연구 논문

네트워크 약리학 및 분자 도킹을 통한 Rhizoma Drynariae의 회전근개 파열 억제 메커니즘 규명

0 조회수

⸱

DOI:

10.3791/73695

⸱

2026년 10월 16일

 ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1Orthopedic Ward 2, Kaifeng Central Hospital, 2Department of Traumatology and Orthopedics, Affiliated Hospital of Chengde Medical College

이 논문에서

요약

네트워크 약리학 및 분자 도킹 결과, Rhizoma Drynariae는 항염증, 항세포사멸 및 혈관신생 촉진을 통해 다중 표적과 경로에 작용하여 회전근개 손상을 완화하는 것으로 나타났습니다.

초록

회전근개 파열(RCI)은 만성 염증, 건세포(tenocyte) 세포사멸, 혈관 형성 저해 및 세포외 기질(ECM) 조절 장애를 특징으로 하는 난치성 근골격계 질환으로, 가용한 임상 치료법이 제한적이다. 본 연구에서는 네트워크 약리학과 분자 도킹을 이용하여 Rhizoma Drynariae (RD)의 RCI에 대한 활성 성분, 핵심 타겟 및 신호 전달 경로를 체계적으로 조사하였다. TCMSP, ETCM 및 SymMap을 통해 RD의 18가지 활성 성분과 213개의 비중복 타겟을 식별하였으며, GeneCards와 OMIM에서 870개의 RCI 관련 타겟을 검색하여 71개의 중첩 후보 타겟을 도출하였다. 단백질-단백질 상호작용 네트워크 분석과 cytoHubba 스크리닝을 통해 TNF, IL6, VEGFA, PTGS2, CASP3, AKT1, CCL2, PPARG, MAPK3, HMOX1을 포함한 10개의 허브 유전자를 발견하였다. 유전자 온톨로지(Gene Ontology) 농축 분석 결과 염증 반응, 산화 스트레스, 혈관 형성, 세포 증식 및 ECM 구성이 강조되었으며, KEGG 경로 분석에서는 TNF, PI3K‑Akt, MAPK 및 HIF‑1 신호 전달 경로가 관여하는 것으로 나타났다. 분자 도킹을 통해 eriodictyol, luteolin, catechin, naringenin, aureusidin이 이러한 핵심 단백질들과 안정적인 고친화성 결합을 형성함을 확인하였다. 종합적으로, RD는 다성분, 다타겟, 다경로 네트워크를 통해 RCI 억제 효과를 나타내며, 염증과 세포사멸을 억제하고 혈관 형성을 촉진하며 ECM 회복을 강화함으로써 RCI를 완화할 가능성이 있어, 임상 적용 및 실험적 검증을 위한 이론적 근거를 제공한다.

서론

회전근개 파열(Rotator cuff injury, RCI)은 정형외과 및 스포츠 의학에서 가장 흔한 어깨 질환 중 하나로, 20세 이상 성인의 약 20%, 60세 이상 성인의 최대 54%에서 나타납니다1,2. RCI의 병리학적 특징으로는 건 변성, 염증 세포 침윤, 과도한 건세포 세포사멸, 불충분한 신생 혈관 형성 및 무질서한 세포외 기질 합성이 있으며, 이는 만성 어깨 통증, 운동 범위 제한, 근위축 및 관절 불안정성으로 이어집니다3. 치료하지 않고 방치할 경우, RCI는 삶의 질을 심각하게 저하시키고 막대한 사회경제적 부담을 초래할 수 있습니다4. 현재 RCI의 치료 전략으로는 보존적 치료와 수술적 봉합술이 포함됩니다5. 비스테로이드성 항염증제(NSAIDs)와 코르티코스테로이드 주사는 통증을 완화하지만 위장관 손상, 신기능 장애, 연골 변성 및 골다공증의 위험이 따릅니다6,7. 수술적 봉합술은 단기적인 기능은 개선시키나, 높은 재파열률, 수술 후 유착 및 저조한 장기 치유 품질이라는 한계가 있습니다8,9. 따라서 RCI를 위한 안전하고 효과적인 다중 표적 치료제 개발이 시급히 필요합니다.

전통 중의학(TCM)은 다성분, 다표적 및 낮은 독성이라는 장점을 바탕으로 근골격계 질환 치료에 있어 오랜 역사를 가지고 있습니다.10. 구rynia(구절초) 또는 구rynia rhizoma (구rynia 근경) - *주: 식물명인 Rhizoma Drynariae는 일반적으로 한약재 '구rynia' 또는 '구rynia근'으로 번역되나, 학술적 표준 명칭인 '구rynia 근경'으로 번역함.* (RD), 건조된 근경의 Drynaria fortunei (Kunze) J. Sm.는 혈액 순환을 촉진하고 어혈을 제거하며 근골격계 회복을 가속화하는 대표적인 보골(bone-strengthening) 약초입니다.11,12현대 약리학은 플라보노이드가 RD의 주요 활성 성분이며, 이것이 항염증, 항산화, 골 형성 및 연골 보호 효과를 나타낸다는 것을 확인했다.13RD는 골다공증, 골관절염, 대퇴골두 괴사 및 추간판 퇴행성 변화에 널리 사용되어 왔습니다.14,15,16하지만 RCI에 대한 RD의 효능과 기전을 탐구한 체계적인 연구는 없었습니다. 네트워크 약리학은 생물정보학, 시스템 생물학 및 약리학을 통합하는 신흥 다학제적 접근 방식으로, 전통 중의학(TCM)의 총체적 기전을 규명하는 데 이상적입니다.17,18이는 "약물-성분-표적-경로-질병" 조절 네트워크의 체계적인 구축과 잠재적 치료 표적의 고속 대량 예측을 가능하게 합니다.19본 연구에서는 네트워크 약리학과 분자 도킹을 결합하여 RCI 치료에 있어 RD의 활성 성분, 허브 유전자 및 핵심 신호 전달 경로를 탐색하였으며, 이를 통해 임상 적용 및 후속 실험 연구를 위한 이론적 근거를 제공하고자 하였다.

프로토콜

본 연구는 익명화된 공공 생물정보학 데이터베이스만을 사용하였으며, 인간 또는 동물 실험을 포함하지 않았습니다. 중국 국가 윤리 심사 규정 제32조 및 헬싱키 선언에 따라, 윤리적 승인과 고지된 동의는 면제되었습니다. 본 연구에 사용된 모든 재료는 다음의 목록에 기재되어 있습니다. 재료 목록.

연구 설계 및 워크플로 다이어그램

성분 스크리닝, 타겟 확보, 네트워크 구축, 농축 분석 및 분자 도킹 검증을 포함한 본 네트워크 약리학 연구의 전체 워크플로우는 모든 예측 데이터의 재현성을 보장하기 위해 모든 단계에서 통일된 생물정보학 표준에 따라 수행되었습니다(그림 1).

RD 내 활성 성분 스크리닝

전통 중의학 시스템 약리학 데이터베이스 및 분석 플랫폼(TCMSP, https://old.tcmsp-e.com/tcmsp.php)은 허브 시스템 약리학을 기반으로 구축된 온라인 플랫폼입니다20. 이 플랫폼은 경구 생체이용률(OB), 약물 유사성(DL), 혈뇌장벽 투과성 및 그에 상응하는 표적 정보를 포함한 천연 화합물의 약동학적 파라미터를 포괄적으로 수집하였습니다. 저자들은 TCMSP 데이터베이스에 저장된 RD의 모든 화학 성분을 검색하기 위해 "Rhizoma Drynariae"라는 키워드를 입력하였으며, OB ≥ 30% 및 DL ≥ 0.18의 흡수, 분포, 대사, 배설(ADME) 지표를 기준으로 적격한 활성 성분을 선별하였습니다. 위 두 가지 기준을 충족하는 화합물은 RCI에 대한 RD의 치료 기전을 탐구하기 위한 후보 활성 성분으로 유지되었습니다. 데이터베이스 접속일: TCMSP V2.3 [2025-12-08]. 내보낸 필드에는 화합물 이름, OB 값, DL 값 및 해당 표적 단백질 항목이 포함되었습니다. 중복된 화합물 항목은 수동으로 제거하였습니다.

RD의 잠재적 표적 수집

연구진은 세 개의 독립적인 데이터베이스인 TCMSP, The Encyclopedia of Traditional Chinese Medicine (ETCM, http://www.tcmip.cn/ETCM/)21 및 SymMap (http://www.symmap.org/)22에서 RD의 작용 타겟을 수집하였습니다. TCMSP는 한약, 소분자 화합물, 단백질 타겟 및 인간 질병 간의 상호 관계를 기록하는 특수 한방 시스템 약리학 플랫폼 역할을 하였습니다. ETCM은 일반적인 중약 허브 및 처방의 표준화된 정보를 통합하여 약재 성분, 타겟 유전자, 경로 및 질병 데이터를 기록합니다. SymMap은 분자 메커니즘과 증상 매핑을 통해 TCM 이론과 현대 의학을 통합하였습니다. 약물 타겟을 추출할 때 종은 Homo sapiens로 통일하여 설정하였습니다. 가공되지 않은 타겟 단백질 서열을 획득한 후, UniProt 데이터베이스 (https://www.uniprot.org/)23를 사용하여 모든 타겟 항목을 통일된 표준 유전자 기호로 변환하였습니다. 중복된 타겟 유전자는 제거되었으며, 중복 제거된 RD 타겟 세트는 질병 타겟과의 교차 분석을 위해 보존되었습니다. 데이터베이스 접속 날짜: ETCM V2.0 [2025-12-10], SymMap V2.0 [2025-12-11], UniProt release [2025-12-12]. 저자들은 TCMSP, ETCM 및 SymMap에서 원시 타겟-단백질 항목을 내보냈습니다. UniProt를 사용하여 단백질 식별자를 공식 인간 HUGO 유전자 기호로 매핑하였습니다. 여러 데이터베이스에서 기인한 타겟 중복 항목을 제거하여 타겟당 하나의 고유한 유전자 기호만 유지하였습니다.

RCI의 잠재적 표적 탐색

검색어 "rotator cuff injury"를 사용하여 RCI와 관련된 인간 유전자를 스크리닝하기 위해 두 개의 권위 있는 데이터베이스를 채택하였다. GeneCards (https://www.genecards.org/)는 150개 이상의 유전 플랫폼에서 멀티오믹스 데이터를 수집하여 유전자 기능 주석을 제공하였다24. Online Mendelian Inheritance in Man (OMIM, https://omim.org/)은 인간의 유전성 질환을 기록하며 유전자 변이와 임상 표현형 사이의 상관관계를 밝혔다25. 유전자 이름과 ID를 포함한 모든 RCI 관련 유전자 항목을 추출하였다. 벤 다이어그램 교집합 분석을 위한 병원성 유전자의 전체 풀을 얻기 위해 두 데이터베이스의 데이터를 병합하고 중복을 제거하였다. 데이터베이스 접속 날짜: GeneCards [2025-12-15], OMIM [2025-12-21]. 검색어: “rotator cuff injury”. 내보낸 필드에는 질병 관련 인간 유전자 이름과 유전자 ID가 포함되었다. 병합 후 두 데이터베이스 간의 중복 유전자 항목을 제거하였다. 종 필터는 Homo sapiens로 설정하였다.

단백질-단백질 상호작용(PPI) 네트워크 구축

스크리닝된 RD 표적 데이터셋과 RCI 병원성 유전자 데이터셋을 Venny 온라인 플랫폼(https://bioinfogp.cnb.csic.es/tools/venny/)에 업로드하여 벤 다이어그램을 생성하고 중첩된 공유 유전자를 스크리닝하였다. 교차 유전자들은 PPI 네트워크 구축을 위해 STRING v11.5(https://cn.string-db.org/)로 가져왔다26. STRING은 5,000종 이상의 2,400만 개 이상의 단백질을 포괄하며, 검증 및 예측된 단백질 상호작용을 검색하였다. 종은 Homo sapiens로 설정하였으며, 신뢰도가 낮은 상호작용 쌍을 필터링하기 위해 신뢰도 점수 컷오프를 0.7로 설정하였다. 내보낸 PPI 파일은 시각화 및 위상 분석을 위해 Cytoscape 3.8.0으로 가져왔다27. 벤 다이어그램 계산을 위해 [2025-12-24]에 Venny 2.0에 접속하였으며, STRING v11.5 접속 날짜는 [2025-12-28]이다. 저자들은 단백질 식별자, 유전자 기호 및 결합 상호작용 신뢰도 점수를 포함하는 전체 TSV 형식의 단백질-단백질 상호작용 표를 내보냈다.

허브 유전자 분석

Cytoscape 3.8.0에 내장된 cytoHubba 플러그인을 사용하여 각 네트워크 노드의 위상적 특징을 분석하였습니다. Maximal Clique Centrality (MCC) 점수가 가장 높은 상위 10개의 허브 유전자를 선정하였습니다. MCC는 cytoHubba의 내장 랭킹 알고리즘 중 하나이며, MCC 점수가 높을수록 PPI 네트워크 내에서 위상학적으로 더 중요한 위치에 있음을 나타냅니다. 이러한 유전자들은 전체 네트워크에서 핵심적인 조절 효과를 수행합니다.

유전자 온톨로지(GO) 및 교토 유전자 유전체 백과사전(KEGG) 경로 풍부성 분석

RCI에 대한 RD의 모든 중첩 치료 타겟을 종을 Homo sapiens로 설정하여 R x64 4.0.3 소프트웨어로 가져왔습니다. Bioconductor의 clusterProfiler 패키지를 사용하여 GO 및 KEGG 풍부도 분석을 수행하였습니다. GO 분석은 생물학적 과정(BP), 세포 성분(CC), 분자 기능(MF)의 세 가지 모듈로 구성되어, 타겟 단백질의 생물학적 거동, 세포 내 위치 및 생화학적 기능을 각각 주석 처리하였습니다28. KEGG 분석은 유전자를 세포 내 신호 전달 폭포에 매핑하여 다양한 생물학적 경로에서의 타겟 분포를 관찰하였습니다29. RCI에 대한 RD 중재와 관련된 유의하게 풍부한 BP, CC, MF 용어 및 핵심 경로를 추출하였으며, p < 0.05를 유의성 임계값으로 하여 모든 풍부도 분석 결과를 도식화를 위해 내보냈습니다.

분자 도킹 시뮬레이션

PPI 분석을 통해 스크리닝된 허브 유전자를 단백질 수용체로 정의하고, RD 활성 성분을 저분자 리간드로 설정하였다. 허브 단백질과 해당 성분 간의 천연 결합 상호작용을 탐구하기 위해 분자 도킹 시뮬레이션을 수행하였다. 리간드의 3차원 구조는 PubChem (https://pubchem.ncbi.nlm.nih.gov/)30에서 다운로드하였으며, 수용체 결정 구조는 RCSB PDB (https://www.rcsb.org/)31에서 확보하였다. 수용체 구조는 AutoDock 432를 사용하여 불필요한 물 분자 제거 및 극성 수소 추가를 포함한 전처리를 거쳤다. 배치 도킹 계산은 Open Babel 소프트웨어와 함께 AutoDock Vina를 사용하여 완료하였다. 결합 자유 에너지가 ≤ −7.0 kcal/mol인 복합체는 상위 랭크 도킹 복합체를 나타내는 안정적인 결합 구조로 정의하였다. 결합 자유 에너지가 ≤ −7.0 kcal/mol인 복합체는 분자 간 친화도가 높은 안정적인 결합 구조로 정의하였다. 이러한 경험적 컷오프 값은 식물 유래 생리활성 화합물에 대한 AutoDock-Vina 기반 인실리코(in-silico) 연구에서 일반적으로 적용되지만, 단백질-리간드 상호작용의 실험적 검증을 대체하는 것은 아니다33. 최적의 친화도를 보이는 상위 20개 도킹 복합체를 PyMOL로 가져와 3차원 결합 형태 도식도를 작성하였다34. PubChem 접속 날짜: [2026-02-10]; RCSB-PDB 접속 날짜: [2026-02-03]. 저분자 구조는 화합물 이름으로 검색하였으며, 단백질 수용체 구조는 유전자에 해당하는 PDB 액세션 ID로 검색하였다.

통계 분석

모든 생물정보학 통계 및 매핑을 완료하기 위해 R x64 4.0.3, Cytoscape 3.8.0 및 PyMOL을 사용하였다. 모든 농축 항목에 대해 p < 0.05는 통계적으로 유의미한 차이를 나타낸다.

결과

RD의 활성 성분

"Rhizoma Drynariae"를 키워드로 하여 TCMSP에서 총 71개의 화학 성분 원료를 검색하였습니다. ADME 기준(OB ≥ 30%, DL ≥ 0.18)에 따라 2차 스크리닝을 수행하였으며, 최종적으로 경구 흡수율과 약물 가능성이 우수한 18개의 생성 활성 성분을 확보하였습니다. 표 1은 이 18가지 활성 성분의 상세 기본 정보를 요약한 것입니다. 이 18가지 화합물이 RCI에 대한 RD의 다성분 물질 기초를 구성합니다.

RD의 관련 유전자 표적

RD 활성 성분과 일치하는 표적 유전자를 찾기 위해 TCMSP, ETCM 및 SymMap 데이터베이스를 검색하였으며, 총 327개의 초기 표적 항목을 수집하였습니다. 데이터를 통합하고 중복된 유전자 기호를 제거한 후, 후속 교집합 분석을 위해 213개의 비중복 RD 잠재 표적 유전자를 확보하였습니다.

RCI를 위한 관련 표적 유전자

Genecards 및 OMIM 데이터베이스에서 "rotator cuff injury"라는 키워드로 검색하여 989개의 RCI 관련 유전자 원시 항목을 얻었습니다. 데이터 통합 및 중복 제거 과정을 거쳐 RCI 진행과 밀접하게 관련된 870개의 고유한 인간 병원성 유전자를 확보하였습니다.

PPI 네트워크 구축

213개의 RD 표적 유전자와 870개의 RCI 병원성 유전자 간의 교차 분석을 통해 71개의 중복 유전자가 확인되었으며, 이들은 RCI 치료를 위한 RD의 잠재적 치료 표적으로 정의되었습니다. 교차 관계를 나타내는 벤 다이어그램은 Venny 2.0 소프트웨어로 생성되었습니다(그림 2). 71개의 중복 표적을 STRING에 입력하여 RCI에 개입하는 RD의 PPI 네트워크를 구축하였습니다(그림 3). 전체 PPI 데이터를 Cytoscape로 가져왔으며, cytoHubba를 통해 MCC 점수가 가장 높은 상위 10개 허브 유전자인 TNF, IL6, VEGFA, PTGS2, CASP3, AKT1, CCL2, PPARG, MAPK3, HMOX1을 선별하였습니다. 이들의 MCC 위상 정보는 표 2에 요약되었으며 그림 4에서 시각화되었습니다. 71개의 교차 유전자는 RCI에 대한 RD의 치료 효과를 매개하는 핵심 표적을 나타냅니다.

GO 및 KEGG 풍부도 분석

RCI 치료에 있어 RD 후보 표적의 분자적 기전을 탐구하기 위해, clusterProfiler 패키지를 사용하여 중첩된 치료 표적에 대해 GO 및 KEGG 풍부도 분석(enrichment analysis)을 수행하였습니다. BP, CC, MF에 대해 각각 별도의 GO 풍부도 통계 분석을 실시하였습니다. 그림 5A–B, 6A–B 및 7A–B는 BP, CC, MF에서 유의하게 풍부해진 상위 10개 항목을 나타내며, 각 그림의 서브그래프 B는 각 기능적 용어의 유전자 분포를 보여줍니다. 또한, RCI에 대한 RD 중재와 관련된 핵심 경로를 발굴하기 위해 KEGG 풍부도 분석을 수행하였으며, 상위 30개의 풍부한 경로는 그림 8에 시각화하였습니다.

분자 도킹 시뮬레이션

상위 10개 허브 유전자를 단백질 수용체로 설정하였으며, 18가지 RD 활성 성분 모두를 AutoDock Vina 및 Open Babel을 이용한 도킹 계산의 리간드로 채택하였습니다. PyMOL을 통해 리간드-수용체 결합 구조를 시각화하였습니다. 도킹 결과, 대부분의 허브 표적 단백질이 RD 활성 성분과 안정적인 결합 구조를 형성하는 것으로 나타났습니다. 표 3과 그림 9에 최적의 결합 친화도를 보인 상위 20개 복합체의 전체 도킹 파라미터와 3차원 결합 도표를 기록하였습니다.

본 네트워크 약리학 분석에서 RD의 생성 활성 성분 18종과 중복되지 않는 약물 관련 타겟 213개를 추출하였습니다. 870개의 RCI 관련 유전자와 교차 분석한 결과, 71개의 공유 치료 후보 타겟을 확보하였습니다. PPI 네트워크 구축 및 cytoHubba-MCC 스크리닝을 통해 TNF, IL6, VEGFA, PTGS2, CASP3, AKT1, CCL2, PPARG, MAPK3, HMOX1의 10가지 허브 유전자를 도출하였습니다. GO 풍부성 분석은 BP, CC, MF를 포괄하였으며, KEGG 풍부성 분석을 통해 여러 유의미한 신호 전달 경로를 식별하였습니다. 분자 도킹 시뮬레이션을 통해 RD의 주요 활성 성분과 이러한 허브 타겟 단백질 사이의 우수한 결합 친화력을 검증하였습니다.

데이터 가용성:

타겟 리스트, PPI 네트워크 파일, GO 및 KEGG 풍부성 분석 결과, 분자 도킹 매트릭스를 포함하여 본 연구에서 생성된 모든 원시 및 가공 데이터는 Science Data Bank에 저장되었습니다. 원시 데이터 액세스 링크는 https://www.scidb.cn/anonymous/alVOVlJu입니다.

figure-results-1
그림 1: 본 연구에 적용된 생물정보학 파이프라인의 개략적인 워크플로우. 왼쪽부터, 후보 생성 활성 화합물 및 그에 해당하는 RD 타겟을 TCMSP, ETCM, SymMap 데이터베이스에서 추출하였습니다. 오른쪽에서는 RCI 관련 유전자를 GeneCards 및 OMIM에서 추출하였습니다. 이 두 데이터 세트에서 중첩되는 유전자 타겟을 벤 다이어그램을 사용하여 식별하였으며, 이를 잠재적 치료 타겟으로 정의하였습니다. 공유 타겟은 이후 두 개의 별도 분기에서 처리되었습니다. 한 분기에서는 STRING과 Cytoscape를 사용하여 단백질-단백질 상호작용 네트워크를 구축하였으며, 다른 분기에서는 R 패키지 clusterProfiler를 사용하여 GO 및 KEGG 풍부도 분석을 수행하였습니다. PPI 네트워크에서 추출된 허브 유전자는 분자 도킹을 통해 추가로 검증되었으며, 구조 준비 및 시뮬레이션은 PubChem, PDB, AutoDock Vina 및 PyMOL을 사용하여 완료되었습니다. 약어: RD = Rhizoma Drynariae, RCI = rotator cuff injury, TCMSP = The Traditional Chinese Medicine Systems Pharmacology Database and Analysis Platform, ETCM = The Encyclopedia of Traditional Chinese Medicine, OMIM = The Online Mendelian Inheritance in Man, GO = gene ontology, KEGG = Kyoto encyclopedia of genes and genomes. 여기를 클릭하여 이 그림의 확대 버전을 확인하십시오.

figure-results-2
그림 2: RD와 RCI 간의 중첩 타겟을 나타낸 벤 다이어그램. 파란색 원은 RCI와 관련된 타겟을 나타냅니다. 노란색 원은 RD의 잠재적 치료 타겟을 나타냅니다. 중첩된 올리브그린 영역은 RD와 RCI가 공유하는 타겟을 나타냅니다. 각 영역 내부의 숫자와 백분율은 고유 타겟 또는 공유 타겟의 수와 비율을 의미합니다. 약어: RD = Rhizoma Drynariae, RCI = 회전근개 파열. 여기를 클릭하여 이 그림의 더 큰 버전을 확인하십시오.

figure-results-3
그림 3:RD와 RCI를 연결하는 71개의 중첩 유전자 타겟으로부터 생성된 PPI 네트워크. 네트워크의 각 원은 공식 유전자 심볼로 표시된 타겟 유전자를 나타냅니다. 두 원을 연결하는 선은 공공 생물정보학 데이터베이스에서 추출한 단백질-단백질 연관성을 보여줍니다. 노드의 크기와 색상 포화도는 네트워크 내 개별 유전자의 위상적 중요성을 반영합니다. 원이 더 크고 녹색 색조가 더 짙은 유전자는 위상적 점수가 더 높고 더 중심적인 위치를 차지하며, 작고 연한 노란색 원은 위상적 중요도가 낮은 유전자를 나타냅니다. 약어: RD = Rhizoma Drynariae, RCI = rotator cuff injury, PPI = protein-protein interaction. 여기를 클릭하여 이 그림의 더 큰 버전을 확인하십시오.

figure-results-4
그림 4: cytoHubba 플러그인을 사용하여 PPI 네트워크에서 식별한 상위 10개 허브 유전자. 직사각형 상자는 각 공식 유전자 기호가 표시된 허브 유전자를 나타냅니다. 상자들을 연결하는 검은색 선은 이러한 핵심 타겟 간의 단백질 상호작용을 반영합니다. 밝은 빨간색에서 주황색, 노란색으로 이어지는 색상 그라데이션은 cytoHubba 플러그인으로 계산된 MCC 점수에 따른 허브 유전자의 순위를 시각화한 것입니다. 밝은 빨간색 상자는 MCC 점수가 가장 높고 네트워크 중요도가 가장 큰 유전자를 나타내며, 노란색 상자는 상대적으로 점수가 낮은 유전자를 나타냅니다. 약어: PPI = protein-protein interaction, MCC = Maximal Clique Centrality.이 그림의 더 큰 버전을 보려면 여기를 클릭하십시오.

figure-results-5
그림 5: RCI에 대한 RD의 71개 공통 표적 유전자의 BP 농축 분석. (A) BP에 대한 잠재적 치료 표적의 GO 농축 분석. 상위 10개의 유의하게 농축된 GO 생물학적 과정(biological process) 용어를 보여주는 가로 막대 그래프이다. 가로 X축은 각 GO 용어에 주석이 달린 표적 유전자의 수에 해당하는 유전자 수를 나타낸다. 세로 Y축은 개별 농축 GO 용어를 나열한다. 오른쪽의 연속 색상 바는 -log10(pvalue)를 인코딩하며, 더 따뜻한 빨간색 톤은 더 높은 -log10(pvalue)와 더 강한 통계적 유의성을 나타내고, 더 차가운 보라색 및 파란색 톤은 더 낮은 유의성을 나타낸다. (B) 잠재적 치료 표적과 BP 간의 관계. 패널 B는 농축된 GO 용어와 해당 표적 유전자 사이의 쌍별 연관성을 보여주는 코드 다이어그램(chord diagram)이다. 바깥쪽 원형 세그먼트는 두 가지 범주로 나뉜다. 색상 블록은 서로 다른 GO 생물학적 과정 용어를 나타내며, 회색 직사각형 틱은 개별 표적 유전자 기호를 표시한다. 원 내부의 곡선 리본은 GO 용어를 매칭되는 표적 유전자에 연결하며, 각 리본은 하나의 유전자를 해당 유전자가 참여하는 GO 용어에 매핑한다. 각 리본의 색상은 바깥쪽 링의 해당 GO 용어 색상을 따른다. 하단의 범례는 각 색상을 해당 GO 용어와 연결한다. 약어: RD = Rhizoma Drynariae, RCI = 회전근개 파열, BP = 생물학적 과정, GO = 유전자 온톨로지. 여기를 클릭하여 이 그림의 확대 버전을 확인하십시오.

figure-results-6
그림 6: RCI 치료에 있어 RD의 71개 후보 표적에서 유도된 GO-CC 용어. (A) CC에 대한 잠재적 치료 표적의 GO 농축 분석. (B) 잠재적 치료 표적과 CC 간의 관계. 패널 A는 상위 10개의 유의하게 농축된 GO 세포 성분 항목을 나타내는 가로 막대 그래프이다. 가로 X축은 Counts로 표시되며, 각 GO 용어에 할당된 표적 유전자의 수를 정량화한다. 농축된 GO 세포 성분 설명은 세로 Y축을 따라 배열되어 있다. 오른쪽의 색상 막대는 색상 변화를 -log10(pvalue) 값에 매핑하며, 밝은 빨간색은 더 높은 -log10(pvalue) 값과 더 강한 통계적 유의성을 나타내고, 파란색 계열은 더 낮은 유의 수준을 나타낸다. 패널 B는 농축된 GO 세포 성분 용어와 관련 표적 유전자 사이의 연결을 시각화한 코드 다이어그램을 보여준다. 바깥쪽 링의 세그먼트는 두 그룹으로 나뉜다. 색상 블록은 서로 다른 GO 세포 성분 용어를 나타내며, 회색 눈금은 개별 표적 유전자 기호를 나타낸다. 원 내부의 곡선 리본은 각 유전자를 일치하는 GO 용어에 연결하며, 모든 리본은 바깥쪽 링의 해당 GO 용어 색상을 따른다. 하단의 범례는 모든 GO 세포 성분 카테고리의 색상 코딩을 정의한다. 약어: RD = Rhizoma Drynariae, RCI = 회전근개 파열, CC = 세포 성분, GO = 유전자 온톨로지 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.

figure-results-7
그림 7: RCI 중재에 대한 RD의 71개 중첩 타겟 유전자를 대상으로 수행한 MF 농축 분석. (A) MF에 대한 잠재적 치료 타겟의 GO 농축 분석. (B) 잠재적 치료 타겟과 MF 간의 관계. 패널 A는 상위 10개의 유의하게 농축된 GO 분자 기능(molecular function) 용어를 순위별로 나타낸 가로 막대 그래프이다. 가로 X축의 값은 각 분자 기능 항목에 주석이 달린 타겟 유전자의 총 개수인 유전자 수를 나타낸다. 세로 Y축에는 개별 GO 분자 기능 설명이 나열되어 있다. 오른쪽의 색상 그라데이션 바는 색상 변화를 -log10(pvalue) 지표로 변환한 것이며, 밝은 빨간색은 더 높은 -log10(pvalue) 값과 더 강한 통계적 유의성을 나타내고, 파란색 계열은 낮은 유의성을 나타낸다. 패널 B는 농축된 GO 분자 기능 카테고리와 이와 연관된 타겟 유전자 간의 관계를 매핑한 코드 다이어그램이다. 외곽 링의 세그먼트에는 두 가지 클래스의 레이블이 포함되어 있는데, 색상 블록은 서로 다른 GO 분자 기능 용어를 나타내며, 작은 회색 직사각형 틱은 개별 타겟 유전자 기호를 표시한다. 외곽 링에서 안쪽으로 뻗어 나가는 곡선 리본은 각 유전자를 일치하는 기능 용어와 연결하며, 각 리본은 해당 GO 용어에 할당된 색상을 갖는다. 하단 범례는 그래프에 표시된 모든 GO 분자 기능 카테고리에 대한 색상 코드를 정의한다. 약어: RD = Rhizoma Drynariae, RCI = 회전근개 파열, MF = 분자 기능, GO = 유전자 온톨로지 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.

figure-results-8
그림 8: RCI에 대한 RD의 71개 공통 타겟 유전자에 대한 KEGG 경로 농축 분석. 이 도트 플롯은 상위 농축 KEGG 경로를 시각화한 것이다. 수직 Y축은 개별 농축 경로의 이름을 나타낸다. 수평 X축은 GeneRatio를 나타내며, 이는 해당 경로에 매핑된 타겟 유전자의 수를 해당 경로의 전체 유전자 수로 나눈 비율로 정의된다. 각 원형 점은 하나의 농축 경로를 나타낸다. 점의 크기는 유전자 수에 해당하며, 원이 클수록 해당 경로에 주석이 달린 타겟 유전자가 더 많음을 의미한다. 점의 색상은 p-value를 반영한다: 빨간색은 더 낮은 p-value와 더 강한 통계적 유의성을 나타내며, 진한 파란색은 더 높은 p-value와 더 약한 통계적 유의성을 나타낸다. 양측의 범례는 유전자 수와 p-value 색상 매핑의 척도를 각각 정의한다. 약어: RD = Rhizoma Drynariae, RCI = 회전근개 파열, KEGG = Kyoto encyclopedia of genes and genomes. 여기를 클릭하여 이 그림의 확대 버전을 확인하십시오.

figure-results-9
그림 9: 상위 순위의 도킹 복합체. (A) (PTGS2, eriodictyol, -9.7 kcal/mol). (B) (PTGS2, luteolin, -9.6 kcal/mol). (C) (PTGS2, catechin, -9.5 kcal/mol). (D) (PTGS2, naringenin, -9.5 kcal/mol). (E) (PTGS2, Aureusidin, -9.4 kcal/mol). (F) (PTGS2, kaempferol, -9.2 kcal/mol). (G) (PTGS2, chroman, -9.1 kcal/mol). (H) (TNF, catechin, -9.1 kcal/mol), (I) (PTGS2, digallate, -9 kcal/mol). (J) (TNF, digallate, -9 kcal/mol), (K) (PPARG, chroman, -8.9 kcal/mol); (L) (PPARG, naringenin, -8.9 kcal/mol), (M) (TNF, Aureusidin, -8.9 kcal/mol); (N) (TNF, kaempferol, -8.8 kcal/mol); (O) (MAPK3, chroman, -8.7 kcal/mol); (P) (MAPK3, naringenin, -8.7 kcal/mol); (Q) (PPARG, Aureusidin, -8.7 kcal/mol); (R) (PPARG, kaempferol, -8.7 kcal/mol); (S) (PTGS2, 22_Stigmasten_3_one, -8.7 kcal/mol); (T) (MAPK3, luteolin, -8.6 kcal/mol). 패널 A에서 T는 각각 해당 단백질 표적의 결합 포켓 내에서 개별 소분자 화합물의 계산된 결합 기하 구조를 보여준다. 청록색 스틱 모델은 단백질 결합 포켓을 형성하는 아미노산 잔기를 나타낸다. 서로 다른 화학 구조를 구별하기 위해 소분자 리간드는 마젠타색 또는 녹색 스틱으로 렌더링되었다. 노란색 점선은 리간드와 포켓 잔기 사이의 분자 간 수소 결합을 나타내며, 숫자 표시는 수소 결합 거리를 옹스트롬(Å) 단위로 나타낸 것이다. 반투명한 흰색 표면은 각 단백질 수용체의 전체적인 3D 토폴로지를 나타낸다. 모든 결합 포즈 계산은 AutoDock Vina 소프트웨어를 이용한 강체 수용체 분자 도킹(rigid-receptor molecular docking)을 통해 수행되었다. 이 그림의 더 큰 버전을 보시려면 여기를 클릭하십시오.

분자 ID분자명경구 생체이용률(OB) (%)약물 유사성 (DL)
MOL001040(2R)-5,7-dihydroxy-2-(4-hydroxyphenyl)chroman-4-one42.360.21
MOL001978Aureusidin53.420.24
MOL002914Eriodyctiol (flavanone)41.350.24
MOL000449Stigmasterol43.830.76
MOL000358beta-sitosterol36.910.75
MOL000422kaempferol41.880.24
MOL004328naringenin59.290.21
MOL000492(+)-catechin54.830.24
MOL005190eriodictyol71.790.24
MOL000569digallate61.850.26
MOL000006luteolin36.160.25
MOL00906122-Stigmasten-3-one39.250.76
MOL009063Cyclolaudenol acetate41.660.79
MOL009075cycloartenone40.570.79
MOL009076cyclolaudenol39.050.79
MOL009078davallioside A_qt62.650.51
MOL009087marioside_qt70.790.19
MOL009091xanthogalenol41.080.32

표 1: RD에서 유래한 18가지 후보 생성 활성 성분의 약동학적 프로파일. 화합물은 TCMSP 데이터베이스에서 검색되었으며 두 가지 ADME 관련 임계값인 OB ≥ 30% 및 DL ≥ 0.18을 기준으로 필터링되었습니다. 각 열은 선별된 각 성분의 TCMSP 등록 번호(Mol ID), 화합물 이름, 계산된 OB 값(%) 및 DL 점수를 나타냅니다. 약어: RD = Rhizoma Drynariae, RCI = 회전근개 파열, ADME = 흡수, 분포, 대사, 배설, TCMSP = 전통 중약 시스템 약리학 데이터베이스 및 분석 플랫폼, OB = 경구 생체이용률, DL = 약물 유사성.

순위유전자명칭점수
1TNF종양 괴사 인자328291218366500
2IL6인터루킨 6328291215913592
3VEGFA혈관 내피 성장 인자 A328291215896284
4PTGS2프로스타글란딘-엔도퍼옥사이드 합성효소 2328288656326402
5CASP3Caspase 3328288180323600
6AKT1AKT 세린/트레오닌 키나아제 1328287745700516
7CCL2C-C 모티프 케모카인 리간드 2328161521686320
8PPARG페록시좀 증식체 활성화 수용체 감마325302724852296
9MAPK3미토겐 활성 단백질 키나아제 3308779166166218
10HMOX1헴 산소화효소 1299171945318400

표 2: PPI 네트워크에서 식별된 상위 10개 허브 유전자. 유전자는 Cytoscape 내의 cytoHubba 플러그인으로 계산된 MCC 점수에 따라 순위가 매겨졌습니다. MCC는 cytoHubba의 위상적 지표로, 수치가 클수록 네트워크 내에서 위상적 중요도가 더 높음을 나타냅니다. 각 열은 순위, 공식 유전자 심볼, 유전자 전체 이름 및 각 허브 유전자에 해당하는 원시 MCC 점수를 나타냅니다. 약어: PPI = 단백질-단백질 상호작용, MCC = 최대 클릭 중심성(Maximal Clique Centrality).

수용체리간드자유 에너지 (kcal/mol)그림 9의 해당 일련번호
PTGS2eriodictyol-9.7A
PTGS2luteolin-9.6B
PTGS2catechin-9.5C
PTGS2naringenin-9.5D
PTGS2Aureusidin-9.4E
PTGS2kaempferol-9.2F
PTGS2chroman-9.1G
TNFcatechin-9.1H
PTGS2digallate-9I
TNFdigallate-9J
PPARGchroman-8.9K
PPARGnaringenin-8.9L
TNFAureusidin-8.9M
TNFkaempferol-8.8N
MAPK3chroman-8.7O
MAPK3naringenin-8.7P
PPARGAureusidin-8.7Q
PPARGkaempferol-8.7R
PTGS222_Stigmasten_3_one-8.7S
MAPK3luteolin-8.6T

표 3: 선택된 20가지 수용체-리간드 복합체의 분자 도킹 결합 친화도 결과. 각 행은 수용체 단백질, 저분자 리간드, 계산된 결합 자유 에너지(kcal/mol) 및 그림 9의 해당 하위 도표 라벨을 나열합니다. 자유 에너지 값이 더 음수일수록 단백질 포켓과 리간드 화합물 사이의 결합 안정성이 더 강함을 나타냅니다. 약어: PTGS2 = prostaglandin-endoperoxide synthase 2, TNF = tumor necrosis factor, PPARG = peroxisome proliferative activated receptor gamma, MAPK3 = mitogen-activated protein kinase 3.

토론

RCI는 만성 염증, 과도한 건세포(tenocyte) 세포사멸, 혈관 신생 장애 및 부적절한 세포외 기질 재구성 등을 포함하는 복합적인 근골격계 질환으로, 이러한 병리적 변화들이 결합되어 건-골 치유 저하 및 불량한 임상 예후를 초래합니다35. 이 질환은 주로 급성 외상이나 장기간의 어깨 과사용으로 인해 발생하며, 지속적인 염증은 건 세포외 기질의 대사 균형을 파괴합니다36. 임상적으로 현재의 치료법들은 여러 병리적 연결 고리를 동시에 표적화하지 못해 효능이 제한적이며 재발률이 높습니다37. RD는 뼈를 강화하고 혈액 순환을 활성화하며 조직 수복을 촉진하는 전통 중의학(TCM) 약재로, 오랫동안 뼈 및 건 손상 치료에 임상적으로 사용되어 왔습니다38. 하지만 RCI에 대한 RD의 정확한 분자 조절 메커니즘은 기존 연구에서 체계적으로 분석되지 않았습니다.

상기 연구 배경을 바탕으로, 본 연구는 네트워크 약리학 및 분자 도킹을 이용하여 RCI에 대한 RD의 다성분, 다표적, 다경로 기전을 체계적으로 밝히고자 하였습니다. 이전의 식물 화학 및 약리학 연구를 통해 RD 유래 플라보노이드가 유의미한 항염증, 항산화, 항세포사멸 및 혈관 신생 촉진 생물학적 활성을 가지고 있음이 충분히 검증되었으며, 이는 조직 수복 기능의 핵심적인 물질적 기초가 됩니다39. 이전 연구 결과와 일치하게 RD에서 총 18가지 활성 성분이 확인되었으며, 그중 eriodictyol, luteolin, catechin, naringenin, aureusidin이 핵심 성분으로 인식되었습니다. 수많은 식물 화학 연구를 통해 플라보노이드가 RD의 주요 약력학적 물질임이 입증되었습니다40. 이러한 저분자 화합물은 조직 장벽을 투과하여 손상된 힘줄의 수복 미세환경에 종합적인 조절 효과를 발휘할 수 있습니다41. 이들의 우수한 ADME 특성은 양호한 OB 및 약물 유사성을 보장하며, RCI에 대한 천연 치료제로서의 잠재력을 뒷받침합니다. 단일 표적 화학 합성 약물과 달리, 이러한 천연 플라보노이드는 염증, 산화적 손상, 세포 생존 및 혈관 신생에 동시에 관여할 수 있어 만성 퇴행성 힘줄 병변에 독특한 장점을 보여줍니다42.

축적된 연구들을 통해 RCI의 발생과 진행이 여러 기능성 유전자의 비정상적 발현과 밀접하게 연관되어 있음이 확인되었으며, 다양한 핵심 유전자들이 힘줄 염증, 세포 사멸 및 조직 리모델링의 병리적 과정에 참여하는 것으로 입증되었습니다43. RCI의 공인된 유전자 조절 메커니즘을 바탕으로, 본 연구에서는 RD의 치료 표적을 추가로 탐색하였습니다. RCI에 대한 RD의 잠재적 치료 표적으로 71개의 중첩 표적이 식별되었습니다. PPI 네트워크 분석을 통해 TNF, IL6, VEGFA, PTGS2, CASP3, AKT1, CCL2, PPARG, MAPK3, HMOX1의 10개 허브 유전자를 선별하였습니다. 그 중 TNF와 IL6는 염증 폭포(inflammatory cascades)를 유발하고 건세포(tenocyte)의 증식을 억제하며 세포외 기질 합성을 저해함으로써 힘줄 손상을 악화시키는 핵심적인 전염증성 사이토카인입니다44. 이 두 사이토카인의 대량 방출은 면역 세포를 모집하고 염증 반응을 증폭시키며 힘줄 줄기세포의 증식을 억제합니다45. VEGFA는 손상 부위의 신생 혈관 형성을 촉진하여 국소 혈류 공급을 개선하고 치유 조직의 기계적 강도를 높입니다46. 힘줄-뼈 계면은 본래 혈관이 부족하며, 불충분한 신생 혈관 형성은 손상 후 치유 품질이 만족스럽지 못하게 되는 주요 요인입니다47. PTGS2는 염증성 통증과 프로스타글란딘 생성을 매개하며, CASP3는 건세포 사멸의 핵심 실행자입니다48,49. PTGS2의 과발현은 염증성 부종과 통증을 악화시키고, CASP3의 높은 활성화는 기능적 건세포의 지속적인 손실을 유도합니다50,51. AKT1과 MAPK3는 세포 생존, 증식 및 분화를 조절하는 핵심 인산화효소(kinase)이며, 이는 힘줄 재생에 필수적입니다52,53. 이 두 인산화효소의 적절한 활성화는 수복 세포의 활력을 유지하고 세포외 기질의 침착을 가속화할 수 있습니다54. CCL2는 염증 세포를 모집하는 반면, PPARG와 HMOX1은 항염증 및 항산화 효과를 나타냅니다55,56,57. 이 두 유전자는 산화 스트레스를 완화하고 국소 힘줄 조직 내의 과도한 염증 침윤을 줄일 수 있습니다58. 종합적으로, 이러한 허브 유전자들은 RCI의 염증, 세포 사멸, 혈관 신생 및 조직 리모델링을 조절하는 핵심 조절 네트워크를 형성합니다.

기존의 병리학적 연구들은 RCI의 병리학적 진행이 주로 염증 반응, 산화적 스트레스, 비정상적인 세포 증식 및 무질서한 세포외 기질 조직화에 의해 유도되며, 이것들이 RCI의 발생과 회복 전반에 걸친 핵심 병리학적 연결 고리임을 명확히 하였다59. 이를 바탕으로, 본 연구에서는 RD가 RCI에 개입하는 잠재적인 생물학적 메커니즘을 탐색하기 위해 GO 농축 분석을 수행하였다. 이러한 생물학적 과정들은 병변 발생 및 회복 과정에서 RCI의 핵심 병리학적 연결 고리와 일치하며, 이는 RD가 여러 병리학적 과정을 동시에 표적할 수 있음을 시사한다60. 다수의 이전 메커니즘 연구들은 TNF 신호 경로, PI3K-Akt 신호 경로, MAPK 신호 경로 및 HIF-1 신호 경로가 힘줄 염증, 세포 회복 및 조직 재건을 조절하는 핵심 신호 경로임을 확인하였다61,62,63,64. RCI 치료에서 RD의 잠재적 신호 메커니즘을 더욱 탐구하기 위해, 본 연구는 위의 연구 기초를 바탕으로 KEGG 경로 농축 분석을 실시하였다. 결과적으로 RD의 RCI 억제 효과는 주로 위의 네 가지 경로와 관련이 있음이 밝혀졌다. TNF 신호 경로는 염증 반응과 건세포 세포사멸을 촉진하여 힘줄의 염증성 퇴행을 유도하는 상위 동인으로 작용한다65. PI3K‑Akt 경로는 세포 생존과 혈관 신생을 강화하여 힘줄 치유에 유익하며, 여러 성장 인자를 조정하여 섬유아세포의 콜라겐 분비를 촉진할 수 있다66,67. MAPK 신호 경로는 세포 증식, 분화 및 세포외 기질 합성을 조절하여 힘줄 재건의 전 과정에 참여한다68. HIF‑1 신호 경로는 저산소증에 반응하여 혈관 재생을 촉진함으로써 손상된 힘줄의 저산소 미세환경을 효과적으로 개선한다69. 이러한 경로들은 서로 상호작용(cross-talk)하여 복잡한 조절 네트워크를 형성하며, 이는 RCI 치료에 있어 RD의 다경로 특성을 충분히 보여준다.

분자 도킹은 네트워크 약리학 연구에서 일상적이고 보조적인 검증 방법이 되었으며, 활성 성분과 핵심 타겟 사이의 결합 활성을 직접적으로 특성화할 수 있습니다. 이에 따라, 본 연구에서는 네트워크 약리학의 예측 결과70를 검증하기 위해 분자 도킹을 채택하였습니다. 그 결과, RD의 핵심 플라보노이드 성분들이 허브 단백질의 활성 포켓에 안정적으로 결합할 수 있음이 입증되었으며, 이는 네트워크 약리학적 예측의 신뢰성을 더욱 뒷받침합니다. 이러한 안정적인 결합 모드는 RD가 주요 타겟에 직접 작용하여 치료 효과를 나타낼 수 있음을 시사합니다. 플라보노이드 리간드와 허브 단백질 활성 부위 사이의 긴밀한 결합은 직관적인 분자 상호작용 근거를 제공하며, 이는 향후 세포 기능 검증 실험을 위한 후보 화합물을 제시합니다.

본 연구에는 몇 가지 한계점이 있습니다. 첫째, 예측 결과가 공공 데이터베이스의 생정보학적 분석에 의존하고 있어, 잘 연구된 단백질에 대한 주석 편향(annotation bias)이 발생했을 수 있습니다. 회전근 힘줄 특이적 유전자 발현 및 단백질 동형체(isoform)가 반영되지 않았으며, 무방향성 STRING 기반 PPI 네트워크로는 힘줄 특이적 생물학적 특성을 완전히 재현할 수 없습니다. TNF, PI3K‑Akt 및 MAPK와 같이 농축된 경로들은 RD 전용 시그니처라기보다 일반적인 염증 반응 폭포(inflammatory cascades)를 나타냅니다. 공공 오믹스 자원으로는 인간 회전근 조직의 in vivo 동적 병리 변화와 개인차를 재현할 수 없습니다. 향후 연구에서는 메커니즘적 해석을 정교화하기 위해 단일 세포 RNA 시퀀싱 데이터셋을 통합할 수 있을 것입니다. 둘째, 화합물 스크리닝에 경험적 ADME 컷오프(OB ≥ 30%, DL ≥ 0.18)를 사용하여, 경구 생체이용률이 낮은 생성 활성 화합물이 제외되었을 가능성이 있습니다. 분자 도킹은 강체 수용체(rigid‑receptor) 설정을 채택하여 단백질 유연성과 구조적 물 분자를 무시했으며, 생물물리학적 검증(예: SPR, ITC)이 이루어지지 않았습니다. 양성 약물 대조군 설정, 민감도 분석, 독성 평가 및 전체 약동학 프로파일링이 수행되지 않았습니다. 모든 결과물은 계산적 예측이며, 표적 경로의 기능과 성분-허브 유전자 간의 조절 관계를 검증하기 위해 in vitro 세포 실험 및 in vivo 동물 실험이 필요합니다. 셋째, 여러 RD 성분 간의 시너지 상호작용과 in vivo 약동학적 거동은 아직 탐구되지 않았습니다. 이 한약의 성분 간 크로스토크와 대사 프로파일을 해독하기 위한 체계적인 실험적 연구가 필요합니다. 본 연구는 RD가 다성분, 다표적, 다경로 조절 네트워크를 통해 RCI를 치료한다는 점을 체계적으로 밝혀냈습니다. RD는 TNF, PI3K‑Akt, MAPK 및 HIF‑1 신호 경로를 통해 염증을 억제하고, 건세포의 세포사멸을 줄이며, 혈관 신생을 촉진하고, 세포외 기질 복구를 강화함으로써 치료 효과를 나타내는 것으로 보입니다. 이러한 발견은 RCI에 대한 RD의 임상 적용 및 메커니즘 연구를 위한 견고한 이론적 근거를 제공합니다.

공개 사항

저자들은 잠재적인 이해상충으로 해석될 수 있는 어떠한 상업적 또는 재정적 관계 없이 본 연구가 수행되었음을 밝힙니다.

감사의 글

저자들은 TCMSP, ETCM, SymMap, GeneCards, OMIM, STRING, UniProt, PubChem 및 RCSB‑PDB를 포함하여 본 연구에 사용된 공공 생물정보학 리소스의 개발자와 관리자들에게 감사를 표합니다. 이러한 오픈 액세스 데이터베이스는 본 연구에서 설명한 계산 분석을 뒷받침하는 공개 데이터 세트를 제공하였습니다. 본 연구는 외부 지원금을 받지 않았습니다.

재료

이 논문에 사용된 재료 목록
이름회사카탈로그 번호댓글
AutoDock Vina스크립스 연구소V1.2.0단백질-리간드 결합 시뮬레이션을 위한 분자 도킹 소프트웨어; RRID: 해당 없음. URL: https://github.com/ccsb-scripps/AutoDock-Vina
clusterProfilerBioconductorV3.2.14GO 및 KEGG 농축 분석을 위한 R 패키지; R 4.0.3과 호환됨; RRID: SCR_016884. URL: https://bioconductor.org/packages/release/bioc/html/clusterProfiler.html
cytoHubba 국립대만대학교(Cytoscape 플러그인)V0.1위상학적 지표를 통한 허브 유전자 스크리닝용 Cytoscape 플러그인; RRID: SCR_006556. URL: https://apps.cytoscape.org/apps/cytohubba
Cytoscape시스템 생물학 연구소V3.8.0네트워크 시각화 및 분석 소프트웨어;  RRID: SCR_003032. URL: https://cytoscape.org/
ETCM (중의약 백과사전)중국 중의과학원 중국약물연구소V2.0중의약 성분, 타겟 및 처방을 위한 큐레이션 데이터베이스; RRID: 해당 없음. URL: http://www.tcmip.cn/ETCM2/front/#/
GeneCards와이즈만 과학 연구소—주기적인 주요 릴리스와 증분 업데이트가 제공되는 통합 인간 유전자 데이터베이스; 2025-12-15에 데이터 검색; RRID: 해당 없음. URL: https://www.genecards.org
Open BabelOpen Babel 개발 팀—전역 릴리스 버전이 없는 매일 업데이트되는 유전자-표현형 데이터베이스; 2026-02-16에 데이터 검색; RRID: 해당 없음. URL: https://omim.org
OMIM (Online Mendelian Inheritance in Man, 인간 멘델 유전학 온라인 정보베이스)존스 홉킨스 대학교—분자 파일 변환을 위한 오픈 소스 화학정보학 툴킷; 2025-12-21에 데이터 검색; RRID: 해당 없음. URL: https://openbabel.org/
PubChem미국 국립생물정보센터 (NCBI)—전 세계적인 고정 릴리스 없이 지속적으로 업데이트되는 공개 화학 데이터베이스; 화합물 데이터 검색일 2026-02-10; RRID: 해당 없음. URL: https://pubchem.ncbi.nlm.nih.gov
PyMOL슈뢰딩거(Schr)ödinger, LLCV2.5단백질-리간드 구조 시각화 및 렌더링 소프트웨어; RRID: SCR_000305. URL: https://pymol.org
R 소프트웨어R Foundation for Statistical ComputingV4.0.3통계 컴퓨팅 및 그래픽 환경; RRID: SCR_001905. URL: https://cran.r-project.org
RCSB PDBRCSB Protein Data Bank—3D 단백질 구조의 공개 아카이브; 각 PDB 항목은 독립적인 버전 관리가 이루어짐; 2026-02-03에 구조 파일 추출; RRID: SCR_012820. URL: https://www.rcsb.org
제공된 텍스트가 없습니다. 번역할 내용을 입력해 주세요.엘릭시르(ELIXIR)V11.5알려진 및 예측된 단백질-단백질 상호작용 데이터베이스; RRID: SCR_005223. URL: https://string-db.org
SymMap중국중의과학원V2.0한약재, 성분, 타겟 및 증상을 연결하는 통합 데이터베이스; RRID: 해당 없음. URL: http://www.symmap.org
TCMSP노스웨스트 A&F 대학교V2.3성분, 표적 및 ADME 특성을 포함하는 TCM 시스템 약리학 데이터베이스; RRID: 해당 없음. URL: https://old.tcmsp-e.com/tcmsp.php
UniProt유럽 생물정보학 연구소 (EMBL-EBI)—정기적 릴리스 및 지속적인 업데이트가 제공되는 종합 단백질 서열 및 주석 데이터베이스; 2025-12-12에 데이터 검색; RRID: SCR_002380. URL: https://www.uniprot.org
VennyBioinfoGP, 스페인 국립생명공학센터V2.0벤 다이어그램 생성 및 중첩 유전자 집합 분석을 위한 웹 기반 도구; RRID: SCR_016561. URL: https://bioinfogp.cnb.csic.es/tools/venny/index2.0.2.html

참고문헌

  1. Desmeules F, et al. Rotator cuff tendinopathy diagnosis, nonsurgical medical care, and rehabilitation: a clinical practice guideline. J Orthop Sports Phys Ther. 2025;55(4):235-274.
  2. Yoshida M, et al. Post-operative rotator cuff integrity, based on Sugaya's classification, can reflect abduction muscle strength of the shoulder. Knee Surg Sports Traumatol Arthrosc. 2018;26(1):161-168.
  3. Aydın A, et al. The effects of N-acetylcysteine and adipose-derived stem cells on tendon healing in chronic rotator cuff tears: a rabbit model study. BMC Musculoskelet Disord. 2025;26(1):1014.
  4. Bolam SM, et al. Ethnicity, sex, and socioeconomic disparities in the treatment of traumatic rotator cuff injuries in Aotearoa/New Zealand. J Shoulder Elbow Surg. 2023;32(1):121-132.
  5. Patel HP, Patel S, Zalin M, Agrawal DK. Calcified vs. non-calcified tendinopathy of the rotator cuff: clinical presentations, prognostic implications, and emerging therapeutic strategies. J Orthop Sports Med. 2025;7(3):379-391.
  6. Sewpaul Y, et al. Non-steroidal anti-inflammatory drugs and cyclooxygenase-2 inhibitors do not affect healing after rotator cuff repair: a systematic review and meta-analysis. Arthroscopy. 2024;40(3):930-940.e1.
  7. Hopewell S, et al. Progressive exercise compared with best practice advice, with or without corticosteroid injection, for the treatment of patients with rotator cuff disorders (GRASP): a multicentre, pragmatic, 2 × 2 factorial, randomised controlled trial. Lancet. 2021;398(10298):416-428.
  8. Kandikattu S, Aavula M, Pisarski T, Parvizi D, Agrawal DK. Effect of metabolic syndrome in the incidence of rotator cuff injury and recovery following surgical repair. J Surg Res (Houst). 2025;8(1):202-210.
  9. Longo UG, et al. Retear rates after rotator cuff surgery: a systematic review and meta-analysis. BMC Musculoskelet Disord. 2021;22(1):749.
  10. Siu WS, Ma H, Cheng W, Shum WT, Leung PC. Traditional Chinese medicine for topical treatment of skeletal muscle injury. Pharmaceuticals (Basel). 2023;16(8):1144.
  11. Jingying G, et al. A comprehensive review of Drynariae rhizoma: botany, traditional applications, and active flavonoid components. J Pharm Pharmacol. 2025;77(10):1319-1337.
  12. Chen GY, et al. Prediction of Rhizoma Drynariae targets in the treatment of osteoarthritis based on network pharmacology and experimental verification. Evid Based Complement Alternat Med. 2021;2021:5233462.
  13. Yang G, et al. Total flavonoids of Rhizoma Drynariae enhance bone marrow mesenchymal stem cell-mediated tendon-bone healing by promoting tissue regeneration, angiogenesis, and modulation of cytokine expression. Biology (Basel). 2025;14(11):1593.
  14. Shen J, et al. Rhizoma Drynariae-derived EV-like particles alleviate osteoporosis by promoting osteogenic differentiation in BMSCs through the activation of the hsa_circ_0001275/miR-422a pathway. Bone. 2025;196:117489.
  15. Cai L, et al. Hydrogel microspheres loaded with sinomenine and Drynaria rhizome enhance the treatment of rheumatoid arthritis via immune regulation and promoting bone repair. J Nanobiotechnology. 2026;24(1):174.
  16. Chen GY, et al. Network pharmacology analysis and experimental validation to investigate the mechanism of total flavonoids of Rhizoma Drynariae in treating rheumatoid arthritis. Drug Des Devel Ther. 2022;16:1743-1766.
  17. Chen GY, et al. Mechanisms of total glucosides of paeony in alleviating methotrexate-induced liver injury. Drug Des Devel Ther. 2025;19:3407-3423.
  18. Zhang P, et al. Network pharmacology: towards the artificial intelligence-based precision traditional Chinese medicine. Brief Bioinform. 2024;25(1):bbad518.
  19. Zhao L, et al. Network pharmacology, a promising approach to reveal the pharmacology mechanism of Chinese medicine formula. J Ethnopharmacol. 2023;309:116306.
  20. Ru J, et al. TCMSP: a database of systems pharmacology for drug discovery from herbal medicines. J Cheminform. 2014;6:13.
  21. Xu HY, et al. ETCM: an encyclopaedia of traditional Chinese medicine. Nucleic Acids Res. 2019;47(D1):D976-D982.
  22. Wu Y, et al. SymMap: an integrative database of traditional Chinese medicine enhanced by symptom mapping. Nucleic Acids Res. 2019;47(D1):D1110-D1117.
  23. UniProt Consortium. UniProt: the universal protein knowledgebase. Nucleic Acids Res. 2018;46(5):2699.
  24. Stelzer G, et al. The GeneCards Suite: from gene data mining to disease genome sequence analyses. Curr Protoc Bioinformatics. 2016;54:1.30.1-1.30.33.
  25. Amberger JS, Hamosh A. Searching Online Mendelian Inheritance in Man (OMIM): a knowledgebase of human genes and genetic phenotypes. Curr Protoc Bioinformatics. 2017;58:1.2.1-1.2.12.
  26. Szklarczyk D, et al. The STRING database in 2023: protein-protein association networks and functional enrichment analyses for any sequenced genome of interest. Nucleic Acids Res. 2023;51(D1):D638-D646.
  27. Otasek D, Morris JH, Bouças J, Pico AR, Demchak B. Cytoscape Automation: empowering workflow-based network analysis. Genome Biol. 2019;20(1):185.
  28. Pitarch B, Chagoyen M, Ranea JAG, Pazos F. A review on Gene Ontology evaluations. Database (Oxford). 2025;2025:baaf058.
  29. Kanehisa M, Furumichi M, Sato Y, Kawashima M, Ishiguro-Watanabe M. KEGG for taxonomy-based analysis of pathways and genomes. Nucleic Acids Res. 2023;51(D1):D587-D592.
  30. Kim S, et al. PubChem in 2021: new data content and improved web interfaces. Nucleic Acids Res. 2021;49(D1):D1388-D1395.
  31. Burley SK, et al. RCSB Protein Data Bank: celebrating 50 years of the PDB with new tools for understanding and visualizing biological macromolecules in 3D. Protein Sci. 2022;31(1):187-208.
  32. Eberhardt J, Santos-Martins D, Tillack AF, Forli S. AutoDock Vina 1.2.0: new docking methods, expanded force field, and Python bindings. J Chem Inf Model. 2021;61(8):3891-3898.
  33. Li QR, Han YX, Bian YT, Lan MQ, Chen GY. Unveiling the mechanism of Cibotium barometz in the treatment of rheumatoid arthritis: a study based on network pharmacology and experimental validation. Curr Med Chem. 2026. Online ahead of print.
  34. Seeliger D, de Groot BL. Ligand docking and binding site analysis with PyMOL and Autodock/Vina. J Comput Aided Mol Des. 2010;24(5):417-422.
  35. Wang Y, Xu B, Ma C, Huang D, Zhou L. Association between inflammatory proteins and rotator cuff tears: a bidirectional Mendelian randomization study. Sci Rep. 2025;15(1):26987.
  36. Wang KC, et al. The influence of age on cellular senescence in injured versus healthy muscle and its implications on rotator cuff injuries. J Shoulder Elbow Surg. 2025;34(6 Suppl):S117-S126.
  37. Wellington IJ, et al. Management of failed rotator cuff repairs: a review. Orthop Clin North Am. 2022;53(4):473-482.
  38. Han L, Wang C, Wang T, Hu Y, Wang H. Total flavonoids of Rhizoma Drynariae improves tendon-bone healing for anterior cruciate ligament reconstruction in mice and promotes the osteogenic differentiation of bone mesenchymal stem cells by the ERR1/2-Gga1-TGF-β/MAPK pathway. Environ Toxicol. 2024;39(1):106-119.
  39. Chai S, et al. Luteolin rescues postmenopausal osteoporosis elicited by OVX through alleviating osteoblast pyroptosis via activating PI3K-AKT signaling. Phytomedicine. 2024;128:155516.
  40. Li W, et al. Effects of total flavonoids of Rhizoma Drynariae on biochemical indicators of bone metabolism: a systematic review and meta-analysis. Front Pharmacol. 2024;15:1443235.
  41. Wang Z, Cao L, Wang X. Total flavonoids of Rhizoma Drynariae ameliorate tendon-bone healing following anterior cruciate ligament reconstruction in rats by activating the FSP1/CoQ10 pathway to inhibit osteoblast mitochondrial dysfunction and ferroptosis. Appl Biochem Biotechnol. 2026;198(8):5916-5938.
  42. Kim JG, et al. Therapeutic potential of quercetin as an antioxidant for bone-muscle-tendon regeneration and aging. Aging Dis. 2024;16(3):1414-1437.
  43. Worsfold SI, et al. Rotator cuff tendinopathy: pathways of apoptosis. Sports Med Arthrosc Rev. 2024;32(1):12-16.
  44. Chen L, et al. AMPK signaling in osteoarthritis: from mechanisms to targeted therapeutics. Front Pharmacol. 2025;16:1681610.
  45. Li Y, et al. Leptin enhances M1 macrophage polarization and impairs tendon-bone healing in rotator cuff repair: a rat model. Clin Orthop Relat Res. 2025;483(5):939-951.
  46. Yang Y, et al. Celastrol suppresses neovascularization in rat aortic vascular endothelial cells stimulated by inflammatory tenocytes via modulating the NLRP3 pathway. Open Med (Wars). 2025;20(1):20241121.
  47. Li Y, et al. Prevascularized bone marrow-derived mesenchymal stem cell sheets promote tendon-bone integration in rotator cuff repair. J Bone Joint Surg Am. 2026;108(17):1389-1398.
  48. Zhao MJ, et al. Eupatorin as a promising natural compound against knee osteoarthritis: from network pharmacology to experimental validation. Front Biosci (Landmark Ed). 2025;30(12):46747.
  49. Cho W, et al. Valdecoxib ameliorates apoptosis and ferroptosis in tenocytes via the SIRT6/NRF2-mediated suppression of oxidative stress. Arch Med Res. 2025;56(6):103231.
  50. Cheng Y, et al. Amentoflavone alleviated cartilage injury and inflammatory response of knee osteoarthritis through PTGS2. Naunyn Schmiedebergs Arch Pharmacol. 2024;397(11):8903-8916.
  51. Cho W, et al. Therapeutic potential of ginsenoside compound K in managing tenocyte apoptosis and extracellular matrix damage in diabetic tendinopathy. Tissue Cell. 2024;86:102275.
  52. Cheng P, et al. High-purity magnesium screws modulate macrophage polarization during the tendon-bone healing process in the anterior cruciate ligament reconstruction rabbit model. Regen Biomater. 2022;9:rbac067.
  53. Zhou L, et al. Regorafenib attenuates osteoclasts differentiation by inhibiting the NF-κB, NFAT, ERK, and p38 signaling pathways. ACS Omega. 2024;9(31):33574-33593.
  54. Cho MH, Jin H, Ha J, Chu S, An S. An integrated systems pharmacology approach combining bioinformatics, untargeted metabolomics and molecular dynamics to unveil the anti-aging mechanisms of Tephroseris flammea. Biomolecules. 2025;15(12):1740.
  55. Wang L, et al. IL-33/ST2 drives inflammatory pain via CCL2 signaling and activation of TRPV1 and TRPM8. Commun Biol. 2025;8(1):724.
  56. Zhang P, Xu X, Wang H, Zhang Y. Anti-inflammatory activity and potential anti-inflammatory mechanisms of Artemisia scoparia essential oil. J Pharm Pharmacol. 2026;78(2):rgag004. 
  57. Wang Z, et al. Engineered mesenchymal stem cells with endogenous trehalose expression activate the NRF2-HMOX1 pathway to enhance antioxidant stress and wound healing capacity. Adv Wound Care (New Rochelle). 2026. Online ahead of print.
  58. Lu Y, et al. Dual-PPARα/δ agonist H11 alleviates tendinopathy via modulating the Nrf2/HO-1/GPX4 pathway. Free Radic Biol Med. 2026;242:333-344.
  59. Chung SW, Yoon JP, Park SJ. Inhibiting muscle degeneration in rotator cuff tears: integrative biologic approaches targeting regeneration, fibrosis, and metabolism. Stem Cells Transl Med. 2026;15(6):szag023.
  60. Feuerriegel GC, et al. Assessment of the rotator cuff muscles: state-of-the-art MRI and clinical implications. Radiology. 2025;315(2):e242131.
  61. He Y, et al. SHED-derived exosome-mimetics promotes rotator cuff tendon-bone healing via macrophage immunomodulation through NF-κB suppression and autophagy activation. Mater Today Bio. 2025;34:102146.
  62. Zhang Z, et al. Curcumin improves functional recovery of ruptured tendon by promoting tenogenesis via PI3K/Akt signaling. Stem Cells Transl Med. 2024;13(5):477-489.
  63. Chen C, et al. CTHRC1 attenuates tendinopathy via enhancing EGFR/MAPK signaling pathway. Adv Sci (Weinh). 2024;11(47):e2406611.
  64. Zulkifli A, et al. The potential mechanism of hypoxia-induced tenogenic differentiation of mesenchymal stem cell for tendon regeneration. Tissue Cell. 2023;82:102075.
  65. Xiang L, Deng H, Zhou S. Effects of TNF-α on behaviour and inflammation in rats with rotator cuff injury through NGF. Discov Med. 2024;36(185):1241-1249.
  66. Liu H, et al. RNA-sequencing-based elucidation of the mechanism underlying aFGF mediated regulation of BMSCs via the PI3K-AKT pathway and its implications for rotator cuff injury repair. J Orthop Surg Res. 2025;20(1):997.
  67. Chen GY, et al. Total flavonoids of Rhizoma Drynariae restore the MMP/TIMP balance in models of osteoarthritis by inhibiting the activation of the NF-κB and PI3K/AKT pathways. Evid Based Complement Alternat Med. 2021;2021:6634837.
  68. Wang Y, Gu X, Tu J, Xu B. MCP-1 exacerbates diabetic rotator cuff tear by driving synovial inflammation via MAPK/ERK-mediated macrophage polarization. J Shoulder Elbow Surg. 2026. Online ahead of print.
  69. Lin J, et al. Hypobaric hypoxia ameliorates impaired regeneration after diabetic skeletal muscle injury by promoting HIF-1α signaling. Int J Mol Sci. 2026;27(2):648.
  70. Tian M, Wang K, Chen D. Efficacy and mechanisms of Xiangsha Liujunzi Decoction for gastroesophageal reflux disease: a study integrating meta-analysis, network pharmacology and molecular docking. Phytomedicine. 2026;151:157766.

재인쇄 및 허가

더 많은 논문 탐색

단백질 상호작용 네트워크허브 유전자염증 반응혈관 형성세포외 기질신호 전달 경로
문의하기
도서관에 추천하기

개인정보 처리방침

이용 약관

정책

저작권 © 2026 MyJoVE Corporation. 모든 권리 보유.