Badanie farmakologii sieciowej i dokowania molekularnego formuły TongBi w leczeniu osteoartrozy

Podsumowanie

Ten protokół przewiduje potencjalne cele terapeutyczne i mechanizmy molekularne Formuły TongBi przeciwko artrozie z wykorzystaniem farmakologii sieciowej i dokowania molekularnego.

Streszczenie

Niniejsze badanie zastosowało farmakologię sieciową w połączeniu z dokowaniem molekularnym w celu przewidzenia potencjalnych docelowych terapii i mechanizmów molekularnych Formuły TongBi (TBF) w chorobie zwyrodnieniowej stawów (OA). Aktywne składniki i odpowiadające im cele TBF zostały pozyskane z bazy danych i platformy analitycznej dla tradycyjnej medycyny chińskiej, Farmakologii Systemowej i Analizy, podczas gdy cele związane z OA zebrano z Online Mendelian Inheritance in Man, GeneCards, DrugBank oraz Therapeutic Target Database. Oprogramowanie do wizualizacji i analizy sieci zostało wykorzystane do zbudowania sieci interakcji związek-cel oraz białko-białko (PPI). Analizę funkcjonalną Ontologii Genów i analizy wzbogacania ścieżek z Encyklopedii Genów i Genomów Kyoto przeprowadzono za pomocą platformy Database for Annotation, Visualization and Integrated Discovery. Analizę dokowania molekularnego przeprowadzono za pomocą oprogramowania do dokowania molekularnego w celu oceny przewidywanego powinowactwa wiązania między kluczowymi aktywnymi związkami a głównymi białkami docelowymi. Łącznie zidentyfikowano 47 nakładających się celów między TBF a OA. Analiza sieci PPI wyodrębniła JUN, RELA, IL6, MAPK1 i IL10 jako potencjalne kluczowe mikroprzetworniki. Analiza wzbogacania sugeruje, że TBF może regulować stan zapalny, metabolizm lipidów i wiele wewnątrzkomórkowych szlaków sygnałowych związanych z postępem OA. Wyniki dokowania molekularnego wykazały korzystne przewidywane powinowactwo wiązania między aktywnymi związkami a kluczowymi białkami docelowymi związanymi z OA. Te wyniki zapewniają obliczeniową ramę dla zrozumienia potencjalnych mechanizmów działania TBF przeciwko OA i wspierają dalszą eksperymentalną weryfikację.

Wprowadzenie

Osteooartritis (OA) jest chorobą zwyrodnieniową i zapalną chrząstki stawowej¹. Obecnie chorobą tą dotkniętych jest około 58 milionów dorosłych osób, a przewiduje się, że do 2040 roku liczba ta wzrośnie do 78,4 miliona². OA jest częstą przyczyną bólu stawów i upośledzenia czynnościowego na całym świecie³. Ze względu na silny ból związany z OA, pacjenci często odczuwają znaczne utrudnienia w codziennym życiu⁴. Wiek, płeć żeńska, otyłość i uszkodzenie stawów to główne czynniki ryzyka OA⁵. Mimo że częstość występowania OA jest bardzo wysoka i ma znaczny wpływ na systemy opieki zdrowotnej, dostępne opcje leczenia pozostają ograniczone⁶. Współczesna medycyna powszechnie stosuje leczenie objawowe, takie jak niesteroidowe leki przeciwzapalne i środki chroniące chrząstkę. Jednak długotrwała administracja często powoduje działania niepożądane, w tym uszkodzenie przewodu pokarmowego oraz nieprawidłowe funkcjonowanie wątroby i nerek⁷. Dlatego istnieje pilna potrzeba opracowania nowych metod leczenia lub alternatywnych terapii dla OA.

Tradycyjna Medycyna Chińska (TCM) zgromadziła rozległe doświadczenie w leczeniu OA, kładąc nacisk na różnicowanie syndromu i regulację holistyczną. Formuła TongBi (TBF) to klasyczna receptura składająca się głównie z Danggui, Danshen, Jixueteng, Haifengteng, Tougucao, Duhuo, Weilingxian i Xiangfu. Z perspektywy TCM, patologiczna natura OA pochodzi głównie z inwazji wiatr-zimno-wilgoć i stagnacji qi i krwi⁸. Zgodność ziołowa TBF została zaprojektowana, aby dopasować się do tego podstawowego mechanizmu patologicznego, przy czym wszystkie składniki lecznicze działają synergistycznie, aby rozpędzać wiatr i wilgoć, przepływ merydianów i poprawiać krążenie krwi, co odpowiada typowym cechom syndromu TCM OA. Wzrosty badań klinicznych sugerują, że zmodyfikowana TBF może łagodzić ból stawów i poprawiać ruchliwość kończyn u pacjentów z OA⁹. Dalsze obserwacje kliniczne wykazały również jej potencjał do regulacji odpowiedzi zapalnych w przypadkach OA¹⁰, podczas gdy ostatnia metaanaliza dodatkowo wsparła jej kliniczne zastosowanie w interwencji OA¹¹.

TBF jest tradycyjnie używany do rozpędzania wiatru, odblokowania kanałów, rozpraszania zimna, eliminowania wilgoci oraz poprawy krążenia krwi i odżywiania. Jednakże, konkretne mechanizmy, za pomocą których TBF wywiera potencjalne działanie terapeutyczne przeciwko OA, pozostają niejasne, a jego aktywne składniki i kluczowe cele jeszcze nie zostały określone. Aby zbadać te mechanizmy w bardziej systematyczny i kompleksowy sposób, zastosowaliśmy podejście farmakologii sieciowej w celu stworzenia mapy sieci przedstawiającej relacje między lekami, celami i chorobami¹². Ponadto, przeprowadzono analizy wzbogacania Gene Ontology (GO) i Kyoto Encyclopedia of Genes and Genomes (KEGG), aby zbadać potencjalne mechanizmy molekularne i szlaki sygnałowe zaangażowane w działanie farmakologiczne TBF¹³. Aby systematycznie zbadać mechanizmy farmakologiczne receptur TCM, w niniejszym badaniu ustalono pełen przepływ analityczny obejmujący przesiewanie aktywnych składników, przewidywanie docelów, budowę sieci, analizę wzbogacania funkcjonalnego i dokowanie molekularne. Taki rama badawcza została uznana za standaryzowany i powtarzalny paradygmat do badania mechanizmów molekularnych formuł TCM przeciwko OA¹⁴. Istniejące badania metodologiczne dodatkowo wsparły racjonalność naukową i przydatność praktyczną tej strategii badawczej¹⁵. Poza standaryzacją metodologii, niniejsze badanie pomaga zdefiniować podstawę materialną i kluczowe cele regulacyjne TBF w OA. Ponadto, dostarcza teoretycznych referencji dla zastosowania klinicznego i przyszłej walidacji eksperymentalnej TBF, a także oferuje wykonalny rama metodologiczna do badań mechanyzmu innych receptur TCM.

W niniejszym badaniu zastosowaliśmy podejście farmakologii sieciowej do przesiewania aktywnych składników i budowy sieci związek-cel w połączeniu z genami docelowymi związanymi z OA. Następnie przeprowadzono analizę wzbogacania funkcjonalnego i dokowanie molekularne w celu badania mechanizmu. Farmakologia sieciowa integruje informacje biologiczne i farmakologiczne w celu zbadania relacji lek-cel-choroba z kompleksowej i wielowymiarowej perspektywy¹⁶. Uważamy, że to podejście może pomóc wyjaśnić potencjalne mechanizmy farmakologiczne TBF i dostarczyć teoretycznej podstawy dla dalszych badań eksperymentalnych. Schemat przepływu badania przedstawiono na Rysunek 1.

Rysunek 1. Schemat przepływu badania farmakologii sieciowej i dokowania molekularnego. Schematyczne przedstawienie przepływu analitycznego użytego do zbadania potencjalnych mechanizmów Formuły TongBi (TBF) przeciwko osteoartritis (OA). Przepływ obejmował przesie

Protokół

W niniejszym badaniu nie brali udziału ludzie, kręgowce, zwierzęta ani próbki tkankowe. Wszystkie analizy przeprowadzono przy użyciu publicznie dostępnych baz danych bioinformatycznych i podejść dokowania molekularnego; dlatego nie była wymagana zgoda etyczna.

Selekcja składników i odpowiadających im celów TBF
Wszystkie ziołowe składniki TBF, w tym Danggui, Danshen, Jixueteng, Haifengteng, Tougucao, Duhuo, Weilingxian i Xiangfu, były wyszukiwane w bazie danych farmakologii i platformie analitycznej TCM Systems Pharmacology Database and Analysis Platform (TCMSP) (dostęp w styczniu 2026 r.). Dokładne wyszukiwanie odpowiadało standaryzowanym nazwom łacińskim każdej ziołowej medycyny: Angelicae Sinensis Radix (Danggui), Radix Salviae (Danshen), Spatholobus suberectus Dunn (Jixueteng), Caulis Piperis Kadsurae (Haifengteng), Impatiens balsamina (Tougucao), Radix Angelicae Biseratae (Duhuo), Radix Clematidis (Weilingxian) i Cyperi Rhizoma (Xiangfu). Składniki chemiczne były przesiewane zgodnie z ustalonymi wartościami progowymi biodostępności doustnej (OB) ≥ 30% i podobieństwa do leków (DL) ≥ 0,18. Wartości progowe są szeroko stosowane w badaniach farmakologii sieciowej TCM w celu zidentyfikowania biodostępnych i podobnych do leków aktywnych związków chemicznych o potencjalnej aktywności in vivo. Związki chemiczne bez wyraźnych wartości OB lub DL w bazie danych zostały wykluczone, aby zachować wiarygodność i spójność przesiewania aktywnych związków chemicznych.

Odpowiednie białkowe cele sprecyzowanych aktywnych związków chemicznych były następnie pobieranie z bazy danych farmakologii TCM. Standardyzacja genu docelowego została przeprowadzona za pomocą bazy danych adnotacji białek Universal Protein Resource (UniProt), przy ograniczeniu gatunku do Homo sapiens (dostęp w styczniu 2026 r.). Oryginalne nazwy białek zostały przekształcone w oficjalne ludzkie symbole genów, podczas gdy nadmiarowe i nieludzkie wpisy docelowych zostały wykluczone ręcznie. Duplikowanie celów zostało usunięte poprzez ręczne porównanie i zestawienie, aby stworzyć ostateczny zestaw danych dotyczących celów TBF.

Identyfikacja celów związanych z OA i potencjalnych docelowych terapii TBF w przypadku OA
Cele związane z OA zostały pobrane za pomocą dokładnego terminu wyszukiwania „Osteoarthritis” w bazach danych Online Mendelian Inheritance in Man (OMIM), GeneCards, DrugBank i Therapeutic Target Database (TTD) (dostęp w styczniu 2026 r.). Duplikowanie celów uzyskanych z różnych baz danych zostało ręcznie usunięte poprzez zestawienie i porównanie danych, aby utworzyć zestaw danych dotyczących celów związanych z OA. W przypadku GeneCards, utrzymano tylko cele o wynikach odnotowane ≥ 3. Cele pobrane z OMIM, DrugBank i TTD przy użyciu słowa kluczowego „Osteoarthritis” nie były poddawane dodatkowym kryteriom filtrowania. Pokrywające się cele między celami związanymi z aktywnymi związkami chemicznymi a celami związanymi z OA zostały zidentyfikowane za pomocą narzędzia do analizy Venn online Venny 2.1.0. Analiza przecięcia została przeprowadzona, aby określić potencjalne docelowe terapii TBF przeciwko OA.

Konstrukcja sieci TBF–Składnik–Cel
Dane dotyczące interakcji składnik-cel zostały zaimportowane do oprogramowania do wizualizacji i analizy sieci Cytoscape 3.10.2 w celu zbudowania sieci TBF–Składnik–Cel (dostęp w styczniu 2026 r.). W zbudowanej sieci węzły reprezentowały związki ziołowe i geny docelowe, podczas gdy krawędzie reprezentowały interakcje między aktywnymi związkami chemicznymi a odpowiadającymi im celami. Aby uniknąć nadmiernej analizy, duplikowanie związków chemicznych współdzielonych przez wiele ziół zostało połączone w jeden unikalny węzeł. Następnie przeprowadzono analizę topologiczną sieci przy użyciu wartości stopnia jako podstawowego parametru oceny. Aktywne związki chemiczne rdzeniowe zostały zidentyfikowane według rankingu stopnia i wybrane jako kandydaci na ligandy dla kolejnej analizy dokowania molekularnego.

Budowa sieci PPI
Potencjalne terapie docelowej zostały zaimportowane do bazy danych PPI STRING dla analizy PPI (dostęp w styczniu 2026 r.). Parametr gatunku był ograniczony do Homo sapiens, a minimalny wymagany wynik pewności interakcji został ustawiony na 0,9, podczas gdy wszystkie pozostałe parametry pozostały na ustawieniach domyślnych. Wygenerowane dane dotyczące interakcji zostały wyeksportowane i dalej wizualizowane za pomocą oprogramowania do wizualizacji i analizy sieci. Analiza topologiczna sieci PPI została przeprowadzona za pomocą wtyczki do analizy topologii sieci CytoHubba. Obliczono stopień, centralność przelotu i centralność bliskich kontaktów, aby ocenić znaczenie węzłów w sieci interakcji. Rdzeniowe białka docelowych zostały zidentyfikowane na podstawie zintegrowanych cech topologicznych i wybrane na kolejną analizę dokowania molekularnego. Algorytm maksymalnej centralności klanu został przyjęty do przesiewania docelowych węzłów. Węzły bez partnerów interakcyjnych zostały wykluczone, co spowodowało mniejszą liczbę węzłów w ostatecznej sieci niż w oryginalnym zaimportowanym zestawie danych dotyczących celów.

Wyniki

Skład chemiczny i selektywne badanie celów TBF
Po przeszukaniu zidentyfikowano łącznie 2 aktywne składniki z Danggui, 65 z Danshen, 24 z Jixueteng, 21 z Haifengteng, 6 z Tougucao, 9 z Duhuo, 7 z Weilingxian oraz 18 z Xiangfu. Szczegółowe informacje na temat przeszukanych aktywnych związków znajdują się w Tabeli 1 uzupełniającej. Łącznie początkowo odczytano 2672 potencjalne cele, w tym 266 celów dla Danggui, 689 dla Danshen, 236 dla Duhuo, 188 dla Haifengteng, 545 dla Jixueteng, 192 dla Tougucao, 102 dla Weilingxian i 454 dla Xiangfu. Szczegółowe informacje na temat celów przedstawiono w Tabeli 2 uzupełniającej. Po usunięciu duplikatów uzyskano 258 niepowtarzalnych celów związanych z TBF.

Sieć TBF – Składnik – Cel
Sieć TBF – Składnik – Cel została zbudowana na podstawie danych pochodzących z bazy danych farmakologii TCM, która zawiera 152 aktywne związki, 258 niepowtarzalne cele i 8 węzłów ziół. Dane te zostały zorganizowane w dwóch plikach, oznaczonych jako „sieć” i „Typ” (Tabela 3 uzupełniająca). Po zaimportowaniu plików do oprogramowania do wizualizacji i analizy sieci utworzono kompleksową sieć zawierającą 578 węzłów i 3022 krawędzie (Rysunek 2). W zbudowane sieci węzły reprezentowały zioła, aktywne związki chemiczne i odpowiednie białka docelowe, natomiast krawędzie reprezentowały przewidywane interakcje między związkami a celami. Większa wielkość węzła i ciemniejsza intensywność koloru wskazywały na wyższe wartości stopnia i zwiększoną łączność sieci. Na podstawie rankingu stopni uzyskanego z analizy topologicznej sieci, pięć najważniejszych aktywnych związków zidentyfikowano jako: quercetyna (A7-MOL000098), beta-sitosterol (B8-MOL000358), luteolina (A1-MOL000006), kaempferol (C1-MOL000422) i stigmasterol (C2-MOL000449).

Rysunek 2. Sieć interakcji TBF – Składnik – Cel. Wizualizacja sieci interakcji między TBF, aktywnymi związkami a przewidywanymi genami docelowymi. Węzły reprezentują zioła, aktywne związki lub białka docelowe, podczas gdy krawędzie reprezentują przewidywane interakcje między związkami a celami. Większa wielkość węzła i ciemniejsza intensywność koloru wskazują na wyższe wartości stopnia i zwiększoną łączność sieci. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Informacje dotyczące celów związanych z OA oraz potencjalne cele terapeutyczne TBF
Słowo kluczowe „Osteoarthritis” („Osteooartrza”) zostało wyszukane w czterech bazach danych, co dało 428 potencjalnych celów związanych z chorobą, w tym 9 z OMIM, 349 z GeneCards, 32 z DrugBank i 38 z TTD. Diagram Venna przedstawiający rozkład celów wśród czterech baz danych znajduje się na Rysunku 3. Po połączeniu i usunięciu duplikatów uzyskano 398 unikalnych celów związanych z OA. Analiza przecięcia między celami związanymi z OA a celami związanymi z aktywnymi związkami TBF wykazała 47 nakładających się celów, które zostały uznane za potencjalne cele terapeutyczne TBF przeciwko OA. Diagram Venna wygenerowany za pomocą narzędzia do analizy Venna dostępnego online znajduje się na Rysunku 4.

Rysunek 3. Diagram Venna dla celów związanych z OA pobrane z wielu baz danych. Diagram Venna przedstawiający nakładanie się celów związanych z OA zidentyfikowanych w bazach OMIM, GeneCards, DrugBank oraz Therapeutic Target Database (TTD). Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Rysunek 4. Identyfikacja nakładających się celów między TBF a OA. Diagram Venna przedstawiający przecięcie między celami związanymi z aktywnymi związkami TBF a celami związanymi z OA. Nakładające się cele uznano za potencjalne cele terapeutyczne TBF przeciwko OA. Kliknij tutaj, aby zobaczyć większą wersję tego rysunku.

Budowa i analiza sieci PPI
Analiza sieci PPI dla 47 nakładających się celów została przeprowadzona za pomocą bazy danych PPI (Rysunek 5) i następ

Dyskusja

Badanie to zastosowało podejście farmakologii sieciowej i dokowania molekularnego w celu zbadania potencjalnych mechanizmów działania TBF przeciwko OA. Analizowano rośliny lecznicze: Danggui, Danshen, Jixueteng, Haifengteng, Tougucao, Duhuo, Weilingxian i Xiangfu. Wcześniejsze badania wykazały, że Danggui (Angelica sinensis Radix) może łagodzić zmiany patologiczne związane z OA, w tym zwyrodnienie chrząstki, stwardnienie kości podtrzymujących chrząstkę, nieprawidłowy chód i obrzęk kolan w modelach destabilizacji łąkotki przyśrodkowej²⁰. W modelach komórek OA indukowanych IL-1β, Danggui zmniejszył gromadzenie reaktywnych form tlenu i zwiększył aktywność enzymów przeciwutleniających, w tym nadtlenku dysmutazy i glutationu²¹. Danshenindion IIA, aktywny składnik Salvia miltiorrhiza, ma działanie łagodzące zwyrodnienie chrząstki, przywraca homeostazę przemiany kości podtrzymujących chrząstkę i hamuje nieprawidłową angiogenesę w modelach mysich OA²². Ponadto, składniki pochodzące z S. miltiorrhiza mogą regulować stres oksydacyjny i metabolizm kości^23,24. Spatholobus suberectus Dunn ma wpływ na regulację ścieżek sygnałowych PI3K/Akt/mTOR i Ras/Raf/MAPK²⁵, które są związane z metabolizmem chrząstki i postępem OA. Ekstrakty z S. suberectus Dunn również hamują produkcję prozapalnych chemokin²⁶. Co więcej, działanie przeciwzapalne i przeciwutleniające Impatiens balsamina może być istotne dla patogenezy OA, ponieważ przewlekła zapalenie i stres oksydacyjny przyczyniają się do zwyrodnienia chrząstki²⁷. Radix Angelicae Biseratae jest również związana z poprawą krążenia krwi i łagodzeniem objawów artretyzmu^28,29. Ograniczona liczba badań zbadała potencjalne działanie terapeutyczne Jixueteng (Spatholobus suberectus Dunn), Haifengteng (Caulis Piperis Kadsurae) i Xiangfu (Cyperi Rhizoma) w OA.

Przewidywania komputerowe oparte na sieci PPI sugerują, że TBF może wywierać działanie terapeutyczne przeciwko OA poprzez regulację reakcji zapalnych i ochronę chrząstki stawowej, choć te przewidywania wymagają dalszego potwierdzenia eksperymentalnego. Główne cele o stosunkowo wysokich wartościach stopnia w sieci PPI obejmowały JUN, RELA, IL6, MAPK1 i IL10. Wcześniejsze badania wykazały, że JUN jest związany z starzeniem się chondrocytów i postępem OA. Myszy podwójnie mutantne JunB/Jun wykazują infiltrację zapalną w tkankach stawowych towarzyszącą zniszczeniu kości i zapaleniu okostnej³⁰. Analizy transkryptomowe chrząstki osteoartretycznej i błony maziowej również wykazały obniżoną ekspresję JUN³¹. Ponadto, zmniejszona ekspresja białka JUN została zaobserwowana w modelach OA szczurów wywołanych przez przecięcie więzadła krzyżowego przedniego oraz w starzejących się chondrocytach³². Wcześniejsze badania sugerują ponadto, że sygnały związane z JUN mogą regulować zwyrodnienie chrząstki, apoptozę, autofagię i metabolizm macierzy pozakomórkowej w chondrocytach OA³³. Wcześniejsze badania wykazały również, że fragmenty RNA transferowego regulują proliferację i przetrwanie chondrocytów stawowych poprzez sygnały związane z RELA³⁴. Ponadto, nadregulacja genu Sox9 w połączeniu z hamowaniem ekspresji RELA w komórkach mezenchymalnych mezodermy zwiększyła zdolności chondrogenne i immunomodulacyjne oraz spowolniła postępy OA w modelach eksperymentalnych³⁵. Te ustalenia potwierdzają potencjalne znaczenie sygnałów związanych z JUN i RELA zidentyfikowanych w niniejszej analizie komputerowej.

IL6 jest kluczowym mediatorem zapalnym w OA i odgrywa ważną rolę w metabolizmie chrząstki, wpływając na procesy degradacji i naprawy. W przewlekłych warunkach niskiego stężenia stanu zapalnego, podwyższone poziomy IL6 przyczyniają się do starzenia chondrocytów, zmniejszonej syntezy macierzy chrząstki i zaburzenia homeostazy chrząstki³⁶. Wcześniejsze badania wykazały, że sygnałowanie receptora IL6/JAK2 uczestniczy w regulacji apoptozy komórek starzejących się, a ukierunkowane usuwanie komórek starzejących się może łagodzić postępy OA³⁷. Ponadto, Li Q i współpracownicy donieśli, że nadregulacja miR-186-5p regulowała odpowiedzi zapalne w chondrocytach stymulowanych IL-1β, podczas gdy hamowanie miR-186-5p łagodzić miało postępy OA poprzez zwiększenie ekspresji MAPK1³⁸. Te ustalenia potwierdzają potencjalne zaangażowanie sygnałów związanych z IL6 i MAPK1 zidentyfikowanych w niniejszej analizie komputerowej.

IL10 odgrywa ochronną rolę w homeostazie chrząstki i może przyczyniać się do utrzymania mikrośrodowiska chrząstki. Wcześniejsze badania wykazały, że IL10 hamuje apoptozę chondrocytów poprzez regulację

Materiały

Lista materiałów użytych w tym artykule

Nazwa	Firma	Numer katalogowy	Komentarze
AutoDockTools	Oprogramowanie	Wersja 1.5.7; The Scripps Research Institute	https://autodock.scripps.edu/
AutoDock Vina	Oprogramowanie	Wersja 1.5.7; The Scripps Research Institute	https://autodock.scripps.edu/
funkcja barplot	Funkcja wizualizacji R	Pakiet clusterProfiler	https://bioconductor.org/packages/clusterProfiler/
clusterProfiler	Pakiet R	Pakiet Bioconductor do analizy wzbogacania	https://bioconductor.org/packages/clusterProfiler/
CytoHubba	Wtyczka	Kompatybilny z Cytoscape 3.10.2	https://apps.cytoscape.org/apps/cytohubba
Cytoscape	Oprogramowanie	Wersja 3.10.2; Cytoscape Consortium	https://cytoscape.org/
DAVID	Baza danych	Baza danych do adnotacji, wizualizacji i zintegrowanego odkrywania	https://david.ncifcrf.gov/
funkcja dotplot	Funkcja wizualizacji R	Pakiet clusterProfiler	https://bioconductor.org/packages/clusterProfiler/
DrugBank	Baza danych	University of Alberta	https://go.drugbank.com/
GeneCards	Baza danych	GeneCards Suite	https://www.genecards.org/
MicrobiomeAnalyst / MicrobiomeNet	Platforma online	Platforma wizualizacji wzbogacania online	https://microbiomenet.com/
OMIM	Baza danych	Online Mendelian Inheritance in Man	https://www.omim.org/
PDB	Baza danych	RCSB Protein Data Bank	https://www.rcsb.org/
PubChem	Baza danych	National Center for Biotechnology Information	https://pubchem.ncbi.nlm.nih.gov/
PyMOL	Oprogramowanie	Wersja 2.5.4	https://pymol.org/
R	Oprogramowanie	Wersja 4.3.1; R Foundation for Statistical Computing	https://www.r-project.org/
STRING	Baza danych	Narzędzie do wyszukiwania interakcji genów/białek	https://cn.string-db.org/
TCMSP	Baza danych	Baza danych farmakologii systemowej medycyny tradycyjnej chińskiej i platforma analityczna	http://tcmspw.com/tcmsp.php
TTD	Baza danych	Baza danych docelowych terapeutycznych	https://db.idrblab.net/ttd/
UniProt	Baza danych	Universal Protein Resource	https://www.uniprot.org/
Venny	Oprogramowanie	Wersja 2.1.0	https://bioinfogp.cnb.csic.es/tools/venny/index.html