Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.

Artykuł metodologiczny

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

1K wyświetleń

⸱

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

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

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

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

Wszystkie protokoły doświadczalne zostały zatwierdzone przez Komisję Etyki Doświadczeń na Zwierzętach Uniwersytetu Tradycyjnej Medycyny Chińskiej w Shandong (numer zatwierdzenia: YYLW2023000327) i były zgodne z wytycznymi Guide for the Care and Use of Laboratory Animals wydanymi przez National Institutes of Health. W tym eksperymencie wykorzystano 40 zdrowych samców szczurów Wistar, klasy SPF, o średniej masie ciała (140 ± 10) g (Rysunek 1). Listę wszystkich materiałów, sprzętu i oprogramowania wykorzystanych w tym protokole znajduje się w Tabeli Materiałów.

1. Szczurzy model depresji

  1. Zakwaterowanie i grupowanie zwierząt
    1. Wejdź do pomieszczenia hodowlanego ze zwierzętami i ponumeruj je za pomocą markera do ogonów.
    2. Klatki z pojedynczymi szczurami należy przechowywać w temperaturze 21 ± 2 °C oraz 12-godzinny cykl światła i ciemności (12 h/12 h).
    3. Aklimatyzować szczury w laboratorium przez 7 dni, zapewniając ad libitum dostęp do pożywienia i wody podczas codziennej obsługi w celu adaptacji.
    4. Po okresie aklimatyzacji należy zmierzyć masę ciała oraz przeprowadzić testy preferencji do sacharozy (SPT) i testy otwartego pola (OFT).
    5. Na podstawie danych eksperymentalnych podzielić szczury na cztery grupy po 10 osobników w każdej: grupę kontrolną (CON), grupę modelową (CRS), grupę QZF oraz grupę fluoksetyny (F).
  2. Ustanowienie szczurzego modelu przewlekłego stresu unieruchomienia (CRS)
    1. Zmontuj urządzenie do unieruchamiania szczurów. Wybierz przezroczystą plastikową rurkę o średnicy i długości odpowiedniej dla wielkości szczura.21umożliwiając szczurowi stanie i obracanie się wewnątrz, jednocześnie zapobiegając ucieczce. Za pomocą elektrycznej lutownicy z przebijakiem należy wykonać otwory w ściankach plastikowej rurki oraz w pokrywie, aby zapewnić odpowiednią cyrkulację powietrza.
    2. Ostrożnie umieść szczury w urządzeniach ograniczających ruchy (z wyjątkiem zwierząt z grupy C) 1 h po codziennym podaniu leku drogą wewnątrzżołądkową, upewniając się, że znajdują się w wygodnej pozycji.
    3. Wszystkie grupy szczurów należy pozbawić pożywienia i wody w czasie unieruchomienia. Po zakończeniu okresu unieruchomienia należy zapewnić im obfitą ilość pożywienia i wody w sposób jednolity. Czas codziennego unieruchomienia należy ustalić na 6 h (od 9:30 do 15:30) i utrzymywać go przez 28 kolejnych dni.

2. Interwencja lekowa

  1. Podać drogą gavage: 1 mL roztworu/100 g masy ciała, fluoksetynę (2,7 mg·kg-1·day-1) oraz QZF (2 g·kg-1·day-1)22. Grupom C i CRS podać równoważną ilość soli fizjologicznej w celu kontroli pojedynczej zmiennej.
    UWAGA: Codzienne podawanie leków odbywało się o godzinie 08:00, rozpoczynając się synchronicznie z ustanawianiem modelu i trwając przez cały 28-dniowy okres modelowania.

3. Test preferencji sacharozy (SPT)

  1. Na 24 h przed rozpoczęciem eksperymentu należy odstawić szczurom pożywienie i wodę.
  2. Przygotować 1% wodny roztwór sacharozy, a następnie napełnić butelki dla zwierząt doświadczalnych roztworem oraz czystą wodą i zważyć je. Zużycie czystej wody oraz wody z sacharozą należy zmierzyć, ważąc butelki przed i po eksperymencie.
  3. Przy wlotach do poidła w pokrywie każdej klatki ze szczurem należy umieścić jedną butelkę z roztworem sacharozy i jedną z czystą wodą (jedną po lewej i jedną po prawej stronie), aby zapewnić swobodny dostęp do picia. Aby zapobiec preferowaniu przez szczury jednej strony podczas picia, należy zamienić miejscami butelki z lewej i prawej strony po 30 min od rozpoczęcia eksperymentu.
  4. Po 1 h eksperymentu należy usunąć wszystkie butelki z wodą, niezwłocznie je zważyć i odnotować zużycie roztworu sacharozy oraz czystej wody. Tygodniowy wskaźnik preferencji sacharozy należy obliczyć według wzoru:
    Wartość preferencji sacharozy = Wzór na stosunek spożycia wody z sacharozą; licznik i mianownik wyjaśniają zużycie roztworu i wody. × 100%

4. Pomiar masy ciała

  1. Ważć szczury co tydzień od momentu wprowadzenia ich do laboratorium, wyznaczając stałą godzinę ważenia na 7:00. Ustalenie takiego harmonogramu ma na celu ułatwienie obserwacji zmian masy ciała.

5. Test otwartego pola (OFT)

  1. Przed rozpoczęciem eksperymentu poddaj szczury aklimatyzacji w pomieszczeniu behawioralnym przez 1 h i dostosuj oświetlenie w pudle otwartego pola, aby zapewnić jego równomierny rozkład. Potwierdź, że szczury są wyraźnie widoczne w oprogramowaniu do śledzenia.
  2. Wykorzystaj system analizy i śledzenia wideo, aby podzielić dolną powierzchnię pudła otwartego pola (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 środkową siatkę jako obszar centralny.
  3. Umieść szczura w obszarze centralnym pudła otwartego pola. Rejestruj ruch szczura przez 5 min za pomocą systemu śledzenia wideo.
  4. Po przetestowaniu każdego szczura oczyść komorę 75% etanolem, aby usunąć resztki zapachów i zapobiec wpływowi na zachowanie kolejnego zwierzęcia. Wprowadź do dokumentacji OFT całkowity dystans (mm) pokonany podczas aktywności w otwartym polu oraz liczbę wejść do siatki centralnej.

6. Test wymuszonego pływania (FST)

UWAGA: Eksperyment wymuszonego pływania szczurów składa się z etapu wstępnego i właściwego eksperymentu. Etap wstępny należy przeprowadzić 24 h przed właściwym eksperymentem, stosując tę samą procedurę, przy czym szczur powinien pływać przez 15 min.

  1. Przenieś zwierzęta doświadczalne do pomieszczenia behawioralnego co najmniej 30 min przed eksperymentem, aby umożliwić im aklimatyzację do środowiska.
  2. Przygotuj przezroczysty cylindryczny zbiornik wodny z pleksiglasu (wysokość 50 cm, średnica 20 cm) i napełnij go wodą o temperaturze 23-25 °C. Dostosuj głębokość wody do masy ciała zwierzęcia, upewniając się, że ogon zwierzęcia znajduje się w określonej odległości od dna cylindra.
  3. Powoli umieść szczury w cylindrze z wodą i zachowaj ciszę przez cały czas trwania eksperymentu. Uruchom kamerę oraz system akwizycji sygnałów. Obserwuj i rejestruj czas trwania unieruchomienia w pozycji pływającej w ciągu 300 s. Po zakończeniu eksperymentu niezwłocznie wyjmij szczury z wody i osusz je.
  4. Po każdej sesji wymień wodę, aby zapobiec wpływowi poprzedniego zwierzęcia na kolejnego szczura.

7. Przewidywanie farmakologiczne sieciowe

  1. Zbiór związków QZF i domniemanych celów molekularnych
    1. Uzyskaj dostęp do bazy danych Traditional Chinese Medicine Systems Pharmacology (TCMSP) (https://old.tcmsp-e.com/)23, baza danych HERB24oraz bazę danych TCMID (https://www.bidd.group/TCMID/). Jako słów kluczowych do wyszukiwania aktywnych związków i celów ziół należy użyć ośmiu nazw TCM wchodzących w skład QZF, w tym GZ, YZ, YZR, BS, CBM, RS, HJT oraz ZGC. Cele należy zebrać z TCMSP i Swiss target prediction (http://www.swisstargetprediction.ch/). Wartość filtra ustawiono na Probability* > 0.
      UWAGA: Zazwyczaj składniki były włączane jako substancje czynne w oparciu o ich charakterystykę farmakokinetyczną: biodostępność doustną (OB) ≥ 30% oraz właściwości przypominające lek (DL) ≥ 0,1825.
  2. Przewidywanie celów terapeutycznych chorób
    1. Wyszukaj słowo kluczowe „depression” w bazie danych GeneCards (https://www.genecards.org/), uzyskaj cele genowe związane z depresją, pobierz arkusz elektroniczny celów choroby, przefiltruj wyniki genów, które są wyższe od wartości średniej, i sporządź listę celów depresji26.
  3. Sieć powiązań lek–składnik–choroba–cel
    1. Utwórz nowy arkusz kalkulacyjny i wprowadź do jednej kolumny cele związane z depresją oraz cele lekowe. Kliknij w Start na pasku menu | Formatowanie warunkowe | Reguły wyróżniania komórek | DuplikatyW pojawiającym się oknie dialogowym wybierz format (na przykład „Jasnoczerwone wypełnienie”)27, kliknij Proszę dostarczyć tekst źródłowy do tłumaczenia. aby zapoznać się z wynikami.
    2. Uruchom oprogramowanie do analizy sieci i zaimportuj plik arkusza kalkulacyjnego, klikając opcję Plik na pasku menu | Importuj | SiećZoptymalizuj wygląd sieci poprzez dostosowanie rozmiaru i koloru węzłów w Panel stylu znajdujący się po lewej stronie panel sterowaniaPrzeprowadź analizę topologii sieci, klikając w Narzędzia na pasku menu Analiza sieci27.
  4. Sieć oddziaływań białko-białko (PPI)
    1. Uzyskaj dostęp do Jvenn (https://jvenn.toulouse.inrae.fr/app/example.html) narzędzie, prześlij oddzielnie cele związku oraz cele choroby, a następnie wykreśl wspólne geny (OGE) pomiędzy domniemanymi celami związku a celami choroby. Kliknij liczby na obrazie, skopiuj je do arkusza kalkulacyjnego i pobierz obraz diagramu Venna.
    2. Uzyskaj dostęp do Proszę podać tekst źródłowy do przetłumaczenia. baza danych (https://stringdb.org/)28i wprowadź OGE z arkusza kalkulacyjnego do bazy danych. W szczególności wklej listę wspólnych celów przeciwdepresyjnych QZF do Lista nazw okno dialogowe. Wybierz Homo sapiens w Organizmy sekcję i kliknij w SZUKAJ | KONTYNUUJWybierz Eksporty opcję z paska tytułowego i pobrać tabelę podsumowującą sieć PPI w formatach PNG oraz TSV29.
  5. Przesiewanie białek rdzeniowych
    1. Uruchom oprogramowanie do analizy sieci (https://cytoscape.org/). Następnie w pasku menu kliknij Plik | Importuj | Sieć | Plik aby zaimportować plik w formacie TSV wygenerowany w poprzednim kroku30.
    2. Wybierz Analiza sieci na pasku menu i kliknij Analizuj przycisk. Następnie należy przejrzeć wyniki analizy i zapoznać się z ogólnymi charakterystykami strukturalnymi sieci, takimi jak liczba węzłów, liczba krawędzi oraz średni stopień węzła.
    3. Wybierz Aplikacje | Menedżer aplikacji na pasku menu. Wyszukaj MCODE, zainstaluj wtyczkę, a następnie uruchom ją, aby uzyskać cel hubu. Następnie wyszukaj CytoNCAzainstaluj wtyczkę i skup się na trzech wartościach parametrów: stopniu (Degree), centralności bliskości (CC) oraz centralności pośrednictwa (BC). Na podstawie wartości tych parametrów wyselekcjonuj węzły o wyższym stopniu, CC i BC, które są zazwyczaj uznawane za białka kluczowe (core proteins)31.
  6. Analiza wzbogacenia ontologii genów (GO) i Kyoto Encyclopedia of Genes and Genomes (KEGG)
    1. Otwórz platformę bioinformatyczną (https://www.omicshare.com/). Kliknij w Narzędzia menu, znajdź identyfikator narzędzie do konwersji genówi kliknij w ten element. Następnie kliknij w prześlij plik przycisk, wybierz wygenerowany krok dotyczący rdzenia genów docelowych i pobierz przekonwertowaną listę identyfikatorów plików.
    2. W Narzędzia menu, kliknij w Dynamiczna analiza wzbogacenia KEGG narzędziu. Prześlij listę identyfikatorów genów. W tym Gatunki opcja, wybierz Homo sapiens i kliknij Prześlij przycisk
    3. W Narzędzia menu, kliknij w Dynamiczna analiza wzbogacenia GO narzędzie | Gen opcja | Prześlij plik opcja. Wybierz odpowiednią lista identyfikatorów genów oraz w Gatunki opcja, wybierz Homo sapiensWybierz typ GO do analizy, obejmujący proces biologiczny (Biological Process), funkcję molekularną (Molecular Function) oraz komponent komórkowy (Cellular Component).
    4. W przypadku wyników analizy wzbogacenia KEGG i GO, ustaw próg filtrowania jako p < 0.05Uporządkuj wyniki zliczania w kolejności malejącej.

8. Weryfikacja dokowania molekularnego

  1. Odwiedź stronę internetową PubChem (https://pubchem.ncbi.nlm.nih.gov/). Wprowadź docelowe związki w pasku wyszukiwania. Kliknij w strukturę 2D i pobierz ją.
  2. Otwórz bazę danych PDB (https://www.Rcsb.org/). Wybierz strukturę krystaliczną o wysokiej rozdzielczości, zawierającą oryginalny ligand. Pobierz plik PDB.
  3. W celu optymalizacji struktury białka otwórz oprogramowanie do wizualizacji molekularnej. Wczytaj pobrany plik PDB. Usuń cząsteczki wody i zapisz zoptymalizowany plik PDB.
  4. Otwórz oprogramowanie do dokowania molekularnego i zaimportuj zoptymalizowany plik PDB. W programie AutoDockTools kliknij Edit | Delete Water, aby usunąć cząsteczki wody. Kliknij Edit | Add Hydrogens | Add, aby dodać atomy wodoru do białka i ligandu29.
  5. W programie AutoDockTools ustaw pole receptor na receptor.pdbqt oraz pole ligand na ligand.pdbqt. Otwórz plik pdbqt, aby wyświetlić miejsca wiązania białka i ligandu, a następnie ustaw rozmiar i pozycję skrzynki dokowania (docking box), aby upewnić się, że całkowicie obejmuje ona białko receptorowe i związek ligandu. W programie AutoDockTools kliknij Grid | Define Grid Box, aby ustawić współrzędne środka i wymiary skrzynki, i użyj wartości domyślnych dla dokowania molekularnego. Ramki dokowania zostaną automatycznie posortowane w kolejności malejącej energii wiązania.
  6. Otwórz plik z wynikami i zanotuj optymalną wartość energii wiązania. Niższe energie wiązania wskazują na stabilniejsze wiązanie. Użyj oprogramowania do wizualizacji molekularnej, aby wczytać plik z wynikami. Dostosuj widok i kolor, aby wyraźnie zobrazować oddziaływanie ligand-receptor.

9. Analiza statystyczna

  1. Przeprowadź analizę statystyczną w oprogramowaniu do analizy i wizualizacji danych naukowych i przedstaw wszystkie dane jako średnia ± SEM. Do porównań między grupami przed i po podaniu leku zastosuj dwuczynnikową analizę wariancji (ANOVA) z powtarzanymi pomiarami. Do porównań między więcej niż dwiema grupami zastosuj jednoczynnikową analizę wariancji (ANOVA).
  2. Wartość P < 0,05 przyjmij jako statystycznie istotną.

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

Wyniki

Wyniki testów behawioralnych w modelu depresji szczurów indukowanej CRS

Wyniki testu preferencji do sacharozy
W punkcie wyjścia nie stwierdzono różnic w współczynniku preferencji do sacharozy pomiędzy grupami (P > 0,05). Po 28 dniach interwencji współczynnik preferencji do sacharozy w grupie CRS był znacząco niższy niż w grupie CON (P < 0,05), natomiast grupy F i QZF wykazały znacząco wyższe współczynniki w porównaniu z grupą CRS (w...

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

Dyskusja

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

Autorzy nie mają do zadeklarowania konfliktu interesów.

Podziękowania

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

  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

Tagi

Testy behawioralnedokowanie molekularneszlak HIF-1szlak JAK-STATtradycyjna medycyna chińska
Farmakologia sieciowa i walidacja mechanizmów przeciwdepresyjnych Qiangzhifang w modelu szczura depresji wywołanej przewlekłym stresem
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.