잠재적 알레르기 항원과의 접촉을 피하는 것 외에도 주로 염증 억제, 항알레르기 및 가려움증 완화와 같은 방법에 중점을 둡니다5.

SDG는 항문 습진 및 기타 항문 질환의 치료에 광범위하게 활용되어 왔습니다. SDG는 항문 피부 삼출물을 조절하고, 수분을 줄이며, 항문 피부를 복구하고, 소양증 6,7,8을 효과적으로 해결합니다. 또한 SDG는 periianus 미생물군을 조절하여 항문 습진 9,10을 개선할 수 있는 잠재력을 가지고 있습니다.

인공 지능 및 빅 데이터 영역에서 새롭고 학제 간 최첨단 생물 정보학 접근 방식인 네트워크 약리학은 중국 전통 의학에 대한 심층적인 탐구를 제공합니다. 이 분야는 생태학적 네트워크 관점에서 약물과 질병 간의 분자 상관 관계 규칙을 체계적으로 설명하는 것을 강조합니다. 허브 추출물의 주요 활성 성분 식별, 글로벌 작용 메커니즘 해독, 약물 조합 공식화, 처방 호환성 연구 등 다양한 측면에서 광범위하게 채택되었습니다. 전통적인 중국 처방은 다중 성분 및 다중 표적의 특성을 나타내며 네트워크 약리학 영역에 대한 상당한 적응성을 나타냅니다. 이 방법론에 힘입어 복잡한 한의학 체계에 대한 새로운 관점이 등장하여 임상 적용 합리화 및 약물 혁신을 위한 강력한 기술 지원을 제공하고있습니다 11,12,13,14.

이 연구는 항문 습진 치료에서 SDG의 효과 메커니즘을 탐구하는 것을 목표로 합니다. 이 조사 노력은 네트워크 약리학과 GEO 데이터 세트의 시너지 통합을 사용하여 국소 약물 투여의 메커니즘을 설명하고자 했습니다. 이 연구 결과는 항문 습진 관리에서 SDG의 효능과 근본적인 메커니즘에 대한 귀중한 통찰력을 제공하여 이 질환에 대한 효과적인 치료 접근 방식으로서의 잠재력을 나타냅니다. 연구의 자세한 워크플로 다이어그램은 그림 1에 나와 있습니다.

프로토콜

이 연구는 참여에 대한 윤리적 승인과 동의를 언급하지 않습니다. 이 연구에 사용된 데이터는 유전자 데이터베이스에서 얻은 것입니다.

1. 질병 표적 예측

  1. GeneCards 데이터베이스(https://www.genecards.org)와 온라인 Mendelian inheritance in man 데이터베이스(OMIM, https://www.omim.org)에 액세스하여 "항문 습진"을 질병 표적 검색어로 사용합니다.
  2. 질병 표적의 스프레드시트를 다운로드합니다. 반복되는 표적을 삭제하여 항문 습진 표적을 얻습니다.

2. 활성 성분 선택

  1. Traditional Chinese Medicine 시스템의 약리학 데이터베이스(TCMSP; http://tcmspw.com/tcmsp.php)에서 "indigo naturalis, golden cypress, calcined gypsum, calamine, and Chinese Gall"이라는 키워드를 검색하면 SDG의 후보 활성 성분 및 목표 목록을 얻을 수 있습니다.
  2. 구성 요소를 스위스 ADME 데이터베이스(http://www.swissadme.ch/index.php)에 맡기고 활성 요소로 최소 2개의 "예" DL 값과 함께 "높은" GI 흡수를 나타내는 구성 요소의 세부 정보를 추출합니다.
    참고: 일반적으로 데이터베이스에서 DL(Drug-Like) 값이 ≥0.18인 성분만 활성 성분으로 포함됩니다.

3. PPI 네트워크 구축 및 핵심 단백질 스크리닝

  1. Venny2.1( https://bioinfogp.cnb.csic.es/tools/venny/index.html)에서는 SDG와 항문 습진의 목표를 각각 LIST1과 LIST2에 입력합니다. 교차로의 시각적 표현이 즉시 생성됩니다. 공유 영역을 클릭하면 결과 섹션에 공통 대상이 표시됩니다.
  2. STRING 데이터베이스(https://string-db.org/)에 액세스합니다. List of Names 필드에 대상을 입력합니다. 그런 다음 호모 사피엔스를 유기체 로 선택하고 검색 > 계속을 진행합니다.
  3. 결과를 사용할 수 있는 경우 고급 설정을 열고 네트워크에서 연결이 끊긴 노드 숨기기를 선택합니다. 필요한 최소 상호 작용 점수에서 가장 높은 신뢰도(0.900)를 설정한 다음 업데이트를 클릭합니다.
  4. 내보내기를 클릭하여 단백질-단백질 상호 작용(PPI) 네트워크의 텍스트를 .png 및 .tsv 형식으로 다운로드합니다.

4. 의약품-성분-질병-표적 네트워크 구축

  1. Cytoscape 3.9.1을 열고 3.4단계에서 언급한 .tsv 파일을 가져옵니다. 제어판에서 스타일 표시줄을 클릭하여 네트워크 노드의 색상, 글꼴 및 측면을 최적화합니다.
  2. 네트워크 토폴로지 분석의 경우 네트워크 분석 기능을 사용합니다. 허브 유전자를 얻으려면 Cytoscape 소프트웨어에서 CytoHubba 를 사용하십시오. 약물-성분-질병-표적 네트워크를 구축합니다.

5. GO 및 KEGG 농축 분석

  1. Metascape 웹 사이트(https://metascape.org/)에 액세스합니다. 파일을 선택하거나 유전자 목록을 대화 상자에 붙여넣고 제출 버튼을 클릭합니다. 그런 다음 Input(입력)을 Species(종)로, Analysis(분석)를 Species(종)로 선택합니다. 그런 다음 사용자 지정 분석 기능을 활성화하십시오.
  2. 농축 옵션에서 GO Molecular Functions, GO Biological Processes, GO Cellular Components 및 KEGG Pathway 데이터베이스를 선택합니다. Pick Selective GO Clusters(선택적 GO 클러스터 선택)를 선택한 다음 Enrichment Analysis 버튼을 클릭합니다. 진행률 표시줄이 완료되면 분석 보고서 페이지 클릭을 시작하여 보강 결과를 검색합니다.

6. GEO 유전자 칩 데이터 세트 분석

  1. GEO2R 도구(https://ncbi.nlm.nih.gov/geo/geo2r/)를 사용하여 GEO 유전자 칩 데이터 세트(GDS3806)를 검색 및 분석하여 다양한 데이터 그룹(대조군-비아토피 피부염, 실험군-아토피 피부염)에서 중심 유전자의 발현을 조사합니다.
  2. GEO 데이터베이스 웹 사이트 (https://www.ncbi.nlm.nih.gov/geo/)를 입력합니다. 키워드 또는 GEO Accession을 입력하고 검색 버튼을 클릭합니다. 가장 일치하는 결과를 선택합니다. 참조 시리즈(GSE26952)를 찾습니다.
  3. GEO2R 도구 웹 사이트 (https://ncbi.nlm.nih.gov/geo/geo2r/)에 들어가 GEO Accession 상자에 참조 시리즈를 입력하고 설정 버튼을 클릭합니다. 실험군으로 아토피 피부염 을 선택하고, 대조군으로 Nonatopic Control 을 선택한 후 Analyze 버튼을 클릭합니다. 계산이 완료되면 결과가 나타납니다.

7. 분자 도킹

  1. TCMSP 데이터베이스를 열고 선택한 성분의 3D 구조를 다운로드합니다. 화학명 검색 상자를 사용하고 선택한 성분 이름을 검색하여 해당 3D 구조 파일을 mol2 형식으로 다운로드합니다.
  2. RCSB 단백질 데이터베이스(http://www.pdb.org/)를 열고 주요 표적의 결정 구조를 다운로드합니다. 검색 상자에서 대상 이름을 검색하고 해당 결정 구조 파일을 pdb 형식으로 다운로드합니다.
  3. 성분 및 표적 구조 파일을 분석 소프트웨어로 가져옵니다. Edit > Delete Water를 클릭하여 물 분자를 삭제합니다. Edit(Edit) > Hydrogens(수소) > Add(추가)를 클릭하여 수소를 추가합니다. 성분을 리간드로 설정하고, 전체 표적을 수용체로 선택하고, 블라인드 도킹을 수행합니다.
  4. 분자 도킹의 범위를 결정합니다.
    1. 수용체와 리간드를 순서대로 선택합니다. 그리드(Grid) > 그리드 상자(Grid Box )를 클릭하여 전체 모델을 포함하도록 그리드 상자를 조정합니다. 파일( File) > 현재 저장 닫기(Close saving current)를 클릭하여 그리드 상자 상태를 저장합니다. 파일을 gpf 형식으로 저장합니다.
    2. Run > Run Autogrid4 > Parameter Filename > Browse를 클릭하고 gpf 파일을 선택한 다음 Launch 버튼을 클릭합니다.
  5. AutoDock 4를 사용하여 분자 도킹을 수행합니다.
    1. Docking > Macromolecule > Set Rigid Filename을 클릭하여 수용체를 선택합니다. Docking > Ligand > Open/을 클릭하여 리간드를 선택합니다.
    2. 도킹(Docking) > 파라미터 검색(Search Parameters)을 클릭하여 작동 알고리즘을 설정하고 도킹 > 도킹 파라미터(Docking Docking Parameters)를 클릭하여 도킹 파라미터를 설정합니다. dpf 파일을 선택한 다음 실행 버튼을 클릭합니다. 파일을 dpf 형식으로 저장합니다.
    3. Analyze > Docking > Open을 클릭하고, dlg 파일을 선택하고, Analyze > Macromolecule을 클릭하여 수용체를 열고, Analyze > Conformations > Play, Ranked by Energy를 클릭하여 결과를 분석합니다. Set Play > Write Complex를 클릭하여 결과를 pdbqt 형식으로 저장합니다.
  6. 도킹 파일을 PyMOL 소프트웨어로 가져와 추가 시각화를 구성합니다.
    1. 리간드를 선택하고 Action(동작) > Find > Polar Contacts > To Other Atoms in Object(물체의 다른 원자에 대한 극성 접점 찾기)를 클릭하여 리간드와 외부 환경 간의 수소 결합을 표시합니다. c를 클릭하면 색상이 변경됩니다.
    2. Action( 작업) > Extract Object(개체 추출)를 클릭합니다. Show > Sticks(스틱 표시 )를 클릭하면 수용체의 스틱 구조가 표시됩니다. 리간드에 연결된 잔류물을 식별하고 스틱 구조를 보여줍니다.
    3. Hide > Sticks(스틱 숨기기)를 클릭하여 수용체의 스틱 구조를 숨깁니다. Wizard > Measurement(마법사 측정)를 클릭하고 두 개의 원자를 순서대로 클릭합니다. Label > Residue(레이블 잔류물)를 클릭하여 잔류물의 레이블을 표시합니다. 필요한 경우 배경색과 투명도를 조정합니다. File(파일) > Export Image as(다른 이름으로 이미지 내보내기)를 클릭하여 사진을 저장합니다.

결과

항문 습진 관련 유전자, SDG 표적 유전자 및 공통 표적
총 958개의 잠재적 유전자 후보가 Genecards에서, 634개는 OMIM 데이터베이스에서 스크리닝되었으며, 중복은 제외되었습니다. 항문 습진 관련 유전자를 포괄적으로 이해하기 위해 여러 데이터베이스의 연구 결과를 통합하여 총 958개의 별개의 유전자를 생성했습니다. 결과적으로, 항문 습진에 특이적인 단백질-단백질 상호작용 네트워크(PPI)가 꼼꼼하게 공식화되었습니다. SDG는 5가지 한약재, 즉 인디고 내추럴리스, 황금 노송나무, 소성 석고, 칼라민, 중국 갈즙15,16으로 구성되어 있습니다. 소성 석고의 주성분은 무수 황산칼슘(CaSO4)이고 칼라민의 주성분은 탄산아연(ZnCO3)입니다. 인디고 내추럴리스(Indigo naturalis), 골든 사이프러스(Golden Cypress), 차이니즈 갈(Chinese Gall)은 복잡한 성분을 가지고 있습니다. TCMSP 데이터베이스에서 약물은 92개의 화합물 성분을 포함하고 있으며 총 867개의 신뢰할 수 있는 약물 표적을 얻습니다(표 1).

두 표적 유전자 데이터 세트의 중첩을 통해 총 149개의 빈번하게 동시 발생하는 표적 유전자를 정확히 찾아냈고(그림 2A), 필수 표적 단백질-단백질 상호 작용(PPI) 네트워크를 구축했습니다(그림 2B). 정도, 친밀도 및 중간성에 대한 중앙값 기반 스크리닝 방법을 통해 59개의 주요 표적을 잠재적인 항문 습진 약물 표적으로 선택했습니다. 주요 표적에 대한 정도, 근접성 및 중간성 점수는 각각 49, 40.31947 및 0.522였습니다. 높은 점수를 받은 상위 10개 유전자에는 AKT1, TNF, TP53, EGFR, STAT3, SRC, JUN, CASP3, HRAS 및 PTGS2가 포함되었습니다(표 2). 이 유전자는 항문 습진과 매우 관련이 있습니다.

공통 표적을 포함하는 경로 및 네트워크
KEGG 및 GO 농축 방법을 사용하여 59개의 주요 표적을 분석하여 218개의 관련 경로와 3,000개 이상의 관련 생물학적 과정을 밝혀냈습니다. 분석 결과 체리 심플렉스 바이러스 1 감염, 이질증, TNF 신호 전달 경로, EGFR 티로신 키나아제 억제제 내성, 인간 거대세포 바이러스 감염 및 T 세포 수용체 신호 전달 경로를 포함하여 SDG 및 항문 습진 단백질과 밀접한 상관관계가 있는 경로가 밝혀졌습니다(그림 3A). 이러한 경로는 주로 AKT1, TNF, TP53, STAT3, SRC, EGFR 및 CASP3와 같은 유전자와 관련이 있습니다. 그림 3B는 표적 유전자 및 경로에 대한 자세한 설명을 제공합니다. GO 분석은 생물학적 과정(BP), 세포 구성(CC) 및 분자 기능(MF)에 대해 수행되었습니다(그림 4A). 결과에 따르면 이 연구는 주로 생물학적 과정에서 SDG 및 항문 습진에 대한 일반적인 표적에 초점을 맞추고 있으며 일부는 CC 및 MF와 관련이 있습니다. 특히 관련성이 높은 생물학적 기능에는 펩티딜-티로신 인산화, 펩티딜-티로신 변형, 세포-세포 접착 조절, 세포 접착 양성 조절, T 세포 활성화, 백혈구 세포-세포 접착 조절이 포함됩니다(그림 4B-D).

항문 습진 표적에 대한 SDG 활성 성분의 결합 예측
정도, 근접성 및 간성의 중앙값을 기반으로 AKT1, TNF, TP53, EGFR, STAT3, SRC, JUN, CASP3, HRAS 및 PTGS2를 포함한 59개의 주요 표적을 스크리닝했습니다. GEO 데이터베이스를 추가로 분석한 결과, 실험군에서는 PPARG, EGFR 및 TNF의 상향 조절이 이루어졌으며, PTPRC, MMP9, MAPK14 및 CASP3는 하향 조절되었습니다(아토피 피부염). 공통 유전자 경로 농축 분석을 통해 이들 유전자가 TNF 신호전달 캐스케이드 및 MAPK 신호전달 경로에 주로 관여하는 것으로 확인되었습니다. TNF 신호전달 경로에서 TNF 발현은 상향 조절된 반면, MMP9, MAPK14 및 CASP3 발현은 하향 조절되었습니다. MAPK 신호전달 경로에서 EGFR과 TNF 발현은 상향 조절된 반면, MAPK14와 CASP3는 하향 조절되었습니다(그림 6). 이러한 연구 결과를 바탕으로 TNF, MAPK14 및 CASP3를 SDG 치료의 잠재적 타겟으로 고려했습니다.

SDG의 활성 성분에서 후보 표적을 검증하기 위해 도킹 분석을 사용하여 활성 성분 구조와 잠재적 표적 단백질 간의 정확도를 테스트했습니다. 이러한 표적 단백질은 다양한 기능적 연결에 관여하고 네트워크의 높은 노드이며, 이는 항문 습진에 대한 SDG 반응에 중요한 역할을 한다는 것을 시사합니다. 도킹 결합 에너지의 음수 값은 SDG가 생체 내에서 질병 표적과 도킹할 수 있는 능력을 나타내며, 음수 값이 많을수록 도킹이 더 쉽다는 것을 나타냅니다. 이 조사에서는 핵심 표적을 가진 핵심 활성 성분의 성공적인 분자 도킹이 달성되었으며 도킹 결합 에너지는 -1kcal/mol 미만의 값으로 음수였습니다. 인디고와 베르베루빈은 결합 활성이 양호하며 결합 에너지는 -5kcal/mol 미만입니다(표 3, 그림 7). 종합하면, 이러한 결과는 유전자 좌위에 해당하는 이러한 단백질이 항문 습진에서 SDG 표적으로 작용할 수 있다는 추가 증거를 제공합니다.

figure-results-1
그림 1: 네트워크 약리학 분석 워크플로우. GO, 유전자 온톨로지; KEGG, 교토 유전자 및 게놈 백과 사전; TCMSP, 전통 한의학 시스템 약리학 데이터베이스 및 분석 플랫폼; GEO, 유전자 발현 옴니버스. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-results-2
그림 2: 공통 표적의 벤 다이어그램 및 PPI 네트워크. (A) 약물 표적과 질병 표적의 교차점에 대한 벤 다이어그램. (B) STRING에 의한 공통 대상 PPI 네트워크. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-results-3
그림 3: KEGG 경로 농축 분석. (A) KEGG 경로 농축 분석. 상위 10개 KEGG 경로는 P-값에 따라 오름차순으로 순위가 매겨집니다. (B) 경로와 표적 사이의 연결: 경로(노란색), 표적(빨간색). 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-results-4
그림 4: GO 농축 분석. (A) 세 가지 온톨로지의 GO 결과. (B) 생물학적 과정(BP) 버블 차트. (C) 셀 구성 요소(CC) 버블 차트. (D) 분자 함수(MF) 버블 차트. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-results-5
그림 5: 잠재적 표적 결과 예측. (A) GEO 데이터베이스에서 허브 유전자 발현의 히트맵, 그룹 A는 실험군(아토피 피부염), 그룹 B는 대조군(비아토피 피부염); (B) PPI 네트워크 노드는 단백질을 나타내고 가장자리는 관계를 나타냅니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-results-6
그림 6: 신호 전달 경로. (A) MAPK 신호 경로. (B) TNF 신호 경로. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-results-7
그림 7: 핵심 유전자 및 성분의 분자 도킹. 마젠타는 SDG의 핵심 구성 요소를 나타내고 파란색은 핵심 유전자의 잔기를 나타냅니다. 이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

중국 전통 의학활성 성분
인디고 내추럴리스9alpha, 13alpha-dihydroxylisopropylidenylisatisine, a, bisindigotin, 지시자, isatan B, isatisine, a, isoorientin, isoscoparin, isovitexin, (+)-isolariciresinol, 10h-indolo, [3,2-b], quinolone, Isoindigo, Saponarin, 인디고, 트립탄트린, 6-(3-oxoindolin-2-ylidene)indolo[2,1-b]quinazolin-12-one
인디루빈, 베타-시토스테롤, 라리시레시놀, 노나코산, 이소비텍신, 도트리아콘탄올
황금 편백나무베르베린, 콥티신, 도우리신(8CI), 자바니신, (±)-리오니레시놀, 키하달라락톤 A, 오바쿠노산, 오바쿠논, 펠라빈, Phellavin_qt, 펠로덴드린, 델타 7-스티그마스테놀, 펠로프테린, 바닐롤로사이드, 코니페린, 디하이드로탄시논 II A, 델타7-데하이드로소포라민, 아무렌신, Amurensin_qt, 디하이드로닐로티신, 히스피돌 B, 키하다락톤 B, 키하다닌 A, 닐로티신, 노밀린, 루타에카르핀, 스키미아닌, 첼러리스린, 스티그마스테롤, 워레닌, 캄페스테릴페룰레이트, 카비딘, 캔들톡신 A, 헤리스논 H, 히스피돈, 시리진, 베타-시토스테롤, 마그네그란디올리드, (2S,3S)-3,5,7-트리하이드록시-2-(4-하이드록시페닐)크로만-4-온, 팔미딘 A, 마그노플로린, 메니스포르핀, 팔마틴, 푸마린, 이소코리팔민, 퀘르세틴, 시토글루사이드, 프리델린
STOCK1N-14407, 자트로리진, 메니스페린, phellamurin_qt, (S)-카나딘, 콜럼바민, 포리페라스트-5-엔-3베타-올, 마그노플로린, 베르베르루빈, 펠로덴드린, 리모닌, 히페린, 캄페스테롤, SMR000232320, 칸틴-6-온, 4-[(1R,3aS,4R,6aS)-4-(4-하이드록시-3,5-디메톡시페닐)-1,3,3a,4,6,6a-헥사하이드로푸로[4,3-c]푸란-1-일]-2,6-디메톡시페놀, 디히드로닐로티신, 멜리아논, 펠로친, 탈리펜딘, 바닐롤로사이드, 아우랍텐
소성 석고무수 황산 칼슘 (CaSO4)
칼라 민탄산 아연 (ZnCO3)
중국 담즙디갈레이트

표 1: SDG의 활성 성분.

유전자정도매개성 중심성(Betweenness Centrality)근접성 중심성
AKT1 (에이크티1)2041669.16920.765625
티엔에프2021988.45430.761658
TP53 시리즈1901590.92880.73134327
EGFR (주)이지프르174686.30630.7033493
스탯3168673.037230.6869159
증권 시세 표시기162568.15740.69014084
6월162435.337370.6805556
캐스프3156483.452760.67431194
HRAS (에이라스)148515.288150.65625
PTGS2 (영문)134761.340940.6447368

표 2: 상위 10개 허브 유전자의 특성.

대상(PDB ID)친화력(kcal/mol)
남빛베르베루빈디갈레이트
TNF(1A8M)-5.96-5.19-2.22
맵케이14 (1A9U)-5.51-5.41-1.93
CASP3 (1CP3)-5.77-4.98-1.06

표 3: 성분과 핵심 유전자의 분자 도킹 결합 에너지.

토론

아토피 피부염은 습진과 기저 기전을 공유하는 습진의 특정 형태입니다. 이 질환과 관련이 있는 것으로 여겨지는 허브 유전자는 TNF, MAPK14 및 CASP3입니다. 항문 습진에 대한 SDG의 치료 효과는 주로 이 세 가지 허브 유전자를 통한 TNF 및 MAPK 신호 전달 경로에 대한 작용에 기인한다17.

SDG에는 인디고 내추럴리스(indigo naturalis), 골든 사이프러스(golden cypress), 소성 석고(calcined gypsum), 칼라민(calamine), 차이니즈 담즙(Chinese Gall) 등 5가지 약물이 포함됩니다. 중국 전통 의학에서 소성 석고와 칼라민은 상처 치유를 촉진하고 습기를 건조시키는 역할을 할 수 있으며, 인디고 내추럴리스, 황금 노송 나무, 중국 담즙은 열을 제거하고 해독하며 습기를 건조시킬 수 있습니다. 이 허브의 조합은 수분을 배출하고, 상처 치유를 촉진하고, 열을 제거하고, 바람을 쫓아내는 효과를 얻을 수 있습니다18.

이전 연구에 따르면 SDG의 주요 구성 요소는 항염증 특성을 가지고 있습니다. 인디고 내추럴리스(IN)는 대장염, 건선, 급성 전골수구성 백혈병을 치료하는 것으로 나타났습니다 19,20,21. IN의 기능은 궤양성 대장염(UC) 환자의 염증을 줄이고 장 점막의 치유를 촉진하는 TLR4/MyD88/NF-kB 신호 전달의 억제와 관련이 있을 수 있습니다. 또한 DSS-유도 UC 마우스 모델22,23에서 입증된 바와 같이 장내 세균총을 조절할 수 있습니다. 최근 연구에 따르면 UC는 종종 장내 마이크로바이옴의 불균형과 관련이 있습니다. IN은 장내 세균총에 따라 장 생태계의 균형을 효과적으로 재조정하고 위장 시스템을 보호할 수 있다24. 전염증성 사이토카인을 항염증성 사이토카인으로 전환시킴으로써, 골든 사이프러스는 T 림프구와 DC 유도 T 세포 및 IL-12p70 사이토카인 분비의 증식을 감소시켜 DC와 Treg25 사이의 상호작용을 촉진합니다. 사포나린과 캄페스테롤은 항알레르기 효과가 있는 천연 항염증제 역할을 한다 26,27,28. 트립탄트린은 항균 작용을 나타낸다29. Melianonen는 항문 습진의 처리에 기여할 수 있는 균류와 미생물 세균총 둘 다에 대한 상당한 억제 효과를 나타낸다30,31.

연구에 따르면 여드름, 자극성 접촉 피부염 및 알레르기성 접촉 피부염과 같은 피부 질환의 중증도는 장내 미생물 세균총과 관련이 있습니다. 급성 항문 습진과 만성 항문 습진의 미생물 분포를 비교한 결과, 급성 항문 습진 환자의 포도상구균 미생물총은 만성 그룹에서 더 풍부하게 나타났다32. 아토피 습진과 장내 마이크로바이옴 다양성이 낮은 영아는 미생물 풍부도와 피부질환 사이의 상관관계를 보여준다33. SDG의 다양한 성분이 장내 세균총에 미치는 영향에 비추어 볼 때, SDG가 미생물을 조절하여 항문 습진을 개선할 수 있는 가능성을 배제할 수 없습니다. 또한 SDG의 멜리아논은 곰팡이에도 작용하여 항문 습진을 예방할 수 있습니다.

메커니즘 연구는 약초 처방 조사의 가장 복잡한 측면으로 인정받고 있습니다. 네트워크 약리학은 현재 제약 분야의 다양한 측면에 침투하여 기존 생물 의학에서 현대 생물 의학으로의 패러다임 전환을 나타내고 전통 중국 의학 (TCM) 개발을 재정의합니다 34,35,36. 네트워크 표적을 기반으로 TCM, 활성 성분, 표적 및 장애를 연결하는 네트워크 다이어그램을 구성하여 관련 치료 표적을 예측합니다. 네트워크 약리학은 약물과 질병 표적 간의 상호 작용을 포괄적으로 설명하고 연관 네트워크 메커니즘을 체계적으로 조사하여 중추적인 대사 경로를 예측합니다. 그것의 사용법은 각종 초본의 활동의 기계장치를 조사하기 위해 전략적으로 실행되었습니다. 또한, KEGG 및 GO 농축 경로의 구축과 함께 질병 약물 표적 PPI 네트워크를 구축함으로써 네트워크 약리학은 한약이 질병에 영향을 미치는 복잡한 메커니즘의 예측을 촉진하고 질병의 발병 기전을 조사하는 데 도움이 되었습니다 37,38,39. 이 연구는 국소 약물 메커니즘을 식별하기 위해 네트워크 약리학과 GEO 데이터 세트를 결합했습니다.

네트워크 약리학 분석은 단순히 약물 성분과 표적을 예측하여 동물 실험이나 임상 시험이 필요한 정확한 메커니즘을 검증합니다. 이 연구는 검증을 위해 동물 실험이나 임상 실험을 수행하지 않고 분자 도킹 시뮬레이션 검증만 사용했습니다. 중국 전통 의학을 위해 제안된 네트워크 약리학 프레임워크는 정확도가 낮지만 개별 약초의 예측된 표적을 결합합니다. GEO 데이터 세트를 통합하면 이러한 정밀도가 크게 향상됩니다.

본 연구에서는 여러 데이터베이스를 결합하여 데이터 활용도를 극대화하기 위해 순수 데이터 생성 방법을 사용하였다. 특히 동물모델 구축이 어려운 일부 질병의 경우, 온라인 데이터를 주로 사용하여 질병 및 약물 표적을 예측하고 검증하여 연구 방향을 안내하고 후속 실험 검증을 위한 좋은 기반을 마련합니다.

공개 사항

저자는 공개할 것이 없습니다.

재료

이 논문에 사용된 재료 목록
이름회사카탈로그 번호댓글
AutoDockToolsAutoDockhttps://autodocksuite.scripps.edu/adt/
사이토스케이프 3.9.1 Cytoscapehttps://cytoscape.org/
GeneCards 데이터베이스 GeneCardshttps://www.genecards.org
GEO 데이터베이스National Center for Biotechnology Informationhttps://www.ncbi.nlm.nih.gov/geo/
GEO2R 도구 National Center for Biotechnology Informationhttps://ncbi.nlm.nih.gov/geo/geo2r/
MetascapeMetascapehttps://metascape.org/
온라인 멘델 유전 인간 데이터베이스OMIMhttps://www.omim.org
RCSB 단백질 데이터베이스 RCSB 단백질 데이터 뱅크(RCSB PDB)http://www.pdb.org/
STRING 데이터베이스 STRINGhttps://string-db.org/
스위스 ADME 데이터베이스 Swiss Institute of Bioinformaticshttp://www.swissadme.ch/index.php
Traditional Chinese Medicine system's pharmacology database (TCMSP)Traditional Chinese Medicine Systems Pharmacology Database and Analysis Platformhttp://tcmspw.com/tcmsp.php
Venny2.1BioinfoGPhttps://bioinfogp.cnb.csic.es/tools/venny/index.html

참고문헌

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

재인쇄 및 허가

태그

단백질 상호작용 네트워크분자 도킹KEGG 경로유전자 온톨로지TNF 신호전달MAPK 경로
GEO 데이터 세트 및 네트워크 약리학을 기반으로 한 항문 습진에 대한 ShiDuGao 치료의 효능 및 기본 경로 메커니즘
문의하기
도서관에 추천하기

개인정보 처리방침

이용 약관

정책

저작권 © 2026 MyJoVE Corporation. 모든 권리 보유.