Artykuł metodologiczny

Farmakologia sieciowa i walidacja mechanizmów przeciwdepresyjnych Qiangzhifang w modelu szczura depresji wywołanej przewlekłym stresem

DOI:

10.3791/68198

⸱

6 czerwca 2025

 ,  ,  , 
1College of Traditional Chinese Medicine, Shandong University of Traditional Chinese Medicine, 2Innovation Research Institute of Traditional Chinese Medicine, Shandong University of Traditional Chinese Medicine, 3Office of Shandong College of Traditional Chinese Medicine

* These authors contributed equally

W tym artykule

Podsumowanie

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

W badaniu tym oceniono skuteczność przeciwdepresyjną Qiangzhifang w szczurzym modelu przewlekłej depresji wywołanej stresem ograniczającym i wyjaśniono jego wpływ regulacyjny na szlaki HIF-1 i JAK-STAT za pomocą farmakologii sieciowej i analizy dokowania molekularnego.

Streszczenie

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

Depresja jest złożonym zaburzeniem psychicznym, które stanowi poważne wyzwanie terapeutyczne. Qiangzhifang (QZF), związek stosowany w tradycyjnej medycynie chińskiej, wykazuje potencjalną skuteczność kliniczną w leczeniu depresji. Jednak mechanizmy działania i składniki aktywne QZF nie zostały w pełni wyjaśnione. Głównym celem tego badania było wyjaśnienie skutecznych składników aktywnych i potencjalnych mechanizmów molekularnych QZF w łagodzeniu depresji poprzez integrację prognoz farmakologii sieciowej z walidacjami eksperymentalnymi.

Przyjęliśmy model szczura z przewlekłym stresem powściągliwości (CRS) i przeprowadziliśmy testy behawioralne, takie jak test otwartego pola (OFT), test preferencji sacharozy (SPT) i test wymuszonego pływania (FST), aby ocenić terapeutyczny wpływ QZF na depresję. Jeśli chodzi o parametry behawioralne, grupa QZF wykazywała istotnie wyższą masę ciała, współczynnik preferencji sacharozy i czas przebywania w strefie centralnej w porównaniu z grupą modelową (P < 0,01, P < 0,01, P < 0,01) oraz znacznie skrócony czas unieruchomienia w teście wymuszonego pływania (P < 0,001). Farmakologia sieciowa i badania dokowania molekularnego sugerują, że QZF może mieć działanie przeciwdepresyjne poprzez modulację szlaków HIF-1 i JAK-STAT, z kluczowymi genami docelowymi, w tym AKT1, IL-6, MTOR i TP53, zaangażowanymi w stan zapalny, neuroprotekcję i apoptozę. Podsumowując, badanie to oferuje nowe spojrzenie na modernizację i rozwój związków medycyny chińskiej do kompleksowego leczenia depresji.

Wprowadzenie

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

Depresja, wszechobecne globalne wyzwanie zdrowotne, charakteryzuje się utrzymującym się obniżonym nastrojem, zmniejszonym zainteresowaniem i przyjemnością oraz upośledzeniami poznawczymi i neurologicznymi1. Jak podaje Światowa Organizacja Zdrowia, depresja dotyka około 380 milionów ludzi na całym świecie, a liczba ta ma wzrosnąć2. Jako złożone, wieloczynnikowe zaburzenie psychiczne, depresja wpływa na jakość życia pacjentów i stanowi znaczne obciążenie ekonomiczne i medyczne dla społeczeństwa, charakteryzujące się wysoką częstością występowania, częstością nawrotów i wskaźnikami niepełnosprawności3.

Etiologia depresji jest złożona, a dokładne mechanizmy nie są jeszcze w pełni poznane. Wraz z postępem badań w tej dziedzinie czynniki takie jak zapalenie nerwów, stres oksydacyjny i apoptoza przyciągnęły znaczną uwagę. Badania wskazują, że pacjenci z depresją wykazują podwyższony poziom cytokin prozapalnych, takich jak TNF i interleukina-1β, w porównaniu z osobami zdrowymi, a u osób ze stanami zapalnymi obserwuje się większą częstość występowania depresji4. W stresie oksydacyjnym reaktywne formy tlenu (ROS) są nadprodukowane w odpowiedzi na szkodliwe bodźce, przytłaczając obronę antyoksydacyjną organizmu i prowadząc do braku równowagi między systemami oksydacyjnymi i przeciwutleniającymi, powodując w ten sposób uszkodzenie tkanek. Podwyższony stres oksydacyjny w depresji może zwiększać peroksydację lipidów i nasilać uszkodzenia genów komórkowych i białek, wpływając na funkcje neuronów i przyczyniając się do degeneracji neuronów, apoptozy i upośledzenia plastyczności5. Ponadto zmiany obserwowane w obrazach klinicznych, markerach biochemicznych i strukturach mózgu u pacjentów z depresją są związane z apoptozą. Badania obrazowe ujawniają zmniejszoną objętość i atrofię hipokampa u pacjentów z depresją, przy czym apoptoza neuronalna może odgrywać kluczową rolę w tych zmianach6.

Obecnie leczenie farmakologiczne jest podstawowym podejściem do leczenia depresji, a w praktyce klinicznej często stosuje się selektywne inhibitory wychwytu zwrotnego serotoniny (SSRI) i inhibitory wychwytu zwrotnego noradrenaliny (NRI)7. Jednak lekom tym towarzyszą znaczące działania niepożądane. Oprócz objawów ośrodkowego układu nerwowego, takich jak ból głowy i bezsenność, większość leków przeciwdepresyjnych często wykazuje również skutki uboczne ze strony przewodu pokarmowego, w tym nudności i biegunkę 8,9. Niektóre leki przeciwdepresyjne mogą również powodować dysfunkcje seksualne10, co poważnie wpływa na wyniki leczenia i zmniejsza przestrzeganie zaleceń lekarskich przez pacjentów z depresją11. Co więcej, skuteczność tych leków jest ograniczona u niektórych pacjentów. Ostatnie badania metabolomiczne wykazały, że indywidualne różnice w mikrobiocie jelitowej mogą wpływać na skuteczność leków12. Dlatego opracowanie bezpieczniejszych i skuteczniejszych metod leczenia pozostaje kluczowym celem w badaniach nad depresją.

Preparaty Tradycyjnej Medycyny Chińskiej (TCM) wykazały znaczny potencjał w leczeniu depresji, przypisywany ich synergistycznemu działaniu obejmującemu wiele składników, celów i ścieżek13. TCM zakłada, że energiczne Yang Qi jest niezbędne do utrzymania witalności organizmu. Dlatego profesor Yuanqing Ding, wykorzystując unikalne zasady diagnozowania i leczenia TCM oraz bogate doświadczenie kliniczne, zaproponował, że "yang yu shen tui" jest podstawową patogenezą depresji. Opierając się na tej koncepcji, opracował Qiangzhifang (QZF), aby zająć się tą patogenezą14. Kliniczne zastosowanie QZF w leczeniu depresji wykazało znaczącą skuteczność, z całkowitym wskaźnikiem skuteczności wynoszącym 71,43%15. QZF składa się z różnych tradycyjnych chińskich materiałów leczniczych, w tym Ramulus cinnamomi (gui zhi, GZ), Polygala tenuifolia (yuan zhi, YZ), Alpinia oxyphylla miq (yi zhi ren, YZR), Paeonia lactiflora (bai shao, BS), Fritillariae cirrhosae bulbus (chuan bei mu, CBM), żeń-szeń Panax (ren shen, RS), Rhodiola rosea L (hong jing tian, HJT) i lukrecja (gan cao, GC) (plik uzupełniający 1). Badania wykazały, że Polygala tenuifolia jest bogata w saponiny i wykazuje działanie neuroprotekcyjne16. Podobnie, para ziół Ramulus Cinnamomi-Paeonia lactiflora wykazuje potencjalną skuteczność w łagodzeniu bólu i depresji17. Ponadto całkowite saponiny żeń-szenia mogą obniżać poziom cytokin prozapalnych w hipokampie, poprawiać zachowania depresyjne i łagodzić uszkodzenia nerwów hipokampa u szczurów18. Lukrecja zawiera głównie triterpenoidy i flawonoidy. Całkowite flawonoidy (LF) lukrecji mogą odgrywać rolę przeciwdepresyjną poprzez poprawę zachowań depresyjnych, modulację szlaku sygnałowego BDNF / TrkB i zwiększenie plastyczności synaptycznej19. Jednak konkretne mechanizmy leżące u podstaw przeciwdepresyjnego działania QZF pozostają niejasne, co ogranicza jego szerokie zastosowanie.

Dlatego nasze badanie ma na celu ustanowienie szczurzego modelu depresji CRS, wykazanie terapeutycznego wpływu QZF na depresję u szczurów poprzez eksperymenty behawioralne oraz systematyczną ocenę przeciwdepresyjnego mechanizmu QZF przy użyciu farmakologii sieciowej i technologii dokowania molekularnego20. Poprzez wyjaśnienie aktywnych składników i potencjalnych celów QZF, można dokładnie zlokalizować główne cele depresji. Wierzymy, że dogłębnie badając mechanizm działania QZF, możemy nie tylko zapewnić bezpieczniejsze i skuteczniejsze opcje leczenia dla pacjentów z depresją, ale także zapewnić naukowe podstawy do zastosowania TCM w leczeniu depresji.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

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

Wszystkie protokoły eksperymentalne zostały zatwierdzone przez Komitet Etyki Eksperymentów na Zwierzętach Uniwersytetu Tradycyjnej Medycyny Chińskiej w Shandong (numer zatwierdzenia: YYLW2023000327) i były zgodne z Przewodnikiem dotyczącym opieki i wykorzystania zwierząt laboratoryjnych wydanym przez National Institutes of Health. W tym eksperymencie wykorzystaliśmy 40 zdrowych samców szczurów rasy Wistar o stopniu SPF o średniej masie ciała (140 ± 10) g (ryc. 1). Zapoznaj się z Tabelą materiałów , aby uzyskać listę wszystkich materiałów, sprzętu i oprogramowania używanych w tym protokole.

1. Model depresji szczura

  1. Trzymanie i grupowanie zwierząt
    1. Wejdź ze zwierzętami do pomieszczenia hodowlanego i ponumeruj je za pomocą przyrządu do znakowania ogonów.
    2. Szczury należy trzymać pojedynczo w klatkach, utrzymując temperaturę 21 ± 2 °C i cykl 12 godzin/12 godzin światła i ciemności.
    3. Zaaklimatyzuj szczury w laboratorium przez 7 dni, zapewniając ad libitum dostęp do pożywienia i wody, jednocześnie codziennie zajmując się nimi w celu adaptacji.
    4. Po okresie aklimatyzacji zmierz masę ciała i przeprowadź testy preferencji sacharozy (SPT) oraz testy w terenie otwartym (OFT).
    5. Na podstawie danych eksperymentalnych podziel szczury na cztery grupy, upewniając się, że każda grupa składa się z 10 szczurów: grupy kontrolnej (CON), grupy modelowej (CRS), grupy QZF i grupy fluoksetyny (F).
  2. Ustanowienie modelu szczurzego Przewlekłego Stresu Powściągliwości (CRS)
    1. Zbuduj urządzenie przytrzymujące szczury. Wybierz przezroczystą plastikową rurkę o średnicy i długości odpowiedniej dla rozmiaruszczura 21, pozwalając szczurowi stać i obracać się w środku, jednocześnie uniemożliwiając ucieczkę. Użyj elektrycznego dziurkacza do lutownicy, aby wykonać otwory po bokach plastikowej rurki i na pokrywie, aby zapewnić odpowiednią cyrkulację powietrza.
    2. Szczury należy delikatnie umieścić w urządzeniach przytrzymujących (z wyjątkiem tych z grupy C) 1 godzinę po codziennym podawaniu leku dożołądkowo, upewniając się, że znajdują się w wygodnej pozycji.
    3. Pozbawić wszystkie grupy szczurów pożywienia i wody w okresie ograniczenia. Po zakończeniu okresu powściągliwości zapewnij im równomiernie wystarczającą ilość pożywienia i wody. Ustal dzienny czas trwania unieruchomienia na 6 godzin (od 9:30 do 15:30) i utrzymuj go przez 28 kolejnych dni.

2. Interwencja narkotykowa

  1. Podawać przez zgłębnik: 1 ml roztworu/100 g masy ciała, fluoksetynę (2,7 mg·kg-1·dzień-1) i QZF (2 g·kg-1·dzień-1)22. Zaopatrzyć grupy C i CRS w równoważny roztwór soli fizjologicznej do kontroli pojedynczej zmiennej.
    UWAGA: Codzienne podawanie leku przeprowadzano o godzinie 08:00, rozpoczynając się równolegle z ustaleniem modelu i trwając przez cały 28-dniowy okres modelowania.

3. Test preferencji sacharozy (SPT)

  1. Pozbawić szczury jedzenia i wody na 24 godziny przed rozpoczęciem eksperymentu.
  2. Przygotować 1% wodny roztwór sacharozy i wlać roztwór wraz z czystą wodą do butelek do picia zwierząt doświadczalnych w celu zważenia. Zmierz spożycie czystej wody i wody z sacharozą, ważąc butelki przed i po eksperymencie.
  3. Umieść jedną butelkę roztworu sacharozy i jedną butelkę czystej wody przy wlocie wody z każdej pokrywy klatki dla szczurów, jedną po lewej i jednej po prawej, aby uzyskać swobodny dostęp do picia. Aby zapobiec faworyzowaniu przez szczury jednej strony do pobierania wody, po 30 minutach eksperymentu zamień pozycje butelek z wodą po lewej i prawej stronie.
  4. Po 1 godzinie eksperymentu wyjmij wszystkie butelki z wodą, natychmiast je zważ i zapisz spożycie roztworu sacharozy i czystej wody. Oblicz tygodniowy stosunek preferencji sacharozy za pomocą wzoru:
    Wartość preferencji sacharozy = figure-protocol-1 × 100%

4. Pomiar masy ciała

  1. Waż szczury co tydzień po ich wejściu do laboratorium i ustaw stałą godzinę ważenia na godzinę 7:00 rano. Ustal ten harmonogram, aby ułatwić obserwację zmian masy ciała.

5. Test w terenie otwartym (OFT)

  1. Przed rozpoczęciem eksperymentu zaaklimatyzuj szczury w pomieszczeniu behawioralnym na 1 godzinę i dostosuj oświetlenie w otwartym pudełku polowym, aby zapewnić równomierne rozprowadzenie. Upewnij się, że szczury są wyraźnie widoczne w oprogramowaniu śledzącym.
  2. Wykorzystaj system śledzenia i analizy wideo, aby podzielić dolną powierzchnię pudełka z otwartym polem (50 cm x 50 cm x 50 cm) na dziewięć kwadratowych siatek o równej powierzchni. Wyznacz osiem siatek przylegających do ścian jako obszar peryferyjny, a siatkę środkową jako obszar centralny.
  3. Umieść szczura w centralnej części pudełka na otwartym polu. Nagrywaj ruch szczura przez 5 minut za pomocą systemu śledzenia wideo.
  4. Po przetestowaniu każdego szczura wyczyść komorę 75% etanolem, aby usunąć resztki zapachu i zapobiec zakłóceniom w zachowaniu następnego szczura. Wprowadź całkowitą odległość (mm) działań w terenie otwartym oraz liczbę wpisów w centralnej siatce w rekordach OFT.

6. Test wymuszonego pływania (FST)

UWAGA: Eksperyment z wymuszonym pływaniem na szczurach składa się z eksperymentu wstępnego i eksperymentu formalnego. Przeprowadzić eksperyment wstępny 24 godziny przed formalnym eksperymentem, postępując zgodnie z tą samą procedurą, z udziałem szczura pływającego przez 15 minut.

  1. Zwierzęta doświadczalne należy przetransportować do pomieszczenia behawioralnego co najmniej 30 minut przed eksperymentem, aby umożliwić im aklimatyzację w środowisku.
  2. Przygotuj przezroczysty cylindryczny cylinder na wodę z pleksiglasu (50 cm wysokości, 20 cm średnicy) i napełnij go wodą o temperaturze 23-25 °C. Dostosuj głębokość wody w zależności od wagi zwierzęcia, upewniając się, że ogon zwierzęcia pozostaje w pewnej odległości od dna cylindra.
  3. Powoli umieść szczury w cylindrze z wodą i zachowaj ciszę przez cały czas trwania eksperymentu. Aktywuj kamerę i system akwizycji sygnału. Obserwuj i rejestruj czas trwania bezruchu w ruchu w ciągu 300 s. Natychmiast wyjmij szczury z wody i wysusz je pod koniec eksperymentu.
  4. Po każdej sesji wymień wodę, aby zapobiec wpływowi na następnego szczura.

7. Sieciowa prognoza farmakologiczna

  1. Zbiór związków QZF i przypuszczalnych celów
    1. Uzyskaj dostęp do bazy danych Farmakologii Systemów Tradycyjnej Medycyny Chińskiej (TCMSP) (https://old.tcmsp-e.com/)23, bazy danych HERB24 i bazy danych TCMID (https://www.bidd.group/TCMID/). Użyj ośmiu nazw TCM w QZF, w tym GZ, YZ, YZR, BS, CBM, RS, HJT i ZGC, jako słów kluczowych, aby wyszukać związki aktywne i cele ziół. Zbieraj cele z TCMSP i szwajcarskiej prognozy celów (http://www.swisstargetprediction.ch/). Ustaw wartość filtru na Prawdopodobieństwo* > 0.
      UWAGA: Zazwyczaj składniki były włączane jako składniki aktywne na podstawie ich właściwości farmakokinetycznych : biodostępność po podaniu doustnym (OB) ≥ 30% i cechy podobne do leku (DL) ≥ 0,1825.
  2. Przewidywanie celów chorobowych
    1. Wyszukaj słowo kluczowe "depresja" w bazie danych GeneCards (https://www.genecards.org/), uzyskaj cele genów związanych z depresją, pobierz elektroniczny arkusz kalkulacyjny celów chorobowych, przefiltruj wyniki genów, które są wyższe niż wartość średnia, i sporządź listę celów depresyjnych26.
  3. Sieć lek-składnik-choroba-cel
    1. Utwórz nowy arkusz kalkulacyjny i wypełnij go celami związanymi z depresją i celami leków w tej samej kolumnie. Kliknij Start na pasku menu | Formatowanie warunkowe | Reguły podświetlania komórek | Zduplikowane wartości. Wybierz format (na przykład "Jasnoczerwone wypełnienie") w oknie dialogowym, które pojawi się27, kliknij przycisk OK , aby wyświetlić wyniki.
    2. Uruchom oprogramowanie do analizy sieci i zaimportuj plik arkusza kalkulacyjnego, klikając Plik na pasku menu | Import | Sieć. Zoptymalizuj wygląd sieci, dostosowując rozmiar i kolor węzłów w panelu Styl znajdującym się w lewym panelu sterowania. Przeprowadź analizę topologii sieci, klikając Narzędzia na pasku menu | Analizuj sieć27.
  4. Sieć interakcji białko-białko (PPI)
    1. Uzyskaj dostęp do narzędzia Jvenn (https://jvenn.toulouse.inrae.fr/app/example.html), prześlij osobno cele złożone i cele choroby, wykreśl nakładające się geny (OGE) między domniemanymi celami związku a celami choroby. Kliknij liczby na obrazku i skopiuj je do arkusza kalkulacyjnego, a następnie pobierz obraz diagramu Venna.
    2. Uzyskaj dostęp do bazy danych STRING (https://stringdb.org/)28 i wprowadź OGE z arkusza kalkulacyjnego do bazy danych. W szczególności należy wkleić nakładającą się listę celów przeciwdepresyjnych QZF do okna dialogowego Lista nazw . Wybierz Homo sapiens w sekcji Organizmy i kliknij SZUKAJ | DALEJ. Wybierz opcję Eksporty z paska tytułu i pobierz tabelę podsumowania sieci PPI zarówno w formatach PNG, jak i TSV29.
  5. Badania przesiewowe białek rdzeniowych
    1. Uruchom oprogramowanie do analizy sieci (https://cytoscape.org/). Następnie na pasku menu kliknij Plik | Import | Sieć | Plik do zaimportowania pliku w formacie TSV wygenerowanego w poprzednim kroku30.
    2. Wybierz opcję Analizuj sieć na pasku menu i kliknij przycisk Analizuj . Następnie wyświetl wyniki analizy i zapoznaj się z ogólnymi cechami strukturalnymi sieci, takimi jak liczba węzłów, liczba krawędzi i średni stopień.
    3. Wybierz pozycję Aplikacje | Menedżer aplikacji na pasku menu. Wyszukaj MCODE, zainstaluj wtyczkę i uruchom wtyczkę, aby uzyskać element docelowy koncentratora. Następnie wyszukaj CytoNCA, zainstaluj wtyczkę i skup się na trzech wartościach parametrów: Stopień, Centralność bliskości (CC) i Centralność między punktami (BC). Zgodnie z wartościami tych parametrów, przesiewaj węzły o wyższym stopniu, CC i BC, które są ogólnie uważane za białka rdzeniowe31.
  6. Analiza wzbogacenia ontologii genów (GO) i Encyklopedii Gene'ów i Genomów z Kioto (KEGG)
    1. Otwórz platformę bioinformatyczną (https://www.omicshare.com/). Kliknij menu Narzędzia , znajdź narzędzie do konwersji genów ID i kliknij je. Następnie kliknij przycisk przesyłania pliku , wybierz wygenerowany krok w rdzeniu docelowych genów i pobierz listę identyfikatorów przekonwertowanych plików.
    2. W menu Narzędzia kliknij narzędzie Dynamiczna analiza wzbogacania KEGG . Prześlij listę identyfikatorów genów. W opcji Gatunek wybierz Homo sapiens i kliknij przycisk Prześlij .
    3. W menu Narzędzia kliknij narzędzie Dynamic GO enrichment Analysis | Opcja genowa | Opcja przesyłania pliku. Wybierz listę identyfikatorów genów i w opcji Gatunek wybierz Homo sapiens. Wybierz typ GO do analizy, w tym Proces biologiczny, Funkcja molekularna i Składnik komórkowy.
    4. Aby uzyskać wyniki analizy wzbogacania KEGG i GO, ustaw próg filtrowania na p < 0,05. Ułóż liczniki w kolejności malejącej.

8. Weryfikacja dokowania molekularnego

  1. Odwiedź stronę internetową PubChem (https://pubchem.ncbi.nlm.nih.gov/). Wpisz docelowe związki w pasku wyszukiwania. Kliknij na Strukturę 2D i pobierz ją.
  2. Otwórz bazę danych PDB (https://www.Rcsb.org/). Wybierz strukturę krystaliczną o wysokiej rozdzielczości i zawierającą oryginalny ligand. Pobierz plik PDB.
  3. Aby zoptymalizować strukturę białka, otwórz oprogramowanie do wizualizacji molekularnej. Załaduj pobrany plik PDB. Usuń cząsteczki wody i zapisz zoptymalizowany plik PDB.
  4. Otwórz oprogramowanie do dokowania molekularnego i zaimportuj zoptymalizowany plik PDB. W AutoDockTools kliknij Edytuj | Usuń wodę , aby usunąć cząsteczki wody. Kliknij Edytuj | Dodawanie wodorów | Dodaj , aby dodać atomy wodoru do białka i liganda29.
  5. W narzędziu AutoDockTools ustaw pasek receptora na receptor.pdbqt , a pasek liganda na ligand.pdbqt. Otwórz plik pdbqt. file, aby wyświetlić miejsca wiązania białka i liganda oraz ustawić rozmiar i położenie skrzynki dokującej, aby upewnić się, że może ona całkowicie zamknąć białko receptorowe i związek liganda. W AutoDockTools kliknij Siatka | Zdefiniuj pole siatki , aby ustawić współrzędne i wymiary środka pudełka oraz użyć wartości domyślnych dla dokowania molekularnego. Ramki dokujące zostaną automatycznie posortowane w malejącej kolejności energii wiązania.
  6. Otwórz plik z wynikami i zapisz optymalną wartość energii wiązania. Niższe energie wiązania wskazują na bardziej stabilne wiązanie. Użyj oprogramowania do wizualizacji molekularnej, aby załadować plik wynikowy. Dostosuj widok i kolor, aby wyraźnie wyświetlić interakcję ligand-receptor.

9. Analiza statystyczna

  1. Przeprowadź analizę statystyczną w oprogramowaniu do analizy i wizualizacji danych naukowych i przedstaw wszystkie dane jako średnią ± SEM. Użyj powtarzanych pomiarów dwukierunkowej ANOVA do porównań między grupami przed i po podaniu leku. Zastosuj jednoczynnikową ANOVA do porównań między więcej niż dwiema grupami.
  2. Przyjmij wartość P < 0,05 jako statystycznie istotną.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

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

Wyniki testów behawioralnych w modelu depresji szczurów wywołanej przez CRS

Wyniki testu preferencji sacharozy
Na początku badania nie stwierdzono różnicy we współczynniku preferencji sacharozy między grupami (P > 0,05). Po 28 dniach interwencji współczynnik preferencji sacharozy w grupie CRS był znacznie niższy niż w grupie CON (P < 0,05), podczas gdy grupy F i QZF wykazywały istotnie wyższe współczynniki w porównaniu z grupą CRS (...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

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

CRS jest szeroko stosowaną metodą tworzenia zwierzęcych modeli depresji. Model ten naśladuje przewlekły stres psychologiczny występujący w życiu człowieka i wywołuje zachowania podobne do depresji u szczurów35. W tym badaniu rurka przytrzymująca szczury została wykonana z przezroczystego tworzywa sztucznego, co zapewnia bezpieczeństwo zwierząt, a jednocześnie umożliwia wyraźną obserwację podczas eksperymentu. Przezroczysta rurka mierzyła około 18 cm długości i 6 cm średnicy i zawierała wiele otwor...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

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

Autorzy nie mają do zadeklarowania konfliktu interesów.

Podziękowania

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

Badania były wspierane przez Narodową Fundację Nauk Przyrodniczych Chin (82374311), Państwową Administrację Tradycyjnej Medycyny Chińskiej Wysokiego Poziomu (TCM) Basic Theory Key Discipline Construction Project (zyyzdxk-2023118), National Chinese Medicine Experts Expert Construction Project (National Chinese Medicine Education Letter No.75) oraz Natural Science Foundation of Shandong Province (ZR2022LZY016). Granulat QZF został przygotowany przez Zakład Produktów Farmaceutycznych, Szpital Stowarzyszony Uniwersytetu Tradycyjnej Medycyny Chińskiej w Shandong.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
System analizy zachowań zwierzątSzanghaj Xinsoft Information Technology Co., LTDXR-SuperLabirynt
Narzędzia AutoDockToolsInstytut Badawczy Scripps
Cytoscape  oprogramowanieKonsorcjum CytoscapeWersja 3.7.2
Elektryczny dziurkacz do lutownicyNanjing Naiwei Technology Co., Sp. z o.o.
FluoksetynaLilly Suzhou Pharmaceutical Co., LTD
System doświadczalny w terenie otwartymSzanghaj Xinsoft Information Technology Co., LTDXR-XZ301
PyMol powiedział:Schrö dinger powiedział:
Qiangzhifang Szpital stowarzyszony Uniwersytetu Tradycyjnej Medycyny Chińskiej w Shandong, Jinan, Chiny
Przezroczysta rurka z tworzywa sztucznego Nantong Baiyang Plastic Products Co., Ltd. 

Bibliografia

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Wu, C., Mu, Q., Gao, W., Lu, S. The characteristics of anhedonia in depression: A review from a clinically oriented perspective. Transl Psychiatry. 15 (1), 90(2025).
  2. Moitra, M., et al. Global mental health: Where we are and where we are going. Curr Psychiatry Rep. 25 (7), 301-311 (2023).
  3. Rong, J., Cheng, P., Li, D., Wang, X., Zhao, D. Global, regional, and national temporal trends in prevalence for depressive disorders in older adults, 1990-2019: An age-period-cohort analysis based on the global burden of disease study 2019. Ageing Res Rev. 100, 102443(2024).
  4. Liu, F., et al. Impacts of inflammatory cytokines on depression: A cohort study. BMC Psychiatry. 24 (1), 195(2024).
  5. Correia, A. S., Cardoso, A., Vale, N. Oxidative stress in depression: The link with the stress response, neuroinflammation, serotonin, neurogenesis and synaptic plasticity. Antioxidants (Basel). 12 (2), 470(2023).
  6. Xu, D. H., et al. Upregulation of KLK8 contributes to CUMS-induced hippocampal neuronal apoptosis by cleaving NCAM1. Cell Death Dis. 14 (4), 278(2023).
  7. Kovich, H., Kim, W., Quaste, A. M. Pharmacologic treatment of depression. Am Fam Physician. 107 (2), 173-181 (2023).
  8. Braund, T. A., et al. Antidepressant side effects and their impact on treatment outcome in people with major depressive disorder: An iSPOT-D report. Transl Psychiatry. 11 (1), 417(2021).
  9. Oliva, V., et al. Gastrointestinal side effects associated with antidepressant treatments in patients with major depressive disorder: A systematic review and meta-analysis. Prog Neuropsychopharmacol Biol Psychiatry. 109, 110266(2021).
  10. Rothmore, J. Antidepressant-induced sexual dysfunction. Med J Aust. 212 (7), 329-334 (2020).
  11. Niarchou, E., Roberts, L. H., Naughton, B. D. What is the impact of antidepressant side effects on medication adherence among adult patients diagnosed with depressive disorder: A systematic review. J Psychopharmacol. 38 (2), 127-136 (2024).
  12. Wang, Y., et al. Multi-omics reveal microbial determinants impacting the treatment outcome of antidepressants in major depressive disorder. Microbiome. 11 (1), 195(2023).
  13. Yang, J., et al. Analysis of medication rule of traditional Chinese medicine in treating depression based on data mining. Heliyon. 10 (20), e39245(2024).
  14. Liu, X. Study on the mechanism of qiangzhifang's remodeling of hippocampal neural structure in depression model rats based on the pathogenesis of "yang yu shen tui". , https://link.cnki.net/doi/10.27282/d.cnki.gsdzu.2020.000110 (2020).
  15. Zhou, M. The effect of qiangzhifang on camp-pka-creb signaling pathway in hippocampus of depression emotion model rats based on "yang yu shen tui" pathogenesis. , https://link.cnki.net/doi/10.27282/d.cnki.gsdzu.2019.000030 (2019).
  16. Chen, Z., Yang, Y., Han, Y., Wang, X. Neuroprotective effects and mechanisms of senegenin, an effective compound originated from the roots of polygala tenuifolia. Front Pharmacol. 13, 937333(2022).
  17. Pan, H. T., Xi, Z. Q., Wei, X. Q., Wang, K. A network pharmacology approach to predict potential targets and mechanisms of "Ramulus cinnamomi (Cassiae) - Paeonia lactiflora" herb pair in the treatment of chronic pain with comorbid anxiety and depression. Ann Med. 54 (1), 413-425 (2022).
  18. Qin, M., et al. Total saponins of panax ginseng via the CX3CL1/CX3CR1 axis attenuates neuroinflammation and exerted antidepressant-like effects in chronic unpredictable mild stress in rats. Phytother Res. 37 (5), 1823-1838 (2023).
  19. Wang, R., et al. Antidepressant effect of licorice total flavonoids and liquiritin: A review. Heliyon. 9 (11), e22251(2023).
  20. Xiao, Y. G., Wu, H. B., Chen, J. S., Li, X., Qiu, Z. K. Exploring the potential antidepressant mechanisms of pinellia by using the network pharmacology and molecular docking. Metab Brain Dis. 37 (4), 1071-1094 (2022).
  21. Seewoo, B. J., et al. Validation of chronic restraint stress model in young adult rats for the study of depression using longitudinal multimodal mr imaging. eNeuro. 7 (4), (2020).
  22. Wei, Y. Discussion on "yang yu shen tui"mechanism of depression. , https://link.cnki.net/doi/10.27282/d.cnki.gsdzu.2022.000933 (2022).
  23. Ru, J., et al. TCMSP: A database of systems pharmacology for drug discovery from herbal medicines. J Cheminform. 6, 13(2014).
  24. Fang, S., et al. A high-throughput experiment- and reference-guided database of traditional Chinese medicine. Nucleic Acids Res. 49 (D1), D1197-D1206 (2021).
  25. Zou, J., et al. Network pharmacology-based approach to research the effect and mechanism of Si-Miao-Yong-An decoction against thromboangiitis obliterans. Ann Med. 55 (1), 2218105(2023).
  26. Safran, M., et al. Genecards version 3: The human gene integrator. Database (Oxford). 2010, baq020(2010).
  27. Zhao, X. Y., Yang, Y. Y., Feng, J. L., Feng, C. L. Network pharmacology prediction and experimental validation of Trichosanthes-fritillaria thunbergii action mechanism against lung adenocarcinoma. J Vis Exp. (193), e64847(2023).
  28. 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. 51 (D1), D638-D646 (2023).
  29. Zeng, B., et al. Network pharmacology prediction and metabolomics validation of the mechanism of fructus phyllanthi against hyperlipidemia. J Vis Exp. (194), e65071(2023).
  30. Shannon, P., et al. Cytoscape: A software environment for integrated models of biomolecular interaction networks. Genome Res. 13 (11), 2498-2504 (2003).
  31. Huang, S. P., et al. Evaluation of the mechanism of jiedu huazhuo quyu formula in treating Wilson's disease-associated liver fibrosis by network pharmacology analysis and molecular dynamics simulation. Evid Based Complement Alternat Med. 2022, 9363131(2022).
  32. Zhou, W., et al. Huangqin qingre qubi capsule inhibits RA pathology by binding FZD8 and further inhibiting the activity of Wnt/β-catenin signaling pathway. J Ethnopharmacol. 302 (Pt A), 115886(2023).
  33. Tan, X., et al. Cinnamaldehyde ameliorates dextran sulfate sodium-induced colitis in mice by modulating TLR4/NF-κB signaling pathway and NLRP3 inflammasome activation. Chem Biodivers. 20 (2), e202200089(2023).
  34. Que, W., et al. Molecular mechanism of Gelsemium elegans (gardner and champ.) benth. against neuropathic pain based on network pharmacology and experimental evidence. Front Pharmacol. 12, 792932(2021).
  35. Tzeng, H. T., Chyuan, I. T., Lai, J. H. Targeting the JAK-STAT pathway in autoimmune diseases and cancers: A focus on molecular mechanisms and therapeutic potential. Biochem Pharmacol. 193, 114760(2021).
  36. Chen, H., et al. The potential role of hypoxia-inducible factor-1 in the progression and therapy of central nervous system diseases. Curr Neuropharmacol. 20 (9), 1651-1666 (2022).
  37. Xie, X., et al. Scutellarin attenuates oxidative stress and neuroinflammation in cerebral ischemia/reperfusion injury through PI3K/AKT-mediated Nrf2 signaling pathways. Eur J Pharmacol. 957, 175979(2023).
  38. Semenza, G. L. Hypoxia-inducible factors in physiology and medicine. Cell. 148 (3), 399-408 (2012).
  39. Amin, N., et al. Hif-1α ablation reduces the efficiency of NeuroD1 gene-based therapy and aggravates the brain damage following ischemic stroke. Expert Opin Drug Deliv. 22 (1), 121-138 (2025).
  40. Bergeron, M., et al. Role of hypoxia-inducible factor-1 in hypoxia-induced ischemic tolerance in neonatal rat brain. Ann Neurol. 48 (3), 285-296 (2000).
  41. Zhang, Y., et al. Lactate modulates microglial inflammatory responses through Hif-1α-mediated CCL7 signaling after cerebral ischemia in mice. Int Immunopharmacol. 146, 113801(2025).
  42. Moresi, V., Adamo, S., Berghella, L. The JAK/STAT pathway in skeletal muscle pathophysiology. Front Physiol. 10, 500(2019).
  43. Fei, S., Li, W., Xiang, L., Xie, X., Zhang, L. Protective effect of alprostadil on acute pancreatitis in rats via inhibiting janus kinase 2 (JAK2)/STAT3 signal transduction pathway. Med Sci Monit. 25, 7694-7701 (2019).
  44. Sarapultsev, A., et al. JAK-STAT signaling in inflammation and stress-related diseases: Implications for therapeutic interventions. Mol Biomed. 4 (1), 40(2023).
  45. Dowlati, Y., et al. A meta-analysis of cytokines in major depression. Biol Psychiatry. 67 (5), 446-457 (2010).
  46. Li, J., et al. The JAK/STAT/NF-κB signaling pathway can be regulated by rosemary essential oil, thereby providing a potential treatment for DNCB-induced in mice. Biomed Pharmacother. 168, 115727(2023).
  47. Heinrich, P. C., Behrmann, I., Müller-Newen, G., Schaper, F., Graeve, L. Interleukin-6-type cytokine signalling through the gp130/Jak/STAT pathway. Biochem J. 334 (Pt 2), 297-314 (1998).
  48. Nguyen, T. L. L., Huynh, D. T. N., Jin, Y., Jeon, H., Heo, K. S. Protective effects of ginsenoside-Rg2 and -Rh1 on liver function through inhibiting TAK1 and STAT3-mediated inflammatory activity and Nrf2/ARE-mediated antioxidant signaling pathway. Arch Pharm Res. 44 (2), 241-252 (2021).
  49. Croce, C. M., et al. The BCL-2 protein family: From discovery to drug development. Cell Death Differ. , (2025).
  50. Fakhri, S., et al. Natural products attenuate PI3K/AKT/mTOR signaling pathway: A promising strategy in regulating neurodegeneration. Phytomedicine. 91, 153664(2021).
  51. Huang, Z., Jin, G. Licochalcone B induced apoptosis and autophagy in osteosarcoma tumor cells via the inactivation of PI3K/AKT/mTOR pathway. Biol Pharm Bull. 45 (6), 730-737 (2022).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Poproś o pozwolenie na ponowne wykorzystanie tekstu lub ilustracji tego artykułu JoVE

Poproś o pozwolenie

Tagi

Testy behawioralnedokowanie molekularneszlak HIF 1szlak JAK STATtradycyjna medycyna chi ska

Powiązane artykuły