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

Artykuł badawczy

Dekokcja Gegen Qinlian łagodzi wrzodziejące zapalenie jelita grubego poprzez hamowanie PANoptozy: badanie wieloomiczne i eksperymentalne

224 wyświetleń

⸱

DOI:

10.3791/69858

⸱

22 maja 2026

 ,  ,  ,  ,  ,  ,  ,  ,  , 
1College of Clinical Medicine, Chengdu University of Traditional Chinese Medicine, 2Department of Gynaecology, Hospital of Chengdu University of Traditional Chinese Medicine, 3Department of Traditional Chinese Medicine, Henan Provincial People's Hospital, Zhengzhou University, 4College of Basic Medical Sciences, Chengdu University of Traditional Chinese Medicine, 5College of Health and Rehabilitation, Chengdu University of Traditional Chinese Medicine, 6State Key Laboratory of Oral Diseases, National Center for Stomatology, National Clinical Research Center for Oral Diseases, Department of Traditional Chinese Medicine, West China Hospital of Stomatology, Sichuan University, 7Department of Stomatology, Hospital of Chengdu University of Traditional Chinese Medicine

* These authors contributed equally

W tym artykule

Podsumowanie

Przedstawiamy tutaj protokół integrujący analizę multi-omiczną z walidacją in vivo, aby zbadać, jak dekokcja Gegen Qinlian łagodzi wrzodziejące zapalenie jelita grubego poprzez regulację celów związanych z PANoptosis oraz szlaków sygnalizacji zapalnej.

Streszczenie

Przedstawiamy zintegrowany protokół bioinformatyczny i farmakologii sieciowej, aby wyjaśnić mechanizmy terapeutyczne Dekokcji Gegen Qinlian (GQD) w zapaleniu jelita grubego (UC), ze szczególnym uwzględnieniem regulacji związanej z PANoptozą. Protokół ten został zaprojektowany do systematycznej identyfikacji potencjalnych związków bioaktywnych, celów terapeutycznych, szlaków sygnalizacyjnych oraz mechanizmów związanych z układem odpornościowym poprzez analizę wielobazową i analizę transkryptomiczną. Profile ekspresji genów z kohort UC, w tym GSE87466 i GSE92415 z bazy danych GEO, są analizowane za pomocą analizy różnicowej ekspresji oraz analizy ważonej sieci współekspresji genów w celu identyfikacji genów związanych z chorobą. Kandydaci na cele GQD są zbierani z publicznych baz danych farmakologicznych i przecinani z genami związanymi z UC i PANoptosis, aby określić kluczowe cele terapeutyczne. Następnie przeprowadza się konstrukcję sieci interakcji białko-białko, analizy wzbogacania oraz modelowanie sieci związk-cel-szlak, aby odkryć molekularne podstawy aktywności GQD. Ponadto stosuje się analizę infiltracji immunologicznej, aby zbadać związek między kluczowymi genami a mikrośrodowiskiem immunologicznym jelit. Dokowanie molekularne jest dodatkowo wykorzystywane do oceny potencjału wiązania między głównymi związkami aktywnymi a celami hubowymi. Protokół ten dostarcza powtarzalnych, systematycznych ram do badania, jak GQD łagodzi UC poprzez modulację PANoptozy i powiązanych szlaków zapalnych, a także może służyć jako przydatne źródło do mechanistycznych badań innych formuł medycyny chińskiej w złożonych chorobach zapalnych.

Wprowadzenie

Wrzodziejące zapalenie jelita grubego (UC), jedna z głównych form zapalnych chorób jelit, to przewlekłe nawracające zapalenie, które głównie obejmuje błonę śluzową jelita grubego i zazwyczaj zaczyna się w odbytnicy ciągłym wyprostowaniem bliższym. Jego patogeneza jest złożona i obejmuje nieprawidłową aktywację immunologiczną błony śluzowej, dysfunkcję bariery nabłonkowej, zaburzenia mikroorganizmów oraz zaburzenia interakcji gospodarza ze środowiskiem, co razem nakłada na znaczne i rosnące globalne obciążenie zdrowotne 1,2. Utrzymujące się zapalenie błony śluzowej nie tylko powoduje nawracające objawy, takie jak ból brzucha, biegunka i krwionociałość, ale także zwiększa długoterminowe ryzyko raka jelita grubego związanego z zapaleniem jelita grubego, szczególnie u pacjentów z rozległą i długotrwałą chorobą 3,4.

Obecne farmakologiczne leczenie UC opiera się głównie na 5-aminosalicylanach, kortykosteroidach, immunomodulatorach, lekach biologicznych oraz czynnikach małocząsteczkowych, w zależności od nasilenia choroby i odpowiedzi terapeutycznej5. Chociaż te strategie poprawiły wyniki kliniczne, znaczna część pacjentów nadal doświadcza pierwotnego braku odpowiedzi, wtórnej utraty odpowiedzi, nietolerancji, uzależnienia od sterydów lub działań niepożądanych związanych z leczeniem, co podkreśla potrzebę stosowania bezpieczniejszych i mechanizmów zorientowanych na mechanizmy opcji terapeutycznych6. Dlatego identyfikacja programów molekularnych w górnym kierunku, które jednocześnie regulują uszkodzenia nabłonka i dysregulacje odporności jelit, ma duże znaczenie translacyjne.

Najnowsze badania wykazały, że zaburzona zaprogramowana śmierć komórkowa jest głęboko zaangażowana w patogenezę UC. Poza klasyczną apoptozą, pirostoza i nekroptoza były powiązane z niszczeniem bariery nabłonkowej i wzmacnianiem zapalenia błony śluzowej7. PANoptosis, niedawno zdefiniowana zapalna ścieżka zaprogramowanej śmierci komórkowej, integrująca kluczowe cechy pirostozy, apoptozy i nekroptozy, stała się szczególnie istotnym mechanistycznym ramowym dla przewlekłych chorób zapalnych8. Proces ten jest koordynowany przez wielobiałkowe kompleksy PANoptosomów i obejmuje centralne mediatory takie jak ZBP1, RIPK1/RIPK3, CASP8 oraz cząsteczki powiązane z inflammasomem, w tym NLRP3, w sposób zależny od kontekstu9. Co ważne, coraz więcej dowodów wskazuje, że PANoptoza jest aktywowana w UC i może sprzyjać uszkodzeniu nabłonka jelit, rozpadowi bariery oraz zaburzeniom odporności, przyczyniając się tym samym do progresji choroby 10,11,12. Te wyniki sugerują, że PANoptoza nie jest jedynie następnym skutkiem zapalenia, lecz może stanowić mechanistycznie działający węzeł łączący uszkodzenie nabłonka z wzmocnieniem odporności śluzowej.

Wywar Gegen Qinlian (GQD), klasyczny przepis po raz pierwszy odnotowany u Shang Han Lun, składa się z Pueraria lobata, Scutellaria baicalensis, Coptis chinensis i Glycyrrhiza uralensis. Od dawna jest stosowany w tradycyjnej medycynie chińskiej w leczeniu biegunek i zapalnych zaburzeń jelit. Nowoczesne badania farmakologiczne wykazały, że GQD może łagodzić eksperymentalne zapalenie jelita grubego poprzez tłumienie odpowiedzi zapalnych, przywracanie integralności bariery jelitowej, przekształcanie mikrobioty jelitowej oraz modulację homeostazy immunologicznej, w tym sygnalizację związaną z Th17/Treg oraz aktywność inflammasomową13,14. Te działania wielocelowe czynią GQD prawdopodobnym kandydatem do interwencji w procesy patologiczne związane z PANoptosis w UC15. Jednak pomimo rosnących dowodów na skuteczność przeciwkolityczną, nadal nie jest jasne, czy GQD wywiera działanie terapeutyczne poprzez skoordynowaną regulację sieci molekularnych związanych z PANoptozą.

Obecnie pozostają dwie poważne luki. Po pierwsze, istniejące badania nad mechanizmami śmierci komórek UC koncentrowały się głównie na izolowanych szlakach, takich jak apoptoza, pirostoza czy ferroptoza, podczas gdy zintegrowana rola PANoptozy w mediowaniu terapeutycznych efektów ziołowych preparatów nie została wystarczająco wyjaśniona 7,10,11. Po drugie, chociaż farmakologia sieciowa dobrze nadaje się do charakteryzowania charakteru tradycyjnych wzorów typu "wieloskładnikowy-wielocelowy-wielocelowy", przewidywania oparte wyłącznie na bazach danych złożonych i celowych mogą nie mieć specyficzności kontekstu choroby i wymagać priorytetyzacji transkryptomicznej oraz walidacji eksperymentalnej, aby poprawić biologiczną wiarygodność i wiarygodność translacyjną 16,17,18,19. Dlatego zintegrowana strategia łącząca transkryptomikę chorob, farmakologię sieciową oraz weryfikację in vivo może dostarczyć bardziej rygorystycznych ram do wyjaśnienia mechanizmu GQD w UC.

W porównaniu z podejściami opartymi wyłącznie na obserwacjach histopatologicznych, molekularnych testach jednoszlakowych lub farmakologii sieciowej opartej wyłącznie na bazie danych, obecny workflow lepiej odpowiada temu zagadzeniu, ponieważ umożliwia krzyżową walidację między sygnałami transkryptomicznymi kontekstu choroby, przewidywaniem wzoru i celem oraz weryfikacją biologiczną w eksperymentalnym modelu zapalenia jelita grubego. Same odczyty histologiczne lub molekularne mogą uchwycić tylko ograniczone wymiary patologii UC, podczas gdy sama farmakologia sieciowa może nie mieć wystarczającej specyficzności choroby i wsparcia eksperymentalnego. Integrując priorytetyzację transkryptomiczną z walidacją in vivo, ten przepływ pracy poprawia biologiczną wiarygodność identyfikacji celu i zapewnia bardziej spójne ramy do powiązania interwencji GQD z mechanizmami związanymi z PANoptosis w UC.

Protokół ten jest najbardziej odpowiedni dla badań mechanistycznych mających na celu ocenę, jak interwencje wieloskładnikowe regulują uszkodzenia nabłonka, reakcje zapalne oraz szlaki związane z PANoptozą w eksperymentalnym UC. Jest szczególnie przydatny, gdy celem jest połączenie predykcji obliczeniowej z biologiczną walidacją na poziomie zwierząt w ustandaryzowanym procesie. Jednak nie ma on na celu zastąpienia klinicznych podejść diagnostycznych ani nie obejmuje kompleksowo wszystkich aspektów patogenezy UC, takich jak długoterminowa heterogeniczność pacjentów, interakcje przyczynowe w całym mikrobiomie czy mapowanie odporności pojedynczej komórki i przestrzennie. Dlatego jego zakres najlepiej definiować jako powtarzalne ramy przedkliniczne dla oceny zorientowanej na mechanizmy i terapii.

W związku z tym wysunęliśmy hipotezę, że GQD łagodzi UC poprzez modulację sieci sygnalizacyjnych związanych z PANoptozą, co łagodzi uszkodzenie nabłonka jelit i przeprogramowuje mikrośrodowisko zapalne. Aby przetestować tę hipotezę, zintegrowaliśmy analizę transkryptomiczną UC z farmakologią sieciową, aby zidentyfikować wspólne cele terapeutyczne i kluczowe szlaki GQD, ze szczególnym uwzględnieniem regulatorów związanych z PANoptosis. Dodatkowo potwierdziliśmy przewidywane mechanizmy w modelu zapalenia jelita mysiego indukowanego przez dextran siarczan sodu (DSS). Łącząc obliczeniową priorytetyzację celów z weryfikacją biologiczną, badanie miało na celu dostarczenie bardziej istotnego dla choroby i mechanistycznie ugruntowanego wyjaśnienia skutków GQD anty-UC oraz przedstawienie nowych dowodów potwierdzających PANoptosis jako potencjalną oś terapeutyczną w UC.

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

Protokół

Wszystkie procedury na zwierzętach były przeprowadzane zgodnie z wytycznymi instytucjonalnymi i zatwierdzone przed rozpoczęciem badań przez Komitet Etyczny Uniwersytetu Tradycyjnej Medycyny Chińskiej w Chengdu (nr Zatwierdzenia 2022-126). Do analiz bioinformatycznych wykorzystywano wyłącznie publicznie dostępne zbiory danych GEO i GWAS; dlatego nie wymagano dodatkowej zgody świadomej ani zatwierdzenia etyki dla komponentu obliczeniowego tego badania. Wszystkie procedury dotyczące niebezpiecznych chemikaliów, próbek biologicznych i odpadów zwierzęcych były wykonywane zgodnie z instytucjonalnymi przepisami bezpieczeństwa laboratoriów oraz procedurami utylizacji odpadów niebezpiecznych.

Pozyskiwanie i wstępne przetwarzanie zbiorów danych GEO

Zbiory danych transkryptomicznych u ludzi związane z wrzodziejącym zapaleniem jelita grubego (UC) zostały pobrane z bazy GEO przy użyciu słowa kluczowego "wrzodziejące zapalenie okrężnicy". Po przesiewie zestawów danych profilujących ekspresję z jasno zdefiniowanymi grupami kontrolnymi UC i zdrowymi grupami kontrolnymi oraz odpowiednią wielkością próby, wybranoGSE87466 20 iGSE92415 21, oba wygenerowane na platformie GPL13158, jako kohortę treningową. Te zbiory danych zawierały odpowiednio 87 próbek UC i 21 zdrowych kontroli, a także 53 próbki UC i 21 zdrowych kontroli. Do walidacji zewnętrznej GSE8747322 (106 próbek UC i 21 zdrowych kontroli) oraz GSE1687923 (48 próbek UC i 12 zdrowych kontroli); platformy GPL570). Pliki surowe lub macierzyste szeregowe były pobierane i importowane do R do wstępnego przetwarzania. Identyfikatory sond były konwertowane na symbole genów zgodnie z odpowiadającymi plikami adnotacji platformy. Gdy wiele sond przypisywano temu samemu symbolowi genu, średnia wartość ekspresji była zachowywana. Próbki bez jasnych informacji grupowych zostały wykluczone przed analizą dalszą. Oba zbiory danych treningowych zostały połączone przez wspólne symbole genów. Wartości wyrażeń były przekształcane log2, gdy było to potrzebne, normalizowane za pomocą standardowej procedury normalizacji międzytablicowej oraz korygowane pod kątem efektów wsadowych metodą korekty partii po zdefiniowaniu pochodzenia zbioru danych jako zmiennej wsadowej. Analiza głównych komponentów oraz inspekcja boxplot były stosowane przed i po normalizacji/korekcie wsadowej jako punkty kontrolne jakości. Skuteczne wstępne przetwarzanie zostało zdefiniowane przez lepsze nakładanie się rozkładów próbek w różnych zbiorach danych oraz tłumienie klastrowania opartego na zbiorach danych. Łącznie 902 geny związane z PANoptosis zostały zebrane z opublikowanej literatury i wykorzystane jako referencyjny zestaw genów do analizy integracyjnej.

Identyfikacja genów ekspresji różnicowo i budowa sieci WGCNA

Scalona macierz treningowa była analizowana w R przy użyciu workflow różniczkowego ekspresji. Geny z|log 2-krotną zmianą| ≥ 0,585 oraz skorygowane P < 0,05 zostały zdefiniowane jako geny różnicowo ekspresyjne (DEGs). Wykresy wulkanów i mapy ciepła zostały wygenerowane jako wyniki pośrednie, aby potwierdzić, że kryteria filtracji dają biologicznie interpretowalne różnice ekspresji między grupami UC a kontrolnymi. W analizie ważonej sieci współekspresji genów (WGCNA) geny były klasyfikowane według wariancji w różnych próbkach, a 25% najczęstszych genów o najbardziej zmiennych zachowano jako dane wejściowe. Najpierw zbadano drzewo klasteryzujące próbki w celu identyfikacji potencjalnych próbek odstających od rzeczywistości; Nie zachowano oczywistych odstających punktów odchylających do budowy sieci, chyba że usunięcie było uzasadnione kryteriami kontroli jakości. Wybrano moc o miękkim progu na podstawie indeksu dopasowania topologii bezskalowej, a najmniejsza moc osiągająca sieć w miarę bezskalowaną użyto do skonstruowania macierzy sąsiedztwa. Macierz sąsiedztwa została następnie przekształcona w topologiczną macierz nakładania się, a hierarchiczne klasteryzowanie przeprowadzono przy użyciu nierówności opartej na TOM. Moduły zostały zidentyfikowane za pomocą dynamicznego cięcia drzew o minimalnym rozmiarze modułu wynoszącym 100 genów. Blisko spokrewnione moduły były łączone, gdy ich korelacja genów własnych przekraczała ustalone kryterium scalania. Obliczano wartości genów własnych, istotności modułów oraz istotności genu, aby zidentyfikować moduły najsilniej związane z fenotypem UC. Udany krok WGCNA został zdefiniowany przez stabilne rozdzielenie modułów, biologicznie prawdopodobne rozmiary modułów oraz jeden lub więcej modułów wykazujących wyraźną korelację ze stanem choroby.

Identyfikacja kandydatów na cele w GQD

Kandydatskie związki i cele odpowiadające czterem składnikom ziołowym wywaru Gegen Qinlian (GQD) – Pueraria lobata, Scutellaria baicalensis, Coptis chinensis i Glycyrrhiza uralensis – zostały zebrane z TCMSP24 i BATMAN-TCM25. Progi przesiewowe zostały ustalone następująco: doustna biodostępność ≥ 30%, a podobność do leku ≥ 0,18 dla rekordów pochodzących z jednej bazy danych; wynik zaufania ≥ 0,84, a skorygowany P < 0,05 dla rekordów pochodzących z innej bazy danych. Dodatkowe związki uzupełniano z bazy danych ziołnictwa, gdy odpowiednie zapisy nie zostały zarejestrowane podczas początkowych poszukiwań. Kanoniczne łańcuchy związków zachowanych SMILES zostały przesłane do internetowej platformy oceny ADME. Związki były zatrzymywane, gdy wykazywały wysoką absorpcję w przewodzie pokarmowym i spełniały co najmniej dwa zestawy zasad podobności do leków u Lipinskiego, Ghose, Vebera, Egana i Muegge. Potencjalne cele były następnie przewidywane za pomocą platformy cel-predykcyjne z prawdopodobieństwem > 0,1 i standaryzowane do oficjalnych symboli genów przy użyciu bazy danych adnotacji białek. Zduplikowane związki i zduplikowane cele zostały usunięte po scaleniu baz danych. Oczekiwanym wynikiem tego etapu był nieredundantny zbiór danych złożonych celów GQD odpowiedni do analizy nakładania się.

Identyfikacja nakładających się genów i wykonanie analizy funkcjonalnej

Potencjalne cele terapeutyczne zostały zdefiniowane jako przecięcie celów związanych z GQD, genów związanych z UC zidentyfikowanych na podstawie różnicowej ekspresji i WGCNA oraz zestawu genów związanych z PANoptozą. Relacje nakładania się zobrazowano za pomocą diagramu Venna. Następnie przecinające się geny zostały przekazane do bazy danych interakcji białko-białko (PPI), a pary interakcji z oceną ufności ≥ 0,4 zostały zachowane. Powstała sieć PPI została wyeksportowana i zwizualizowana w platformie analizy sieci. Udany krok PPI definiował obecność połączonej sieci zawierającej większość przecinających się genów, a nie tylko izolowane węzły. Analiza wzbogacenia funkcjonalnego, w tym analiza ontologii genów (GO) oraz analizy Encyklopedii Genów i Genomów z Kioto (KEGG), została przeprowadzona w języku R, z q < 0,05 jako progiem istotności. Terminy lub ścieżki niespełniające ten próg zostały wykluczone. Podsumowano najwyżej wzbogacone procesy biologiczne i szlaki sygnalizacyjne, aby wywnioskować potencjalny mechanizm, przez który GQD może regulować UC. Wykresy kreskowe i bąbelkowe zostały generowane jako wyniki pośrednie, aby zweryfikować, czy wyniki wzbogacenia są zdominowane przez szlaki związane z uszkodzeniem nabłonka lub stanu zapalnego, odporności lub nabłonkowego, co można się spodziewać w kontekście biologicznym.

Analiza wzorców ekspresji, lokalizacji chromosomowej i korelacji

Poziomy ekspresji wspólnych genów porównano między grupami UC a kontrolnymi przy użyciu standardowego workflow wizualizacji różnicowej ekspresji w R. Opracowano wykresy pudełkowe i mapy cieplne, a P < 0,05 uznano za statystycznie istotne. Zachowano tylko geny o interpretowalnym kierunku ekspresji i spójnym zachowaniu w całej kohorcie treningowej do późniejszej oceny mechanicznej. Lokalizacja chromosomów wybranych genów rdzeniowych została mapowana po sformatowaniu plików adnotacji genów do wymaganej struktury wejściowej, a pozycje genomowe zwizualizowano za pomocą workflow wykresów chromosomów kołowych. Następnie obliczono macierze korelacji między genami rdzeniowymi za pomocą analizy korelacji parowej. Oczekiwanym rezultatem tego kroku była identyfikacja par genów wykazujących skoordynowane wzorce ekspresji, które mogłyby wspierać wspólną regulację lub interakcję funkcjonalną.

Konstrukcja i ocena modeli uczenia maszynowego

Rozwój modeli diagnostycznych realizowano przy użyciu połączonej kohorty treningowej (GSE87466 + GSE92415), natomiast GSE16879 i GSE87473 były wykorzystywane jako niezależne zewnętrzne zbiory danych walidacyjnej. Dwanaście algorytmów uczenia maszynowego – Lasso, Ridge, Stepglm, XGBoost, Random Forest, Enet, plsRglm, GBM, NaiveBayes, LDA, glmBoost i SVM – zostało użytych do wygenerowania 113 kombinacji modeli26. W kohorcie treningowej zastosowano dziesięciokrotną walidację krzyżową. W każdym etapie treningu modelu, wyboru cech oraz estymacji wydajności przeprowadzano przy użyciu tej samej logiki partycjonowania treningowego/testowego, aby uniknąć wycieku informacji. Wydajność modelu oceniano głównie na podstawie powierzchni pod krzywą charakterystyki pracy odbiornika (AUC). Model optymalny został zdefiniowany jako model z najwyższym średnim AUC w zbiorach treningowych i walidacyjnych, a nie sam z najwyższym AUC treningowym. Modele wykazujące bardzo wysokie AUC treningowe, ale słabą wydajność walidacji zewnętrznej nie zostały zachowane. Dla każdego zachowanego modelu wygenerowano krzywe ROC, a z ostatecznych wybranych biomarkerów skonstruowano nomogram. Etap modelowania definiował stabilna wydajność walidacji krzyżowej oraz zachowanie zdolności dyskryminacyjnej w zewnętrznych zbiorach danych.

Wydajność GSVA i ekspresja genów rdzeniowych profilu

Analiza zmienności zestawu genów (GSVA) została przeprowadzona w celu porównania wzbogacenia szlaków między grupami o wysokiej i niskiej ekspresji, zdefiniowanych przez medianę wartości ekspresji każdego genu rdzeniowego. Skorygowany P < 0,05 został użyty jako próg dla istotnych różnic w szlakach. Szlaki niespełniające tego progu zostały wykluczone z interpretacji. Opracowano mapy ciepła i wykresy korelacji, aby zilustrować aktywność szlaków i wzorce współekspresji. Pośredni sukces tego etapu wskazywały profile wzbogacenia zgodne z zaburzeniami zapalnymi, immunologicznymi lub metabolicznymi istotnymi dla UC.

Analiza krajobrazu odpornościowego i konstrukcja sieci ceRNA

Skład komórek immunologicznych oszacowano za pomocą algorytmu dekonwolucyjnego z 1000 permutacji. Próbki spełniające kryterium istotności wewnętrznej dekonwolucji zostały wykluczone z późniejszej analizy korelacji immunologicznej. Aby uzupełnić tę analizę, zastosowano również analizę wzbogacenia zestawów genów na jednej próbie (ssGSEA) do oceny wzorców infiltracji immunologicznej. Następnie obliczono i zobrazowano korelacje między frakcjami komórek odpornościowych a ekspresją genów rdzeniowych. Do budowy sieci ceRNA zidentyfikowano miRNA atakujące rdzenie mRNA z publicznie dostępnych baz danych interakcji, a kandydaty lncRNA oddziałujące z tymi miRNA zostały następnie przesiewane. Zachowano tylko interakcje wspierane przez rekordy predykcji lub adnotacji bazy danych. Sieć regulacyjna mRNA-miRNA-lncRNA została zwizualizowana na platformie analizy sieciowej. Oczekiwanym efektem tego etapu była ustrukturyzowana sieć ceRNA z biologicznie wiarygodnymi regulatorami upstream powiązanymi z genami rdzeniowymi.

Wydajność analizy pojedynczej komórki

Zestaw danych pojedynczych komórek GSE214695 został zaimportowany do R i przekształcony w obiekty pojedynczych komórek przy użyciu standardowego workflow analizy pojedynczej komórki. Kontrola jakości była przeprowadzana poprzez filtrowanie komórek według standardowych wskaźników, w tym komórek o niskich cechach, potencjalnych pustych kropelek oraz komórek o słabej jakości transkryptu. Komórki przechodzące kontrolę jakości zostały znormalizowane, a do analizy głównych komponentów wybrano 2000 genów o wysokiej zmienności. Główne komponenty przyczyniające się do istotnej wariancji biologicznej zostały zachowane dla klasteryzacji bez nadzoru, a UMAP wykorzystano do wizualizacji dwuwymiarowej. Geny markerów klastrowych zidentyfikowano za pomocą analizy różnicowej ekspresji między klastrami. Adnotacje typu komórek były następnie wykonywane przez klasyfikację opartą na odniesieniach, a adnotacje były weryfikowane względem kanonicznego wyrażenia markerów, gdy to możliwe. Skuteczny krok pojedynczej komórki został zdefiniowany przez wyraźne rozdzielenie głównych populacji komórek na wykresie UMAP, interpretowalne geny markerowe dla każdego klastra27 oraz spójne adnotacje głównych typów komórek immunologicznych i stromalnych istotnych dla UC.

Wykonanie analizy randomizacji mendelowskiej

Przeprowadzono randomizację mendelowskią (MR) na dwóch próbach w celu oceny możliwych związków przyczynowych między ekspresją genów rdzeniowych a podatnością na UC. Zmienne instrumentalne zostały wyodrębnione z ilościowych zbiorów danych o cechach ilościowych, a jako zbiór danych wyników użyto podsumowań badań asocjacyjnych UC w całym genomie. SNP były testowane zgodnie ze standardowymi kryteriami kontroli jakości MR, w tym pod kątem znaczenia cechy ekspozycji oraz usuwaniem niejednoznacznych lub duplikatów wariantów, gdy wymagała tego harmonizacja. Metoda ważona odwrotną wariancją była używana jako główny estymator przyczynowy. Test Q Cochrana został zastosowany do oceny heterogeniczności. Analizy MR-Egger i MR-PRESSO zostały wykorzystane jako analizy czułości do oceny i, gdy było to konieczne, korekty poziomej plejotropii. Pomyślny krok MR został zdefiniowany przez prawidłową harmonizację instrumentów, brak dużej heterogeniczności lub plejotropii28 oraz spójne kierunkowo szacunki pomiędzy komplementarnymi metodami MR.

Wydajność dokowania molekularnego związków kandydatów

Trójwymiarowe struktury białek docelowych pozyskano z Protein Data Bank, a struktury ligandów z publicznej bazy danych małych cząsteczek. Przed dokowaniem białka i ligandy były wstępnie przetwarzane poprzez usuwanie cząsteczek wody, gdy było to stosowne, dodawanie wodorów, definiowanie typów atomów oraz konwersję formatów plików wymaganych do dokowania. Następnie dokowanie przeprowadzono za pomocą procesu dokowania molekularnego, a dla każdej pary ligand-cel obliczono energie wiązania. Powinowactwo wiązań poniżej -5 kcal/mol interpretowano jako korzystne wiązanie, natomiast wartości poniżej -7 kcal/mol jako stosunkowo silne wiązanie. Mapy termiczne dokowania zostały narysowane, aby porównać globalne wzorce wiązania między celami. Najwyżej oceniane konformacje zostały zwizualizowane w trzech wymiarach w celu zbadania wiązań wodorowych, interakcji hydrofobowych oraz bliskości pozostałości. Pomyślne zakończenie tego etapu definiowano na podstawie stabilnych plików wyjściowych dokowania, wiarygodnych pozycji ligandów w obszarze wiązania docelowego oraz energii wiązania zgodne z priorytetyzacją kandydatów.

Wydajność walidacji eksperymentalnej in vivo

Przygotowanie GQD

GQD przygotowywano z czterech tradycyjnych chińskich ziół leczniczych w następujących proporcjach surowego leku: 24 g Puerariae Lobatae Radix (Gegen), 9 g Scutellariae Radix (Huangqin), 9 g Coptidis Rhizoma (Huanglian) oraz 6 g Glycyrrhizae Radix et Rhizoma (Gancao). Szczegóły dotyczące materiałów botanicznych i ich źródeł znajdują się w Tabeli Materiałów. Zioła mielono na drobny proszek, dokładnie mieszamy i moczymy w 390 mL wody destylowanej przez 1 godzinę. Mieszanka była wyklejana dwukrotnie. Do pierwszego wywaru zioła gotowano na wysokim ogniu, a następnie gotowano na niskim ogniu przez 30 minut. Po przefiltrowaniu przez gazę resztki były ponownie gotowane z dziesięciokrotną objętością wody. Oba filtraty zostały połączone i skoncentrowane w kąpieli wodnej do ostatecznego stężenia surowego leku 5 g/mL. Następnie ekstrakt był filtrowany, chłodzony i przechowywany w temperaturze 4 °C do czasu użycia.

Ustanowienie modelu myszy UC indukowanego przez DSS

W badaniu wykorzystano osiemnaście samców myszy BALB/c (8 tygodni), a wszystkie procedury zwierzęce zostały zatwierdzone przez Komitet Etyki Uniwersytetu Tradycyjnej Medycyny Chińskiej w Chengdu (nr zatwierdzenia 2022-126). Szczegóły dotyczące źródła zwierzęcego znajdują się w Tabeli Materiałów. Myszy trzymano w określonych warunkach wolnych od patogenów w temperaturze 20–22 °C i wilgotności 55% w cyklu światła/ciemności 12 godzin. Po tygodniowym okresie aklimatyzacji zwierzęta zostały losowo podzielone na trzy grupy (n = 6 na grupę): NC, UC i GQD. Grupa NC otrzymywała przez cały eksperyment sterylną wodę pitną, natomiast grupy UC i GQD otrzymywały 1,5% (w/v) dektran-siarczanu sodu (MW 36-50 kDa) w wodzie pitnej przez 5 kolejnych dni, a następnie przez 2 dni regularną wodę. Ten cykl powtórzono trzy razy, aby wykryć przewlekłe zapalenie jelita grubego. W okresie interwencji grupy NC i UC były podawane dwa razy dziennie 200 μL karboksymetylocelulozy sodu o stężeniu 0,5%, natomiast grupa GQD otrzymywała GQD doustnie dwa razy dziennie.

Kliniczna recepta GQD obejmowała 24 g Gegen, 9 g Huangqin, 9 g Huanglian oraz 6 g Gancao, co odpowiadało całkowitej surowej dawce leku 48 g/dzień dla dorosłych. Zakładając standardową masę ciała dorosłego wynoszącą 60 kg, równoważna dawka dla dorosłych wynosiła 0,8 g/kg/dzień. Na podstawie konwencjonalnego współczynnika konwersji człowieka na mysz wynoszący 1:12, odpowiadająca dawka ekwiwalentna myszy wynosiła 9,6 g/kg/dzień. Zgodnie z ustalonym stosunkiem dawek niskich, średnich i wysokich wynoszących 1:2:4, obliczone dawki wynosiły odpowiednio 9,6, 19,2 i 38,4 g/kg/dzień. Biorąc pod uwagę nasilenie i utrzymujący się stan zapalny jelita grubego w modelu powtarzającego się zapalenia jelita grubego wywołanego DSS, wybrano program wysokich dawek, aby zapewnić odpowiednią interwencję farmakologiczną podczas walidacji in vivo. Aby zapewnić odpowiednią ekspozycję farmakologiczną podczas aktywnej fazy zapalnej, całkowita dawka dzienna wynosząca 38,4 g/kg/dzień została podzielona na dwie równe dawki. Przez cały eksperyment codziennie monitorowano masę ciała, konsystencję stolca oraz krwawienie z odbytu. Na koniec protokołu myszy zostały uśpione, a tkanki jelita grubego pobrane do kolejnych analiz.

Ocena wskaźnika aktywności masy ciała i choroby

Masa ciała była rejestrowana codziennie i wyrażana jako procent początkowej masy ciała w dniu 0. Ciężkość choroby oceniano za pomocą wskaźnika aktywności choroby (DAI), który obejmował trzy parametry: utratę masy ciała, spójność stolca oraz krwawienie z odbytu. Każdy parametr był oceniany niezależnie w skali od 0 do 4 w zależności od nasilenia objawów klinicznych, przy czym wyższe wyniki wskazywały na bardziej ciężką aktywność chorobową. Ostateczny DAI został obliczony jako średnia trzech indywidualnych wyników, co dało łączny wynik w zakresie od 0 do 4. Krótko mówiąc, wynik 0 oznaczał brak nieprawidłowości, podczas gdy wyniki 1–4 odzwierciedlały stopniowo większą utratę masy ciała, luźniejszą konsystencję stolca oraz silniejsze krwawienia z odbytu. Szczegółowe kryteria punktacji przedstawiono w Tabeli 1.

Wydajność barwienia H&E i obliczanie indeksu aktywności histologicznej

Do oceny histologicznej tkanki jelita grubego były utrwalane w 4% paradehydu, odwodnione przez rozwarstwiany etanol, osadzone w parafinie i przecięte przy grubości 4 μm. Fragmenty zostały odparafinizowane, ponownie nawodnione, barwione hematoksyliną, kontrbarwowane eozyną, odwodnione, oczyszczone i zamontowane. Obrazy histologiczne obserwowano za pomocą mikroskopu jasnego pola i skanowano za pomocą systemu szkieletowego skanowania. Szczegółowe informacje o sprzęcie znajdują się w Tabeli Materiałów. Uszkodzenie histopatologiczne oceniano na podstawie trzech parametrów, w tym wyczerpania komórek pucharowych, uszkodzeń architektonicznych krypt oraz infiltracji komórek zapalnych. Każdy parametr był punktowany według stopnia uszkodzenia tkanki, a suma trzech parametrów była definiowana jako indeks aktywności histologicznej (HAI), w zakresie od 0 do 10, jak podsumowano w Tabeli 2. Do ilościowej analizy komórek pucharowych przeanalizowano losowo pięć niepokrywających się pól na sekcję przy powiększeniu 400×. Liczba komórek pucharowych na pole była liczona ręcznie, w sposób ślepy, a średnia liczba na pole była obliczana dla każdego reprezentatywnego odcinka okrężnika.

Wydajność barwienia immunohistochemicznego

Po deparafinizacji i nawodnieniu przekroje tkanek zostały poddane pobieraniu antygenów z użyciem 0,1% trypsyny w temperaturze 37 °C przez 30 minut, a następnie inkubacji z 3% nadtlenkiem wodoru w celu zablokowania endogennej aktywności nadoksydazy. Następnie sekcje były inkubowane przez noc w temperaturze 4 °C z pierwotnymi przeciwciałami królików przeciwko STAT3 (1:200, HUABIO, ET1605-45), TIMP1 (1:1000, Proteintech, 26847-1-AP), SPHK2 (1:500, Proteintech, 17096-1-AP) oraz HSPA5 (1:1000, Cell Signaling Technology, #3177), rozcieńczonych w 1% BSA. Szczegóły dotyczące przeciwciał i ich źródeł podano w Tabeli Materiałów. Po umyciu PBS sekcje były inkubowane odpowiadającym przeciwciałem wtórnym (1:2000) w temperaturze pokojowej przez 1,5 godziny. Immunoreaktywność zobrazowano za pomocą chromogenicznego odczynnika wykrywającego, a jądra były kontrbarwowane hematoksyliną. Analiza ilościowa była przeprowadzana za pomocą oprogramowania do analizy obrazów wymienionego w Tabeli Materiałów.

Wydajność analizy qRT-PCR

Całkowite RNA zostało wyekstrahowane za pomocą odczynnika do ekstrakcji RNA opartego na fenolach i odwrócone transkrypcji za pomocą zestawu do syntezy cDNA pierwszej nici. Transkrypcja odwrotna była wykonywana w temperaturze 25 °C przez 10 minut, 55 °C przez 15 minut oraz 85 °C przez 5 minut. następnie wykonano qRT-PCR przy użyciu systemu PCR w czasie rzeczywistym oraz mieszanki qPCR SYBR Green. Warunki amplifikacji były następujące: początkowa denaturacja w 95 °C przez 60 s, następnie 40 cykli przy 95 °C przez 15 s, 60 °C przez 15 s oraz 72 °C przez 45 s. Sekwencje primerów zostały zaprojektowane za pomocą oprogramowania do projektowania primerów i są wymienione w Tabeli 3. Jako wewnętrzny punkt odniesienia użyto GAPDH, a względne poziomy ekspresji mRNA obliczono metodą 2^-ΔΔCt . Każda próbka była analizowana w trzech egzemplarzach, a każdy eksperyment powtarzano co najmniej trzy razy. Szczegóły dotyczące odczynników, instrumentów i oprogramowania znajdują się w Tabeli Materiałów.

Wydajność analizy western blot

Tkanki jelita grubego były homogenizowane w buforze lizycznej zawierającej inhibitor proteazy na lodzie i dokładnie lizowane przez 2 godziny. Stężenia białek zostały określone za pomocą zestawu do analizy białek. Równe ilości białka były mieszane z buforem obciążającym, denaturowane przed elektroforezą, rozdzielane przez 10% SDS-PAGE i przenoszone na membrany PVDF pod napięciem 100 V przez 1 godzinę. Po blokowaniu mlekiem beztłuszczowym 5% przez 1 godzinę w temperaturze pokojowej, błony były inkubowane przez noc w temperaturze 4 °C z głównymi przeciwciałami króliczym przeciwko STAT3 (1:200, HUABIO, ET1605-45), TIMP1 (1:1000, Proteintech, 26847-1-AP), SPHK2 (1:500, Proteintech, 17096-1-AP), HSPA5 (1:1000, Cell Signaling Technology, #3177) oraz GAPDH w odpowiednim rozcieńczeniu roboczym. Po myciu TBST (20 mM Tris, 150 mM NaCl, 0,1% Tween-20; pH 7,4) błony były inkubowane z odpowiadającym przeciwciałem wtórnym (1:5000) w temperaturze pokojowej przez 1 godzinę. Pasma białkowe były wizualizowane za pomocą odczynnika wykrywającego chemiluminescencji. Intensywności pasmowe analizowano za pomocą oprogramowania do analizy obrazów, a poziomy ekspresji białek docelowych znormalizowano do GAPDH. Oczekiwane masy cząsteczkowe wykrytych białek wynosiły około 88 kDa dla STAT3, 21 kDa dla TIMP1, 28 kDa dla SPHK2, 70 kDa dla HSPA5 oraz 36 kDa dla GAPDH. Szczegóły dotyczące przeciwciał, membran, odczynników i oprogramowania znajdują się w Tabeli Materiałów. Konkretne nazwy produktów, producenci, numery katalogowe, modele instrumentów oraz szczegóły oprogramowania są podane w Tabeli Materiałów, natomiast ogólne opisy są używane w głównym tekście, aby poprawić neutralność i ogólną użyteczność.

Wykonanie analizy statystycznej

Dane przedstawiane są jako średnia ± odchylenie standardowe. Testy statystyczne przeprowadzano za pomocą oprogramowania statystycznego. Jednokierunkowa ANOVA, a następnie test post hoc Tukeya została użyta do porównań wielogrupowych. Wartość P ≤ 0,05 została uznana za statystycznie istotną.

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

Wyniki

Pozyskiwanie zbioru danych GEO i identyfikacja genów związanych z UC

W celu zbadania zmian ekspresji genów w UC pobrano z bazy danych GEO dwa zestawy danych transkryptomicznych – GSE87466 i GSE92415 – wykorzystując termin wyszukiwania „ulcerative colitis”; kryteria wyboru obejmowały typ zestawu danych, jasną adnotację choroba/kontrola oraz wystarczającą wielkość próby. Zestawy te obejmowały 140 przypadków UC i 42 zdrowe kontrole. Przed dalszą integracją wykluczono próbki pozba...

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

Dyskusja

Wrzodziejące zapalenie jelita grubego (UC) to przewlekły, idiopatyczny zapalny stan jelita głównie dotykający błonę śluzową jelita grubego, charakteryzujący się przewlekłym lub epizodycznym zapaleniem. Choroba ta znacząco pogarsza jakość życia pacjentów i zwiększa ryzyko rozwoju raka jelita grubego. Chociaż globalna częstość stale rośnie, dokładna etiologia i mechanizmy leżące u podstaw pozostają jedynie częściowo zrozumiane. Obecne opcje leczenia często przynoszą nieoptymalne rezultaty i często towarzyszą im skutki niep...

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

Oświadczenia

Autorzy deklarują, że nie mają znanych konkurujących ze sobą interesów finansowych ani relacji osobistych, które mogłyby wpłynąć na prace opisane w tym artykule.

Podziękowania

Autorzy dziękują również bazie danych GEO za otwarty dostęp do danych oraz recenzentom za konstruktywne komentarze.

FINANSOWANIE: Prace te były wspierane przez Narodową Fundację Nauk Przyrodniczych Chin (81973684, 82174358), Fundację Nauk Przyrodniczych prowincji Syczuan (2023NSFSC1760, 2025ZNSFSC1834), Specjalny Projekt Badań nad Tradycyjną Medycyną Chińską Provincii Syczuan (2023MS365, 2020JC0094) oraz Wspólny Fundusz Innowacji Komisji Zdrowia Chengdu i Uniwersytetu Tradycyjnej Medycyny Chińskiej w Chengdu (WXLH202402019, WXLH202403012, WXLH202501238, WXLH202501201).

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

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Puerariae Lobatae RadixSichuan Neautus Tradycyjna Medycyna Chińska Co., Ltd.NTC-001Materiał ziołowe do przygotowania GQD
Scutellariae RadixSichuan Neautus Tradycyjna Medycyna Chińska Co., Ltd.NTC-002Materiał ziołowe do przygotowania GQD
Kłącz KoptydySichuan Neautus Tradycyjna Medycyna Chińska Co., Ltd.NTC-003Materiał ziołowe do przygotowania GQD
Glycyrrhizae Radix et RhizomaSichuan Neautus Tradycyjna Medycyna Chińska Co., Ltd.NTC-004Materiał ziołowe do przygotowania GQD
Myszy BALB/c, samiec, 8 tygodniBeijing HFK Bioscience Co., Ltd.Nie maZwierzęta doświadczalne
Dektransiarczan sodu (DSS), MW 36-50 kDaMP Biomedicals160110Odczynnik wywołujący zapalenie grubości
Karboksymetyloloza soduSigma-Aldrich, St. Louis, MO, USAC5678Pojazd do gavage oralnego
ParaformaldehydSigma-Aldrich, St. Louis, MO, USA158127Utrwalacz tkankowy
HematoksylynaSigma-Aldrich, St. Louis, MO, USAH9627Plamtwo jądrowe
EosinSigma-Aldrich, St. Louis, MO, USAE4009Barwnik przeciwbarwny dla histologii
Mikroskop jasnego polaNikonEclipse 80iObserwacje histologiczne
System skanowania slajdów3DHISTECH Ltd.Panoramic 250Cyfrowe pozyskiwanie obrazu na całej slajdzie
TrypsynaGibco, Carlsbad, CA, USA25200-056Odczynnik do pozyskiwania antygenów
Nadtlenek wodoruSigma-Aldrich, St. Louis, MO, USAH1009Blokowanie endgennej aktywności peroksydazy
Albumina surowicy bydła (BSA)Sigma-Aldrich, St. Louis, MO, USAA7906Rozcieńczający / blokujący odczynnik przeciwciała
Przeciwciało przeciwpodstawowe przeciwciało przeciw STAT3, królikTechnologia sygnalizacji komórkowej9139Główne przeciwciało przeciwko IHC/WB
Przeciwciało pierwotne przeciwciało przeciw TIMP1, królikAbcamab211925Główne przeciwciało przeciwko IHC/WB
Przeciwciało główne przeciwciało przeciw SPHK2, królikAbcamab187030Główne przeciwciało przeciwko IHC/WB
Przeciwciało przeciwpodstawowe przeciwciało przeciw HSPA5, królikTechnologia sygnalizacji komórkowej3177Główne przeciwciało przeciwko IHC/WB
Przeciwciało główne przeciw GAPDH, królikAbcamab9485Kontrola ładowania dla WB
Przeciwciało przeciwkrólikowe przeciw kozom wtórnymYeasen Biotechnology33201Przeciwciało wtórne dla IHC/WB
Chromogeniczny odczynnik detekcyjnyBeyotime Biotechnology [Shanghai] Co., Ltd., Szanghaj, ChinyP0202Rozwój sygnału dla immunohistochemii
Oprogramowanie do analizy obrazówCybernetyka mediówImage-Pro Plus 7.0Ilościowa identyfikacja barwienia i intensywności pasma
Odczynnik do ekstrakcji RNA na bazie fenoluInvitrogenAgent TRIzol, 15596026Całkowita ekstrakcja RNA
Zestaw do syntezy cDNA pierwszej niciBeyotime BiotechnologyDRR047ATranskrypcja odwrotna
System PCR w czasie rzeczywistymBiosystemy stosowaneABI Prism 7300Ilościowe wzmacnianie PCR
SYBR Green qPCR mixBeyotime BiotechnologyDRR420AOdbiór wykrywający qPCR
Oprogramowanie do projektowania primerówPremier Biosoft International, Palo Alto, CA, USAPrimer 5.0Konstrukcja spłonka
Bufor lizy RIPABeyotime BiotechnologyP0013BOdczynnik do ekstrakcji białek
Inhibitor proteazy (PMSF)Beyotime BiotechnologyST506Ochrona białek podczas lizy
Zestaw do testowania białka BCABeyotime BiotechnologyP0010Ilościowa ilościowość białek
Membrana PVDFMerck MilliporeIPVH00010Błona transferowa białek
Chemiluminescencyjny odczynnik / system detekcjiThermo Fisher Scientific32106Wykrywanie sygnału dla zachodniego blota
Oprogramowanie statystyczneIBMSPSS 23.0Analiza statystyczna

Bibliografia

  1. Kobayashi, T., Siegmund, B., Le Berre, C., et al. Ulcerative colitis. Nat Rev Dis Primers. 6 (1), 74 (2020).
  2. Bu, S., Cheng, X., Chen, M., et al. Ulcerative colitis: advances in pathogenesis, biomarkers, and therapeutic strategies. Pharmgenomics Pers Med. 18, 219-238 (2025).
  3. Wetwittayakhlang, P., Golovics, P. A., Gonczi, L., et al. Stable incidence and risk factors of colorectal cancer in ulcerative colitis: a population-based cohort between 1977-2020. Clin Gastroenterol Hepatol. 22 (1), 191-193.e3 (2024).
  4. Catalano, M., Mini, E., Nobili, S., et al. Ulcerative colitis and colorectal cancer: pathogenic insights and precision strategies for prevention and treatment. World J Gastrointest Oncol. 17 (10), 108514 (2025).
  5. Raine, T., Bonovas, S., Burisch, J., et al. ECCO guidelines on therapeutics in ulcerative colitis: medical treatment. J Crohns Colitis. 16 (1), 2-17 (2022).
  6. Singh, S., Loftus, E. V., Limketkai, B. N., et al. AGA living clinical practice guideline on pharmacological management of moderate-to-severe ulcerative colitis. Gastroenterology. 167 (7), 1307-1343 (2024).
  7. Wu, B., Su, S., Li, Y., et al. Dysregulated programmed cell death of intestinal epithelial cells in ulcerative colitis: molecular mechanisms and novel therapeutic interventions (review). Int J Mol Med. 56 (6), 230 (2025).
  8. Upmanyu, K., Upadhyay, S. Wiring and rewiring PANoptosis: molecular vulnerabilities for targeting inflammatory cell death in human disease. Cytokine Growth Factor Rev. 86, 1-16 (2025).
  9. Jiang, Y., Qiang, Z., Liu, Y., et al. Diverse functions of NLRP3 inflammasome in PANoptosis and diseases. Cell Death Discov. 11 (1), 389 (2025).
  10. Wang, J. M., Yang, J., Xia, W. Y., et al. Comprehensive analysis of PANoptosis-related gene signature of ulcerative colitis. Int J Mol Sci. 25 (1), 348 (2023).
  11. Ji, Y., Li, P., Ning, T., et al. PANoptosis-related genes: molecular insights into immune dysregulation in ulcerative colitis. J Gastroenterol Hepatol. 40 (1), 177-191 (2025).
  12. Ye, Z., Deng, M., Yang, Y., et al. Epithelial mitochondrial fission-mediated PANoptosis is crucial for ulcerative colitis and its inhibition by saquinavir through Drp1. Pharmacol Res. 210, 107538 (2024).
  13. Liang, Y., Li, Y., Lee, C., et al. Ulcerative colitis: molecular insights and intervention therapy. Mol Biomed. 5 (1), 42 (2024).
  14. Hu, Y., Tang, J., Xie, Y., et al. Gegen Qinlian decoction ameliorates TNBS-induced ulcerative colitis by regulating Th2/Th1 and Tregs/Th17 cells balance, inhibiting NLRP3 inflammasome activation and reshaping gut microbiota. J Ethnopharmacol. 328, 117956 (2024).
  15. Wang, Y., Yan, R., Ye, L., et al. Gegen Qinlian decoction ameliorated DSS-induced colitis by attenuating inflammation, restoring intestinal mucosal barrier and modulating gut microbiota. J Inflamm Res. 18, 8065-8084 (2025).
  16. Zhai, Y., Liu, L., Zhang, F., et al. Network pharmacology: a crucial approach in traditional Chinese medicine research. Chin Med. 20 (1), 8 (2025).
  17. Cui, G., Li, M., Guo, W., et al. AI driven network pharmacology: multi-scale mechanisms of traditional Chinese medicine from molecular to patient analysis. Comput Struct Biotechnol J. 27, 5087-5104 (2025).
  18. Wu, J., Zhang, F., Li, Z., et al. Integration strategy of network pharmacology in traditional Chinese medicine: a narrative review. J Tradit Chin Med. 42 (3), 479-486 (2022).
  19. Panossian, A. Trends and pitfalls in the progress of network pharmacology research on natural products. Pharmaceuticals (Basel). 18 (4), 538 (2025).
  20. Li, K., Strauss, R., Ouahed, J., et al. Molecular comparison of adult and pediatric ulcerative colitis indicates broad similarity of molecular pathways in disease tissue. J Pediatr Gastroenterol Nutr. 67 (1), 45-52 (2018).
  21. Sandborn, W. J., Feagan, B. G., Marano, C., et al. Subcutaneous golimumab induces clinical response and remission in patients with moderate-to-severe ulcerative colitis. Gastroenterology. 146 (1), 85-e15 (2014).
  22. Zhou, Z., Cao, J., Liu, X., et al. Evidence for the butyrate metabolism as key pathway improving ulcerative colitis in both pediatric and adult patients. Bioengineered. 12 (1), 8309-8324 (2021).
  23. Arijs, I., De Hertogh, G., Lemaire, K., et al. Mucosal gene expression of antimicrobial peptides in inflammatory bowel disease before and after first infliximab treatment. PLoS One. 4 (11), e7984 (2009).
  24. Yang, M., Chen, J. L., Xu, L. W., et al. Navigating traditional chinese medicine network pharmacology and computational tools. Evid Based Complement Alternat Med. 2013, 731969 (2013).
  25. Kong, X., Liu, C., Zhang, Z., et al. BATMAN-TCM 2.0: an enhanced integrative database for known and predicted interactions between traditional Chinese medicine ingredients and target proteins. Nucleic Acids Res. 52 (D1), D1110-D1120 (2024).
  26. Zhang, H., Zhang, H., Yang, H., et al. Machine learning-based integrated identification of predictive combined diagnostic biomarkers for endometriosis. Front Genet. 14, 1290036 (2023).
  27. Chen, B., Khodadoust, M. S., Liu, C. L., et al. Profiling tumor infiltrating immune cells with CIBERSORT. Methods Mol Biol. 1711, 243-259 (2018).
  28. Burgess, S., Thompson, S. G. Interpreting findings from Mendelian randomization using the MR-Egger method. Eur J Epidemiol. 32 (5), 377-389 (2017).
  29. Feuerstein, J. D., Cheifetz, A. S. Ulcerative colitis: epidemiology, diagnosis, and management. Mayo Clin Proc. 89 (11), 1553-1563 (2014).
  30. Gros, B., Kaplan, G. G. Ulcerative colitis in adults: a review. JAMA. 330 (10), 951-965 (2023).
  31. Wang, M., Fu, R., Xu, D., et al. Traditional Chinese medicine: a promising strategy to regulate the imbalance of bacterial flora, impaired intestinal barrier and immune function attributed to ulcerative colitis through intestinal microecology. J Ethnopharmacol. 318 (Pt A), 116879 (2024).
  32. Naito, Y., Takagi, T. Role of gut microbiota in inflammatory bowel disease pathogenesis. J Clin Biochem Nutr. 75 (3), 175-177 (2024).
  33. Su, M., Tang, T., Tang, W., et al. Astragalus improves intestinal barrier function and immunity by acting on intestinal microbiota to treat T2DM: a research review. Front Immunol. 14, 1243834 (2023).
  34. Sun, X., Yang, Y., Meng, X., et al. PANoptosis: mechanisms, biology, and role in disease. Immunol Rev. 321 (1), 246-262 (2024).
  35. Wu, Y., Fang, Y., Li, Y., et al. A network pharmacology approach and experimental validation to investigate the anticancer mechanism of Qi-Qin-Hu-Chang formula against colitis-associated colorectal cancer through induction of apoptosis via JNK/p38 MAPK signaling pathway. J Ethnopharmacol. 319 (Pt 3), 117323 (2024).
  36. Liu, B., Piao, X., Niu, W., et al. Kuijieyuan decoction improved intestinal barrier injury of ulcerative colitis by affecting TLR4-dependent PI3K/AKT/NF-κB oxidative and inflammatory signaling and gut microbiota. Front Pharmacol. 11, 1036 (2020).
  37. Lin, C., Zhou, Z., Zhang, L., et al. Gegen Qinlian decoction relieves ulcerative colitis via adjusting dysregulated Nrf2/ARE signaling. Evid Based Complement Alternat Med. 2022, 2934552 (2022).
  38. Chong, J., Chen, Z., Ma, J., et al. Mechanistic investigation and the optimal dose based on baicalin in the treatment of ulcerative colitis-a preclinical systematic review and meta-analysis. BMC Gastroenterol. 25 (1), 50 (2025).
  39. Li, X., Xu, S., Zhang, Y., et al. Berberine depresses inflammation and adjusts smooth muscle to ameliorate ulcerative colitis of cats by regulating gut microbiota. Microbiol Spectr. 10 (6), e0320722 (2022).
  40. Li, H., Fan, C., Lu, H., et al. Protective role of berberine on ulcerative colitis through modulating enteric glial cells-intestinal epithelial cells-immune cells interactions. Acta Pharm Sin B. 10 (3), 447-461 (2020).
  41. Jia, N., Meng, Y., Li, J., et al. Pharmacodynamic and pharmacokinetic study of Shaoyao Gancao decoction for repairing intestinal barrier damage in ulcerative colitis. Mol Immunol. 175, 132-142 (2024).
  42. Yu, T., Xie, Y., Wang, Z., et al. Quercetin ameliorates celiac-related intestinal inflammation caused by wheat gluten through modulating oxidative stress, Th1/Th2/Treg balance, and intestinal microflora structure. Food Funct. 15 (18), 9343-9356 (2024).
  43. Sun, W., Jia, J., Liu, G., et al. Polysaccharides extracted from old stalks of Asparagus officinalis L. improve nonalcoholic fatty liver by increasing the gut butyric acid content and improving gut barrier function. J Agric Food Chem. 73 (11), 6632-6645 (2025).
  44. Huang, R., Wang, K., Gao, L., et al. TIMP1 is a potential key gene associated with the pathogenesis and prognosis of ulcerative colitis-associated colorectal cancer. Onco Targets Ther. 12, 8895-8904 (2019).
  45. Tran, M. T. Identification of TIMP1-induced dysregulation of epithelial-mesenchymal transition as a key pathway in inflammatory bowel disease and small intestinal neuroendocrine tumors shared pathogenesis. Front Genet. 15, 1376123 (2024).
  46. Sukocheva, O. A., Lukina, E., McGowan, E., et al. Sphingolipids as mediators of inflammation and novel therapeutic target in inflammatory bowel disease. Adv Protein Chem Struct Biol. 120, 123-158 (2020).
  47. Gong, Z. Z., Li, T., Yan, H., et al. Exploring the autophagy-related pathogenesis of active ulcerative colitis. World J Clin Cases. 12 (9), 1622-1633 (2024).
  48. Gao, F., Zhu, F., Shuai, B., et al. Quercetin ameliorates ulcerative colitis by restoring the balance of M2/M1 and repairing the intestinal barrier via downregulating cGAS-STING pathway. Front Pharmacol. 15, 1351538 (2024).
  49. Elhefnawy, E. A., Zaki, H. F., El Maraghy, N. N., et al. Genistein and/or sulfasalazine ameliorate acetic acid-induced ulcerative colitis in rats via modulating INF-γ/JAK1/STAT1/IRF-1, TLR-4/NF-κB/IL-6, and JAK2/STAT3/COX-2 crosstalk. Biochem Pharmacol. 214, 115673 (2023).
  50. Qu, Y., Li, X., Xu, F., et al. Kaempferol alleviates murine experimental colitis by restoring gut microbiota and inhibiting the LPS-TLR4-NF-κB axis. Front Immunol. 12, 679897 (2021).
  51. Yao, X., Chen, Y., Li, Y., et al. Chrysin ameliorates dextran sulfate-induced ulcerative colitis in mice by modulating inflammation and gut microbiota. Int J Colorectal Dis. 40 (1), 57 (2025).
  52. Lu, J. Z., Ye, D., Ma, B. L. Constituents, pharmacokinetics, and pharmacology of Gegen-Qinlian decoction. Front Pharmacol. 12, 668418 (2021).
  53. Jiang, Z., Yan, M., Qin, Y., et al. Quercetin alleviates ulcerative colitis through inhibiting CXCL8-CXCR1/2 axis: a network and transcriptome analysis. Front Pharmacol. 15, 1485255 (2024).
  54. Helmy, S. A., Samaha, M. M., Abd El Salam, A. S. G., et al. Biotin/sulfasalazine combination therapy alleviates acetic acid-induced ulcerative colitis in rats via modulation of S1PR1/NF-κB/IL-23/STAT3/COX-2 axis. Sci Rep. 15 (1), 27037 (2025).
  55. Tang, L., Liu, Y., Tao, H., et al. Combination of Youhua Kuijie Prescription and sulfasalazine can alleviate experimental colitis via IL-6/JAK2/STAT3 pathway. Front Pharmacol. 15, 1437503 (2024).
  56. Yang, T., Ma, X., Wang, R., et al. Berberine inhibits IFN-γ signaling pathway in DSS-induced ulcerative colitis. Saudi Pharm J. 30 (6), 764-778 (2022).
  57. Wu, G. L., Li, L., Chen, X. Y., et al. Machine learning-based B cell-related diagnostic biomarker signature and molecular subtypes characteristic of ulcerative colitis. Aging (Albany NY). 16 (3), 2774-2788 (2024).
  58. Zhang, M., Li, X., Zhang, Q., et al. Roles of macrophages on ulcerative colitis and colitis-associated colorectal cancer. Front Immunol. 14, 1103617 (2023).
  59. Li, H., Wang, Z., Guan, Z., et al. UCFNNet: ulcerative colitis evaluation based on fine-grained lesion learner and noise suppression gating. Comput Methods Programs Biomed. 247, 108080 (2024).
  60. Wu, Y., Zeng, M., Jiao, X., et al. Protective effects of pollenin B in asthma: PPAR-γ-mediated regulation of inflammatory pathways and arachidonic acid metabolism. Phytomedicine. 145, 156975 (2025).

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

Przedruki i uprawnienia

Tagi

Inhibicja panoptozyanaliza multiomicznafarmakologia sieciowazwiązki bioaktywneekspresja genówinfiltracja immunologicznadokowanie molekularnesieć oddziaływań białkowych
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.