Artykuł metodologiczny

Skuteczność i mechanizmy leżące u podstaw leczenia wyprysku odbytu ShiDuGao na podstawie zestawów danych GEO i farmakologii sieciowej

1.7K wyświetleń

⸱

DOI:

10.3791/66453

⸱

12 stycznia 2024

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

* These authors contributed equally

W tym artykule

Podsumowanie

Ten wysiłek badawczy miał na celu wyjaśnienie mechanizmu miejscowego podawania leków za pomocą synergicznej integracji sieciowych zestawów danych farmakologicznych i ekspresji genów (GEO). W tym artykule oceniono wykonalność, cel i mechanizm ShiDuGao (SDG) w leczeniu egzemy odbytu.

Streszczenie

Egzema odbytu jest przewlekłą i nawracającą chorobą zapalną skóry dotykającą obszar wokół odbytu. Chociaż zmiany występują głównie w skórze odbytu i odbytu, mogą również rozciągać się na krocze lub narządy płciowe. Stwierdzono, że ShiDuGao (SDG) posiada znaczące właściwości naprawcze przeciwko świądowi odbytu, kontroli wysięku, redukcji nawilżenia i naprawie skóry. Jednak cele genetyczne i mechanizmy farmakologiczne SDG w przypadku wyprysku odbytu nie zostały jeszcze kompleksowo wyjaśnione i omówione. W związku z tym w badaniu tym zastosowano sieciowe podejście farmakologiczne i wykorzystano zestawy danych omnibus ekspresji genów (GEO) do zbadania celów genowych. Ponadto ustanowiono sieć interakcji białko-białko (PPI), w wyniku której zidentyfikowano 149 celów, z których 59 uznano za geny centralne, w ramach sieci interakcji "lek-cel-choroba".

Funkcja genu SDG w leczeniu egzemy okołoodbytniczej została oceniona za pomocą analizy Encyklopedii Genów i Genomów z Kioto (KEGG) oraz Ontologii Genów (GO). Następnie funkcja egzemy okołoodbytniczej i potencjalny szlak SDG, zidentyfikowane w sieciowej analizie farmakologicznej, zostały zweryfikowane przy użyciu metodologii dokowania molekularnego. Procesy biologiczne związane z genami i białkami ukierunkowanymi na SDG w leczeniu egzemy odbytu obejmują między innymi odpowiedzi za pośrednictwem cytokin, odpowiedzi zapalne i odpowiedzi na lipopolisacharyd. Wyniki analiz wzbogacania szlaku i adnotacji funkcjonalnych sugerują, że SDG odgrywa kluczową rolę w zapobieganiu i leczeniu wyprysku odbytu poprzez regulację szlaków zakażenia wirusem shigellozy i opryszczki pospolitej 1. Farmakologia sieciowa i analiza bazy danych GEO potwierdzają wielocelowy charakter SDG w leczeniu wyprysku odbytu, w szczególności poprzez modulację TNF, MAPK14 i CASP3, które są kluczowymi celami węzłów w szlakach sygnałowych TNF i MAPK. Odkrycia te wyznaczają jasny kierunek dla dalszych badań nad mechanizmem terapeutycznym SDG w przypadku egzemy odbytu, podkreślając jednocześnie jej potencjał jako skutecznego podejścia do leczenia tego wyniszczającego schorzenia.

Wprowadzenie

Egzema odbytu to alergiczna choroba skóry, która wpływa na okolicę odbytu i błonę śluzową, wykazując różne objawy kliniczne1. Charakterystyczne objawy to rumień odbytu, grudki, pęcherze, erozja, wysięk i strupy. Objawy te powstają głównie z powodu zadrapania, pogrubienia i szorstkości dotkniętego obszaru2.

Egzema analna, charakteryzująca się długim czasem trwania choroby, nawracającymi atakami i trudnym leczeniem, może mieć niekorzystny wpływ na zdrowie fizyczne i psychiczne pacjentów3. Patogeneza wyprysku odbytu nie jest jeszcze jasna, a współczesna medycyna sugeruje, że może być związana z miejscowymi zmianami w odbycie, dietą, środowiskiem, genetyką i innymi czynnikami4. Oprócz unikania kontaktu z czynnikami drażniącymi i potencjalnymi alergenami, leczenie egzemy odbytu koncentruje się głównie na metodach takich jak hamowanie stanu zapalnego, przeciwalergiczne i łagodzenie swędzenia5.

SDG jest szeroko stosowany w leczeniu egzemy odbytu i innych schorzeń odbytu. SDG reguluje wysięk ze skóry odbytu, zmniejsza nawilżenie, naprawia skórę odbytu i skutecznie zwalcza świąd6,7,8. Co więcej, SDG ma potencjał do regulowania mikrobioty okołoodbytowej, poprawiając w ten sposób egzemę odbytu9,10.

Farmakologia sieciowa, nowatorskie i interdyscyplinarne, nowatorskie podejście bioinformatyczne w dziedzinie sztucznej inteligencji i dużych zbiorów danych, zapewnia dogłębną eksplorację tradycyjnej medycyny chińskiej. Dyscyplina ta kładzie nacisk na systemowe wyjaśnianie reguł korelacji molekularnej między lekami a chorobami z perspektywy sieci ekologicznej. Został szeroko przyjęty w różnych aspektach, w tym identyfikacji kluczowych składników aktywnych w ekstraktach ziołowych, rozszyfrowywania ich globalnych mechanizmów działania, formułowania kombinacji leków i badania zgodności na receptę. Tradycyjne chińskie receptury wykazują cechy wieloskładnikowe i wielocelowe, co oznacza ich znaczną zdolność adaptacji do dziedziny farmakologii sieciowej. Kierując się tą metodologią, pojawiły się nowe perspektywy w badaniu złożonych systemów tradycyjnej medycyny chińskiej, zapewniając solidne wsparcie techniczne dla racjonalizacji zastosowań klinicznych i innowacji w zakresie leków11,12,13,14.

To badanie ma na celu zbadanie mechanizmu skuteczności SDG w leczeniu egzemy odbytu. Wysiłki badawcze miały na celu wyjaśnienie mechanizmu miejscowego podawania leków przy użyciu synergicznej integracji farmakologii sieciowej i zestawów danych GEO. Odkrycia dostarczają cennych informacji na temat skuteczności i mechanizmów leżących u podstaw SDG w leczeniu egzemy odbytu, wskazując na jej potencjał jako skutecznego podejścia terapeutycznego w przypadku tego schorzenia. Szczegółowy diagram przebiegu badania przedstawiono w Rysunek 1.

Protokół

To badanie nie odnosi się do etycznego zatwierdzenia i zgody na uczestnictwo. Dane wykorzystane w tym badaniu uzyskano z baz danych genów.

1. Przewidywanie celów chorobowych

  1. Uzyskaj dostęp do bazy danych GeneCards (https://www.genecards.org) i internetowej bazy danych dziedziczenia mendlowskiego u ludzi (OMIM, https://www.omim.org), wykorzystując "egzemę odbytu" jako termin wyszukiwania celów choroby.
  2. Pobierz arkusze kalkulacyjne z celami chorobowymi. Usuń powtarzające się cele, aby uzyskać cele egzemy odbytu.

2. Wybór aktywnych komponentów

  1. Wyszukaj słowo kluczowe "indygo naturalis, złoty cyprys, gips kalcynowany, kalamina i żółć chińska" w bazie danych farmakologicznej systemu Tradycyjnej Medycyny Chińskiej (TCMSP; http://tcmspw.com/tcmsp.php) uzyskanie wykazu potencjalnych składników aktywnych i celów SDG.
  2. Powierz komponent szwajcarskiej bazie danych ADME (http://www.swissadme.ch/index.php), wyodrębniając szczegóły dotyczące osób wykazujących "wysoką" absorpcję IG, w połączeniu z co najmniej dwiema wartościami DL "Tak" jako elementami aktywnymi.
    UWAGA: Zwykle tylko składniki o wartościach podobnych do leków (DL) ≥0,18 w bazie danych są uwzględniane jako składniki aktywne.

3. Budowa sieci PPI i badania przesiewowe białek rdzeniowych

  1. W Venny2.1 ( https://bioinfogp.cnb.csic.es/tools/venny/index.html) wprowadź cele SDG i egzemy odbytu odpowiednio do LIST1 i LIST2. Wizualna reprezentacja skrzyżowania jest generowana natychmiast. Kliknij obszar współdzielony, aby wyświetlić wspólne cele w sekcji Wyniki.
  2. Uzyskaj dostęp do bazy danych STRING (https://string-db.org/). Wprowadź cele w polu Lista nazw. Następnie wybierz Homo sapiens jako organizm i przejdź do wyszukiwania > kontynuowania.
  3. Gdy wyniki będą dostępne, otwórz Ustawienia zaawansowane i wybierz opcję ukryj rozłączone węzły w sieci. W polu Minimalny wymagany wynik interakcji ustaw najwyższy poziom ufności (0,900), a następnie kliknij przycisk Aktualizuj.
  4. Kliknij Eksporty, aby pobrać tekst sieci interakcji białko-białko (PPI) w formacie .png i .tsv.

4. Budowa sieci lek-składnik-choroba-cel

  1. Otwórz Cytoscape 3.9.1 i zaimportuj plik .tsv wymieniony w kroku 3.4. Kliknij pasek stylu w panelu sterowania, aby zoptymalizować kolor, czcionkę i bok węzłów sieci.
  2. Do analizy topologii sieci należy użyć funkcji Analizuj sieć. Aby uzyskać geny huba, użyj CytoHubba w oprogramowaniu Cytoscape. Ustal sieć lek-składnik-choroba-cel.

5. Analiza wzbogacenia GO i KEGG

  1. Wejdź na stronę Metascape (https://metascape.org/). Wybierz plik lub wklej listę genów w oknie dialogowym i kliknij przycisk Prześlij. Następnie wybierz H. sapiens zarówno w Danych wejściowych jako gatunek, jak i Analiza jako gatunek; następnie włącz funkcję Analiza niestandardowa.
  2. W opcji wzbogacania wybierz GO Molecular Functions, GO Biological Processes, GO Cellular Components i bazę danych KEGG Pathway. Zaznacz opcję Wybierz selektywne klastry GO, a następnie kliknij przycisk Analiza wzbogacenia. Po zakończeniu działania paska postępu zainicjuj kliknięcie strony raportu analizy, aby pobrać wyniki wzbogacania.

6. Analiza zestawu danych GEO gene chip

  1. Przeszukuj i analizuj zestaw danych GEO gene chip (GDS3806) za pomocą narzędzia GEO2R (https://ncbi.nlm.nih.gov/geo/geo2r/) w celu zbadania ekspresji centralnych genów w różnych grupach danych (grupa kontrolna – nietopowe zapalenie skóry; eksperymentalne grupowe atopowe zapalenie skóry).
  2. Wejdź na stronę internetową bazy danych GEO (https://www.ncbi.nlm.nih.gov/geo/). Wprowadź słowo kluczowe lub GEO Accession i kliknij przycisk Szukaj. Wybierz najlepiej pasujący wynik. Znajdź serię referencyjną (GSE26952).
  3. Wejdź na stronę narzędzia GEO2R (https://ncbi.nlm.nih.gov/geo/geo2r/), wprowadź serię referencyjną w polu GEO Accession (Akcesja GEO) i kliknij przycisk Set (Ustaw). Wybierz Atopowe zapalenie skóry jako grupę eksperymentalną, wybierz Kontrola nietopowa jako grupa kontrolna i kliknij przycisk Analizuj. Po zakończeniu obliczeń pojawi się wynik.

7. Dokowanie molekularne

  1. Otwórz bazę danych TCMSP i pobierz strukturę 3D wybranych składników. Użyj pola wyszukiwania Nazwa chemiczna i wyszukaj wybrane nazwy składników, aby pobrać odpowiednie pliki struktury 3D w formacie mol2.
  2. Otwórz bazę danych białek RCSB (http://www.pdb.org/) i pobierz struktury krystaliczne kluczowych celów. W polu wyszukiwania wyszukaj nazwy docelowe i pobierz odpowiednie pliki struktury krystalicznej w formacie pdb.
  3. Importuj składniki i pliki struktury docelowej do oprogramowania analitycznego. Usuń cząsteczki wody, klikając Edytuj > Usuń wodę. Dodaj wodór, klikając Edytuj > Wodory > Dodaj. Ustaw składniki jako ligand, wybierz całe cele jako receptor i wykonaj dokowanie na ślepo.
  4. Określ zakres dokowania molekularnego.
    1. Wybierz kolejno receptor i ligand. Kliknij opcję Siatka > pole siatki, aby dostosować pole siatki tak, aby obejmowało cały model. Kliknij Plik > Zamknij zapisywanie prądu, aby zapisać stan skrzynki siatki. Zapisz pliki w formacie gpf.
    2. Kliknij Uruchom > Uruchom Autogrid4 > Nazwa pliku parametrów > Przeglądaj, wybierz plik gpf, a następnie kliknij przycisk Uruchom.
  5. Użyj AutoDock 4, aby wykonać dokowanie molekularne.
    1. Kliknij Dokowanie > Makromolekuły > Ustaw sztywną nazwę pliku, aby wybrać receptor. Kliknij Dokowanie > Ligand > Otwórz/ Wybierz, aby wybrać ligand.
    2. Kliknij Dokowanie > Parametry wyszukiwania, aby ustawić algorytmy operacyjne i Dokowanie > Parametry dokowania, aby ustawić parametry dokowania. Wybierz plik dpf, a następnie kliknij przycisk Uruchom. Zapisywanie plików w formacie dpf.
    3. Kliknij Analizuj > dokowanie > Otwórz, wybierz plik dlg, kliknij Analizuj >makrocząsteczkę, aby otworzyć receptor, kliknij Analizuj > konformacje > graj, Uszeregowane według energii, aby przeanalizować wyniki. Kliknij przycisk Ustaw odtwarzanie > zapis złożony, aby zapisać wyniki w formacie pdbqt.
  6. Zaimportuj pliki dokowania do oprogramowania PyMOL, aby skonstruować dalszą wizualizację.
    1. Wybierz ligand i kliknij Akcja > Znajdź > Kontakty biegunowe > do innych atomów w obiekcie, aby wyświetlić wiązania wodorowe między ligandami a środowiskiem zewnętrznym. Kliknij c, aby zmienić kolor.
    2. Kliknij Akcja > Wyodrębnij obiekt. Kliknij na Show > Sticks, aby pokazać strukturę receptora w patyczku. Zidentyfikuj pozostałości połączone z ligandami i pokaż strukturę pałeczek.
    3. Kliknij Ukryj > patyczki, aby ukryć strukturę patyczków receptora. Kliknij Kreator > pomiarów i kliknij kolejno dwa atomy. Kliknij Etykieta > pozostałości, aby wyświetlić etykietę pozostałości. W razie potrzeby dostosuj kolor tła i przezroczystość. Kliknij Plik > Eksportuj obraz jako, aby zapisać zdjęcie.

Wyniki

Geny związane z egzemą odbytu, geny docelowe SDG oraz wspólne cele
W bazie danych Genecards przesiewowo zbadano łącznie 958 potencjalnych genów kandydackich, a w bazie OMIM 634, wykluczając duplikaty. Aby uzyskać kompleksowe zrozumienie genów związanych z egzemą odbytu, połączono wyniki z wielu baz danych, co pozwoliło uzyskać łącznie 958 odrębnych genów. W konsekwencji precyzyjnie opracowano sieć oddziaływań białko-białko (PPI) specyficzną dla egzemy odbytu. SDG składa się z pięciu tradycyjnych chińskich leków, mianowicie: indigo naturalis, golden cypress, gipsu kalcynowanego, kalaminy oraz Chinese Gall15,16. Głównym składnikiem gipsu kalcynowanego jest bezwodny siarczan wapnia (CaSO4), natomiast głównym składnikiem kalaminy jest węglan cynku (ZnCO3). Indigo naturalis, golden cypress i Chinese Gall mają złożony skład. Z bazy danych TCMSP wynika, że leki te zawierają 92 składniki związkowe, co pozwoliło uzyskać łącznie 867 wiarygodnych celów lekowych (Tabela 1).

Poprzez nałożenie na siebie obu zbiorów danych genów docelowych zidentyfikowano łącznie 149 często współwystępujących genów docelowych (Rysunek 2A), a następnie skonstruowano istotną sieć oddziaływań białko-białko (PPI) białek docelowych (Rysunek 2B). Wykorzystując metodę przesiewową opartą na medianie dla stopnia, bliskości i pośredniości, wyłoniono 59 kluczowych celów jako potencjalne cele lekowe w leczeniu egzemy odbytu. Mediany wyników stopnia, bliskości i pośredniości dla kluczowych celów wynosiły odpowiednio 49, 40,31947 oraz 0,522. 10 genów z najwyższym wynikiem stopnia obejmowało AKT1, TNF, TP53, EGFR, STAT3, SRC, JUN, CASP3, HRAS i PTGS2 (Tabela 2). Geny te wykazują wysoką istotność w kontekście egzemy odbytu.

Ścieżki i sieci obejmujące wspólne cele
W celu analizy 59 kluczowych celów wykorzystano metody wzbogacania KEGG i GO, co ujawniło 218 powiązanych ścieżek oraz ponad 3000 powiązanych procesów biologicznych. Analiza wykazała ścieżki silnie korelujące z białkami w SDG i egzemy odbytu, w tym zakażenie wirusem Cherry simplex virus 1, shigellozę, ścieżkę sygnałową TNF, oporność na inhibitory tyrozynowej kinazy EGFR, zakażenie ludzkim cytomegalowirusem oraz ścieżkę sygnałową receptora limfocytów T (Rysunek 3A). Ścieżki te dotyczą głównie genów takich jak AKT1, TNF, TP53, STAT3, SRC, EGFR i CASP3. Rysunek 3B przedstawia szczegółowy opis genów docelowych i ścieżek. Analizę GO przeprowadzono w odniesieniu do procesów biologicznych (BP), składu komórkowego (CC) i funkcji molekularnej (MF) (Rysunek 4A). Wyniki sugerują, że niniejsze badanie koncentruje się głównie na wspólnych celach dla SDG i egzemy odbytu w procesach biologicznych, z nielicznymi odniesieniami do CC i MF. Szczególnie istotne funkcje biologiczne obejmowały fosforylację peptydylo-tyrozyny, modyfikację peptydylo-tyrozyny, regulację adhezji komórka-komórka, pozytywną regulację adhezji komórkowej, aktywację limfocytów T oraz regulację adhezji komórka-komórka leukocytów (Rysunek 4B-D).

Przewidywanie wiązania aktywnych składników SDG z celami w egzemie odbytu
Na podstawie median wartości stopnia, bliskości i pośredniości wyselekcjonowano 59 kluczowych celów, w tym AKT1, TNF, TP53, EGFR, STAT3, SRC, JUN, CASP3, HRAS oraz PTGS2. Dalsza analiza bazy danych GEO wykazała nadekspresję PPARG, EGFR i TNF, podczas gdy PTPRC, MMP9, MAPK14 i CASP3 wykazywały niedoekspresję w grupie doświadczalnej (zatoka atopowe) (Rysunek 5). Poprzez analizę wzbogacenia wspólnych szlaków genowych ustalono, że geny te uczestniczyły głównie w kaskadzie sygnalizacyjnej TNF oraz szlaku sygnalizacyjnym MAPK. W szlaku sygnalizacyjnym TNF stwierdzono nadekspresję TNF, natomiast niedoekspresję MMP9, MAPK14 i CASP3. W szlaku sygnalizacyjnym MAPK nadekspresję wykazywały EGFR i TNF, natomiast niedoekspresję MAPK14 i CASP3 (Rysunek 6). Na podstawie tych wyników TNF, MAPK14 i CASP3 uznano za potencjalne cele w terapii SDG.

W celu walidacji potencjalnych celów w aktywnych składnikach SDG wykorzystano analizę dokowania, aby sprawdzić dokładność dopasowania między strukturą aktywnego składnika a potencjalnymi białkami docelowymi. Białka te są zaangażowane w różnorodne powiązania funkcjonalne i stanowią węzły o wysokim stopniu w sieci, co sugeruje, że odgrywają one kluczową rolę w odpowiedzi SDG na przeciwodbytniczy egzema. Ujemna wartość energii wiązania w dokowaniu wskazuje na zdolność SDG do dokowania z celami chorobowymi in vivo, przy czym bardziej ujemna wartość oznacza łatwiejsze dokowanie. W niniejszym badaniu uzyskano pomyślne dokowanie molekularne głównych aktywnych składników z kluczowym celem, a energia wiązania była ujemna, z wartościami mniejszymi niż -1 kcal/mol. Indygo i berberubina wykazują dobrą aktywność wiązania, z energią wiązania mniejszą niż -5 kcal/mol (Tabela 3, Rycina 7). Podsumowując, wyniki te stanowią dalszy dowód na to, że białka odpowiadające tym loci genowym mogą pełnić rolę celów SDG w egzemie przeciwodbytniczej.

Schemat dokowania molekularnego; analiza genów, sieć rdzeniowa z wykorzystaniem programu Cytoscape, wizualizacja AutoDock.
Rycina 1: Schemat analizy farmakologii sieciowej. GO, Gene Ontology; KEGG, Kyoto Encyclopedia of Genes and Genomes; TCMSP, Traditional Chinese Medicine Systems Pharmacology Database and Analysis Platform; GEO, Gene Expression Omnibus. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Diagram Venna i sieć interakcji białek; analiza części wspólnej dla egzemy odbytu i SDG.
Rysunek 2: Diagram Venna i sieć PPI wspólnych celów. (A) Diagram Venna przedstawiający część wspólną celów leku i celów choroby. (B) Sieć PPI wspólnych celów opracowana za pomocą bazy STRING. Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Wykres analizy szlaków; wynik wzbogacenia vs. wartość p; diagram sieci w badaniu szlaków nowotworowych.
Rycina 3: Analiza wzbogacenia szlaków KEGG. (A) Analiza wzbogacenia szlaków KEGG. 10 najważniejszych szlaków KEGG zostało uszeregowanych według rosnących wartości P. (B) Połączenie między szlakiem a celem: szlak (żółty), cele (czerwone). Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Wyniki ontologii genów; wykres słupkowy wyników wzbogacenia oraz wykresy kropkowe dla procesów biologicznych, komponentów komórkowych i funkcji molekularnych.
Rysunek 4: Analiza wzbogacenia GO. (A) Wyniki GO dla trzech ontologii. (B) Wykres pęcherzykowy dla procesów biologicznych (BP). (C) Wykres pęcherzykowy dla komponentów komórkowych (CC). (D) Wykres pęcherzykowy dla funkcji molekularnych (MF). Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Mapa ciepła i schemat sieci analizy ekspresji genów w grupach A i B, z wyróżnieniem STAT3, TP53.
Rysunek 5: Wyniki przewidywania potencjalnych celów. (A) Mapa ciepła ekspresji genów centralnych (hub genes) w bazie danych GEO; grupa A to grupa badawcza (atopowe zapalenie skóry), a grupa B to grupa kontrolna (brak atopowego zapalenia skóry); (B) węzły sieci PPI reprezentują białka, a krawędzie reprezentują relacje między nimi. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Schemat szlaków sygnalizacyjnych MAPK i TNF; oddziaływania genów, czynniki transkrypcyjne, dane KEGG.
Rysunek 6: Szlak sygnalizacyjny. (A) Szlak sygnalizacyjny MAPK. (B) Szlak sygnalizacyjny TNF. Kliknij tutaj, aby wyświetlić większą wersję tego rysunku.

Schemat dokowania molekularnego; kompleksy Indigo, Berberubiny i Digallatu z TNF, MAPK14 i CASP3.
Rycina 7: Dokowanie molekularne genów kluczowych i składników. Kolor magenta reprezentuje kluczowe składniki SDG, a kolor niebieski reprezentuje reszty genów kluczowych. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Tradycyjne leki chińskieSkładniki aktywne
Indigo naturalis9α,13α-dihydroksyizopropylidenyloisatyna, a, bisindigotyna, indykant, isatan B, isatyna, a, izoorientyna, izoskoparyna, izowiteksyna, (+)-izolarycyrezynol, 10h-indolo[3,2-b]chinolina, izoindygo, saponaryna, indygo, tryptantryna, 6-(3-oksoindolin-2-ylideno)indolo[2,1-b]chinazolin-12-on
Indirubina, beta-sitosterol, laricyrezynol, nonakosan, isowiteksyna, dotriakontanol
Cyprys złotyberberyna, koptyzyna, daurycyna (8CI), jawanicyna, (±)-lyoniresinol, kihadalakton A, kwas obakunowy, obakunon, felawina, Phellavin_qt, felodendryna, delta 7-stigmastenol, felopteryna, wanillolosyd, koniferyna, dehydrotanszynon II A, delta7-dehydrosoforamina, amurensyna, Amurensin_qt, dhydronilotycyna, hispidol B, kihadalakton B, kihadanina A, nilotycyna, nomilina, rutakarpina, skimmianina, chelerytryna, stigmasterol, worenina, ferulan kampesterolu, kawidyna, candletoksyna A, hericenon H, hispidon, syrygina, beta-sitosterol, magnograndiolid, (2S,3S)-3,5,7-trihydroksy-2-(4-hydroksyfenylo)chroman-4-on, palmidyna A, magnofloryna, menisporfina, palmatyna, fumaryna, izokorypalmina, kwercetyna, sitoglusyd, friedelina
STOCK1N-14407, jatrorryzyna, menisperyna, phellamurina_qt, (S)-kanadyna, kolumbamina, poriferast-5-en-3beta-ol, magnofloryna, berberrubina, phellodendryna, limonina, hyperyna, kampesterol, SMR000232320, kantyna-6-on, 4-[(1R,3aS,4R,6aS)-4-(4-hydroksy-3,5-dimetoksifenylo)-1,3,3a,4,6,6a-heksahydrofuro[4,3-c]furan-1-ylo]-2,6-dimetoksifenol, dihydronilotycyna, melianon, phellochina, thalifendyna, wanillolosyd, aurapten
Gips wypalanybezwodny siarczan wapnia (CaSO4)
Kalaminawęglan cynku (ZnCO3)
Gal chińskidigallat

Tabela 1: Składniki aktywne w SDG.

GenStopieńCentralność pośrednictwaCentralność bliskości
AKT12041669.16920.765625
TNF2021988.45430.761658
TP531901590.92880.73134327
EGFR174686.30630.7033493
STAT3168673.037230.6869159
SRC162568.15740.69014084
JUN162435.337370.6805556
CASP3156483.452760.67431194
HRAS148515.288150.65625
PTGS2134761.340940.6447368

Tabela 2: Charakterystyka 10 najważniejszych genów hubowych.

Cel (PDB ID)Powinowactwo (kcal/mol)
IndygoBerberrubinaDigallat
TNF (1A8M)-5.96-5.19-2.22
MAPK14 (1A9U)-5.51-5.41-1.93
CASP3 (1CP3)-5.77-4.98-1.06

Tabela 3: Energia wiązania w dokowaniu molekularnym składników i genów kluczowych.

Dyskusja

Atopowe zapalenie skóry jest specyficzną formą egzemy, która ma wspólne mechanizmy z egzemą. Geny Hub, które uważa się za związane z tym stanem, to TNF, MAPK14 i CASP3. Terapeutyczne działanie SDG na egzemę odbytu przypisuje się głównie jego działaniu na szlaki sygnałowe TNF i MAPK za pośrednictwem tych trzech genów węzła17.

SDG obejmuje pięć różnych leków: indygo naturalis, złoty cyprys, gips kalcynowany, kalaminę i żółć chińską. W tradycyjnej medycynie chińskiej kalcynowany gips i kalamina mogą odgrywać rolę w promowaniu gojenia się ran i wysuszaniu wilgoci, podczas gdy indygo naturalis, złoty cyprys i żółć chińska mogą usuwać ciepło, detoksykować i suchą wilgoć. Połączenie tych ziół może osiągnąć efekt odprowadzania wilgoci, wspomagania gojenia się ran, usuwania ciepła i rozpraszania wiatru18.

Wcześniejsze badania wykazały, że główne składniki SDG mają właściwości przeciwzapalne. Wykazano, że indygo naturalis (IN) leczy zapalenie jelita grubego, łuszczycę i ostrą białaczkę promielocytową 19,20,21. Funkcja IN może być związana z hamowaniem transdukcji sygnału TLR4/MyD88/NF-kB, co zmniejsza stan zapalny i wspomaga gojenie błony śluzowej jelit u pacjentów z wrzodziejącym zapaleniem jelita grubego (WZJG). Może również regulować florę jelitową, jak wykazano w mysim modelu UC indukowanym przez DSS 22,23. Ostatnie badania podkreślają, że WZJG często wiąże się z brakiem równowagi w mikrobiomie jelitowym. IN może skutecznie przywrócić równowagę ekologii jelitowej i chronić układ pokarmowy, w zależności od flory jelitowej24. Przesuwając cytokiny prozapalne na cytokiny przeciwzapalne, złoty cyprys zmniejsza proliferację limfocytów T i wydzielania cytokin indukowanych przez DC i cytokin IL-12p70, promując interakcję między DC i Treg25. Saponarin i kampesterol działają jako naturalne środki przeciwzapalne o działaniu przeciwalergicznym 26,27,28. Tryptantryna wykazuje działanie przeciwbakteryjne29. Melianonen wykazuje znaczne działanie hamujące zarówno na grzyby, jak i florę bakteryjną, co może przyczyniać się do leczenia egzemy odbytu30,31.

Badania wykazały, że nasilenie chorób skóry, takich jak trądzik, drażniące kontaktowe zapalenie skóry i alergiczne kontaktowe zapalenie skóry, jest związane z florą bakteryjną w jelitach. Porównując rozkład mikroflory ostrej i przewlekłej egzemy odbytu, wyniki wykazały, że mikroflora gronkowca u pacjentów z ostrym wypryskiem odbytu była bardziej obfita w grupie przewlekłej32. Niemowlęta z wypryskiem atopowym i różnorodnością mikrobiomu jelitowego wykazują korelację między liczebnością drobnoustrojów a chorobami skóry33. Opierając się na wpływie różnych składników SDG na florę jelitową, nie można wykluczyć możliwości, że SDG może poprawić egzemę odbytu poprzez regulację mikroflory. Ponadto melianon zawarty w SDG może również działać na grzyby, zapobiegając egzemie odbytu.

Badania nad mechanizmem są uznawane za najbardziej skomplikowany aspekt badań nad receptami ziołowymi. Farmakologia sieciowa przenika obecnie różne aspekty dziedziny farmacji, wyznaczając zmianę paradygmatu z konwencjonalnej na współczesną biomedycynę i redefiniując rozwój tradycyjnej medycyny chińskiej (TCM) 34,35,36. Wykorzystuje cele sieciowe jako podstawę, konstruując diagram sieciowy łączący TCM, składniki aktywne, cele i zaburzenia w celu przewidywania odpowiednich celów terapeutycznych. Farmakologia sieciowa kompleksowo wyjaśnia interakcje między lekami a celami chorobowymi i systematycznie bada mechanizmy sieci asocjacyjnych, prognozując w ten sposób kluczowe szlaki metaboliczne. Jego zastosowanie zostało strategicznie wdrożone do badania mechanizmów działania różnych ziół. Ponadto, dzięki ustanowieniu sieci PPI ukierunkowanej na leki chorobowe, wraz z budową szlaków wzbogaconych o KEGG i GO, farmakologia sieci ułatwiła przewidywanie złożonego mechanizmu, za pomocą którego chińskie zioła wpływają na choroby i badanie patogenezy chorób 37,38,39. W ramach tych badań połączono farmakologię sieciową z zestawami danych GEO, aby zidentyfikować miejscowe mechanizmy działania leków.

Analiza farmakologiczna sieci jedynie przewiduje składniki i cele leków, weryfikując precyzyjne mechanizmy wymagające eksperymentów na zwierzętach lub badań klinicznych. W badaniu tym wykorzystano jedynie weryfikację symulacji dokowania molekularnego bez przeprowadzania eksperymentów na zwierzętach lub klinicznych w celu weryfikacji. Proponowane ramy farmakologii sieciowej dla tradycyjnej medycyny chińskiej łączą przewidywane cele poszczególnych ziół, choć z mniejszą dokładnością. Włączenie zestawów danych GEO znacznie zwiększa tę precyzję.

W tym badaniu zastosowano metodę czystego generowania danych, aby zmaksymalizować wykorzystanie danych poprzez połączenie wielu baz danych. Szczególnie w przypadku niektórych chorób, dla których trudno jest zbudować modele zwierzęce, dane online są wykorzystywane przede wszystkim do przewidywania i weryfikacji chorób i celów leków, aby wskazać kierunek badań i stworzyć dobre podstawy do późniejszej weryfikacji eksperymentalnej.

Oświadczenia

Autorzy nie mają nic do ujawnienia.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
AutoDockToolsAutoDockhttps://autodocksuite.scripps.edu/adt/
Cytoscape 3.9.1 Baza danych Cytoscapehttps://cytoscape.org/
GeneCards GeneCardshttps://www.genecards.org
baza danych GEONarodowe Centrum Informacji Biotechnologicznejhttps://www.ncbi.nlm.nih.gov/geo/
narzędzie GEO2R Narodowe Centrum Informacji Biotechnologicznejhttps://ncbi.nlm.nih.gov/geo/geo2r/
MetascapeMetascapehttps://metascape.org/
Dziedziczenie mendlowskie online w bazie danych człowiekaOMIMhttps://www.omim.org
Baza danych białek RCSB Bank Danych o Białkach RCSB (RCSB PB)http://www.pdb.org/
Baza danych STRING CIĄG https://string-db.org/
Szwajcarska baza danych ADME Szwajcarski Instytut Bioinformatykihttp://www.swissadme.ch/index.php
bazie danych farmakologicznych systemu tradycyjnej medycyny chińskiej (TCMSP)Baza danych i platforma analizy farmakologii systemów tradycyjnej medycyny chińskiejhttp://tcmspw.com/tcmsp.php
Venny2.1BioinfoGPhttps://bioinfogp.cnb.csic.es/tools/venny/index.html

Bibliografia

  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).

Przedruki i uprawnienia

Tagi

Sieć oddziaływań białkowychdokowanie molekularneścieżka KEGGontologia genówsygnalizacja TNFścieżka MAPK
Skuteczność i mechanizmy leżące u podstaw leczenia wyprysku odbytu ShiDuGao na podstawie zestawów danych GEO i farmakologii sieciowej
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.