Artykuł badawczy

Farmakologia sieciowa, transkryptomika GEO i dokowanie molekularne wywaru Zhenwu z proszkiem Wuling w leczeniu przewlekłej niewydolności serca

29 wyświetleń

⸱

11 września 2026

 ,  ,  ,  , 
1National Clinical Research Center for Traditional Chinese Medicine in Cardiovascular Diseases, Xiyuan Hospital

W tym artykule

Podsumowanie

Niniejsze badanie integruje mapowanie celów w oparciu o sieci, dane ekspresyjne z GEO oraz dokowanie w celu uszeregowania kandydatów powiązanych z kombinacją Zhenwu-Wuling w przewlekłej niewydolności serca.

Streszczenie

Wywar Zhenwu w połączeniu z proszkiem Wuling jest stosowany w przewlekłej niewydolności serca (CHF), jednak jego podłoże molekularne nie jest w pełni zdefiniowane. Zintegrowaliśmy mapowanie celów w oparciu o sieci, dane transkrypcyjne z Gene Expression Omnibus (GEO) oraz dokowanie molekularne, aby wytypować priorytetowe cele i szlaki sygnałowe. Rekordy związków dla ośmiu ziół pobrano z baz danych farmakologicznych i chemicznych, a następnie poddano przesiewowi związków i celów. Geny związane z CHF zgromadzono z sześciu zasobów dotyczących chorób, a ich pokrycie z celami związanymi z recepturą zbadano za pomocą sieci PPI oraz analiz wzbogacenia funkcjonalnego. Zbiór GSE5406 dostarczył danych o ekspresji w mięśniu sercowym dla próbek niewydolnych i niewydolnych. W wyniku analizy wyłoniono 89 przesianych związków, 314 nieredundantnych celów związków oraz 2 515 celów związanych z CHF, z czego 143 geny były wspólne. AKT1, IL6, TNF, SRC oraz ESR1 zajęły najwyższe miejsca w sieci celów choroby. Analiza ekspresji wykazała 1 348 genów różnicowo wyrażonych (DEG), a jako kandydatów na transkrypcyjne węzły sieci wybrano HSP90AA1 i STAT1. Wzbogacone terminy koncentrowały się wokół hipoksji, krążenia, sygnalizacji związanej z TNF oraz szlaków PI3K-Akt i MAPK. Dokowanie pozwoliło uzyskać ujemne przewidywane wartości dla reprezentatywnych par składnik-cel; najniższą wartość odnotowano dla STAT1 i alisol C (-9,2 kcal/mol). Wyniki te pozwalają na sformułowanie sprawdzalnej hipotezy obliczeniowej i wskazują priorytetowych kandydatów do walidacji eksperymentalnej.

Wprowadzenie

CHF obejmuje heterogenny zespół wynikający ze strukturalnych lub funkcjonalnych nieprawidłowości mięśnia sercowego. Zmiany te mogą upośledzać napełnianie komór lub wyrzut skurczowy i często towarzyszy im zastój w krążeniu płucnym lub systemowym. Typowe objawy obejmują duszność, zmęczenie oraz retencję płynów1. Retrospektywna analiza danych Global Burden of Disease z Chin z lat 1990–2023 wykazała, że krajowa zapadalność na nowo zdiagnozowaną CHF wzrosła o 208,4% w ciągu trzech dekad2.

W tradycyjnej medycynie chińskiej (TCM) niewydolność serca (CHF) odpowiada obrzękom serca, zespołowi duszności oraz obrzękom uogólnionym. Jej patogenezę opisuje się powszechnie jako niedobór w korzeniu i nadmiar w gałęzi. Niedobór yin, yang oraz qi stanowi podstawę patologiczną, podczas gdy wewnętrzna akumulacja płynów i zastój krwi reprezentują manifestujący się nadmiar. W związku z tym leczenie w ramach TCM kładzie nacisk na rozgrzewanie yang, usuwanie zalegających płynów, promowanie krążenia oraz rozwiązywanie zastojów.

Połączone stosowanie wywaru Zhenwu (Zhenwu Decoction) i proszku Wuling (Wuling Powder) stanowi klasyczną strategię ziołową w klinicznym leczeniu niewydolności serca (CHF). Wywar Zhenwu rozgrzewa yang i wspomaga diurezę, podczas gdy proszek Wuling wspiera yang qi i reguluje metabolizm płynów. Wspólnie obie receptury mogą wzmacniać yang i eliminować wewnętrzną wilgoć. Dowody kliniczne sugerują, że kombinacja ta może łagodzić objawy, poprawiać wskaźniki funkcji serca i spowalniać postęp niewydolności serca3. W pierwszej kolejności zmapowano składniki receptur i potencjalne cele terapeutyczne w CHF za pomocą farmakologii sieciowej, a następnie wykorzystano dokowanie molekularne do uszeregowania wybranych par składnik-cel. Profile ekspresji pochodzące z bazy GEO posłużyły następnie do osadzenia kandydatów z sieci w kontekście chorób mięśnia sercowego oraz do zbadania szlaków sygnałowych downstream. Badanie to dostarcza obliczeniowych ram generujących hipotezy w celu priorytetyzacji kandydatów do późniejszej walidacji eksperymentalnej; nie potwierdza ono skuteczności klinicznej ani zwalidowanego mechanizmu działania.

Protokół

This study analyzed public database resources and did not involve new human participants, human specimens, or animal experiments. All databases, web-based resources, software, analysis packages, visualization tools, molecular docking tools, and other computational resources used in this study, together with their details, are listed in the Table of Materials.

Formula composition and botanical provenance
The eight distinct crude drugs were aligned to current botanical and pharmacopoeial naming as follows: Aconiti Lateralis Radix Praeparata, the processed lateral root of Aconitum carmichaelii Debeaux; Poria, the sclerotium of Wolfiporia cocos (F.A.Wolf) Ryvarden & Gilb.; Atractylodis Macrocephalae Rhizoma, the rhizome of Atractylodes macrocephala Koidz.; Paeoniae Radix Alba, the root of Paeonia lactiflora Pall.; Zingiberis Rhizoma Recens, the fresh rhizome of Zingiber officinale Roscoe; Alismatis Rhizoma, the rhizome of Alisma orientale (Sam.) Juzep.; Polyporus, the sclerotium of Polyporus umbellatus (Pers.) Fr.; and Cinnamomi Ramulus, the young twig of Cinnamomum cassia (L.) J.Presl. The prescription comprised 9 g Aconiti Lateralis Radix Praeparata, 12 g Poria, 9 g Paeoniae Radix Alba, 12 g Atractylodis Macrocephalae Rhizoma (stir-fried Atractylodes), 9 g Zingiberis Rhizoma Recens, 9 g Polyporus, 15 g Alismatis Rhizoma, and 6 g Cinnamomi Ramulus; the corresponding ratio was 3:4:3:4:3:3:5:2. Aconiti Lateralis Radix Praeparata was treated as processed material. This was an entirely in silico study: no decoction batch was prepared, purchased, chemically assayed, or administered. Manufacturer, lot number, batch-specific processing records, and voucher specimens are therefore not applicable; the gram amounts define the formula composition and relative ratio, not experimental exposure. Poria and Atractylodis Macrocephalae Rhizoma are shared by the two formulae. Botanical names and medicinal-part terminology were checked against the 2025 Pharmacopoeia of the People’s Republic of China4.

Screening and target prediction of active ingredients in Zhenwu Decoction and Wuling Powder
TCMSP was queried separately for compounds recorded for Zhenwu Decoction and Wuling Powder, including Aconiti Lateralis Radix Praeparata, Poria, Atractylodis Macrocephalae Rhizoma, Paeoniae Radix Alba, Zingiberis Rhizoma Recens, Alismatis Rhizoma, Polyporus, and Cinnamomi Ramulus. Initial filtering required oral bioavailability (OB) of at least 30% and drug-likeness (DL) of at least 0.18. When a simplified molecular-input line-entry system (SMILES) record was unavailable, the corresponding structure was retrieved from a public chemical database. SMILES records were evaluated for physicochemical and drug-likeness properties. A compound passed the secondary filter when its molecular weight was ≤500, lipophilicity ≤5, hydrogen-bond donors ≤5, hydrogen-bond acceptors ≤10, at least three of the Lipinski, Ghose, Veber, Egan, and Muegge rule sets were positive, and predicted gastrointestinal absorption was high5. Eligible structures were subjected to target prediction, and only predictions with probability >0.02 were included in the target list. TCMSP and target-prediction records were combined at the herb-compound-target level, duplicate identifiers were collapsed, and gene names were standardized to official gene symbols.

Deduplication produced 646 candidate associations; 71 rows without a mapped official gene symbol were excluded, leaving 575 standardized associations. The independent herb-level integration yielded 314 nonredundant target genes. The compound and target screening criteria are supported by the TCMSP and SwissTargetPrediction source papers6,7.

Screening of disease targets for CHF
CHF-related gene entries were downloaded from GeneCards, OMIM, TTD, DisGeNET, DrugBank, and PharmGKB. The disease search used four phrases: heart failure, congestive heart failure, diastolic heart failure, and systolic heart failure. For GeneCards, entries with relevance scores below 0.20 were excluded. The six database-derived target sets were integrated after duplicate identifiers were removed, while preserving the source database for each record. All screened gene names were standardized to official gene symbols. The overlap between the formula and CHF target lists was visualized using a Venn diagram. The shared identifiers were treated as candidate formula-related targets for CHF.

TCMSP was searched on 7 February 2026; SwissTargetPrediction, GeneCards, OMIM, and DisGeNET on 10 February 2026; and PharmGKB, TTD, and DrugBank on 12 February 2026. Disease queries were entered as heart failure, congestive heart failure, heart failure, diastolic, and heart failure, systolic; the search was restricted to Homo sapiens where supported. Retrieved entries were standardized to official gene symbols before deduplication.

Construction of the protein-protein interaction (PPI) network and screening of core targets
The shared target identifiers were queried in STRING for PPI analysis. The query used Homo sapiens interactions and a confidence cutoff above 0.9. Isolated nodes were omitted, and the resulting STRING interaction data were used for network visualization and topological analysis. Candidate hubs were ranked by network topology. Betweenness, closeness, degree, and eigenvector centralities were calculated as network descriptors. Degree was the primary ranking variable, and the five highest-degree targets were retained as candidate hubs.

Official gene symbols were used for gene-level analyses, including AKT1, IL6, TNF, SRC, ESR1, BCL2, CASP3, PPARG, PTGS2, and MMP9; protein names are written in full only when needed for clarity. The initial PPI network contained 143 nodes and 584 interaction records before visualization-specific filtering; after network processing, the graph contained 143 nodes and 292 edges.

Construction of the drug-disease-component-target network
Once names were standardized, the network data were assembled and used to construct the drug-disease-component-target graph.

GO and KEGG enrichment analyses
The candidate CHF target list was submitted to Metascape for functional annotation and pathway enrichment analysis. The analysis was run for Homo sapiens. The raw p-value cutoff was set at 0.01, a minimum overlap of 3, and a minimum enrichment score of 1.5. GO bar charts and KEGG bubble plots were generated for visualization. The 143-gene input set was used for Gene Ontology biological-process (GO-BP), molecular-function (GO-MF), and KEGG enrichment analyses. The analysis thresholds were raw p < 0.01, minimum overlap 3, and minimum enrichment 1.58. The GO-CC analysis was based on a 60-gene hit list against a 30,230-gene library. Because this input differed from the 143-gene input used for the BP, MF, and KEGG analyses, the GO-CC results were reported separately and were not quantitatively pooled with the other categories.

Screening of heart failure-related targets based on the GEO database
The GSE5406 dataset9 was used for differential-expression analysis. The series included 210 myocardial samples: 108 with ischemic cardiomyopathy, 86 with idiopathic dilated cardiomyopathy, and 16 nonfailing donor controls. The GEO record identifies the platform as GPL96, the Affymetrix Human Genome U133A Array. The series matrix was already robust multi-array average (RMA)-normalized. Probes without matched SYMBOL annotations were removed after matching to the platform annotation, and rowSums(expression > 0.5) ≥ 3 was applied before limma fitting. Group levels were defined as Control, DCM, and ICM, with a no-intercept design matrix (~0 + group) and the contrasts (DCM+ICM)/2-Control, DCM-Control, and ICM-Control. Differential expression was defined as adjusted p value < 0.05 and |log2(Fold Change)| > 0.3. Because all samples were processed within one GEO series and no separate batch variable was available, no batch-correction term was introduced. Differential-expression results were visualized using heatmaps and volcano plots. DEGs were subjected to PPI analysis followed by network-based hub ranking. Docking and pose visualization were conducted for the selected targets and prescription compounds.

The GEO record identifies the platform as GPL96, the Affymetrix Human Genome U133A Array. Group levels were defined as Control, DCM, and ICM, with a no-intercept design matrix (~0 + group) and the contrasts (DCM+ICM)/2-Control, DCM-Control, and ICM-Control. The series matrix was already robust multi-array average (RMA)-normalized; probes with missing SYMBOL annotations were removed after matching to the platform annotation, and the code applies rowSums(expression > 0.5) ≥ 3 before limma fitting. Because all samples were processed within one GEO series and no separate batch variable was available, no batch-correction term was introduced.

Molecular docking verification
A three-dimensional PDB structure for each receptor was obtained from the RCSB Protein Data Bank. Protein structures were prepared by removing crystallographic waters and non-receptor ligands. Structure-data file (SDF) structures for the five highest-degree compounds were obtained from a public chemical database.

The receptor structures used for docking were AKT1/1H10 (chain A, 1.40 Å, 4IP), IL6/1ALU (chain A, 1.90 Å, TLA), TNF/1A8M (chain A, 2.30 Å, no co-crystallized ligand), SRC/1A09 (chain A, 2.00 Å, no ligand), ESR1/1A52 (chain A, 2.80 Å, EST), STAT1/1BF5 (chain A, 2.90 Å, no ligand), and HSP90AA1/3OWB (chain A, 2.05 Å, BSM). The center, box dimensions, and random seed were specified for each tested pair. The search boxes were defined to encompass the receptor for exploratory global docking.

Receptor and ligand files were prepared with the docking-preparation tools. Waters were deleted and polar hydrogens were added to receptor structures. SDF ligands were converted to PDB, then dehydrated and hydrogenated before PDBQT export. The prepared receptor-ligand files were assigned to the docking models. PDBQT files were loaded into AutoDock Vina. Vina runs were executed and scores were recorded. Scores below -5 kcal/mol were treated as comparatively more favorable and scores below -7 kcal/mol as more strongly predicted interactions10; these are not experimental thresholds. The three complexes with the best predicted scores were selected for visualization.

No search-depth or output-mode override was specified; therefore, the documented command-line defaults were used: exhaustiveness 8 and at most 9 modes. Pair-specific random seeds were used, and mode 1 (the best-scoring returned pose) was selected for representative visualization. The HSP90AA1 output-file assignment was confirmed because each mode-1 score matched the corresponding HSP90AA1 value in the docking-score matrix. Molecular dynamics simulations were not performed, so the scores are exploratory computational predictions only.

Wyniki

Aktywne składniki i cele wywaru Zhenwu w połączeniu z proszkiem Wuling
Uzyskano rejestry składników i celów dla każdego z ziół. Odpowiadające im liczby celów dla poszczególnych ziół wynosiły: Aconiti Lateralis Radix Praeparata – 178; Poria – 21; Atractylodis Macrocephalae Rhizoma – 18; Paeoniae Radix Alba – 86; Zingiberis Rhizoma Recens – 127; Alismatis Rhizoma – 96; Polyporus – 4 oraz Cinnamomi Ramulus – 45. Po standaryzacji symboli i usunięciu duplikatów, zintegrowany zestaw powiązany z formułą zawierał 314 nieredundantnych genów celowych. Przypisanie dihydrokapsaicyny do konkretnego zioła jest raportowane jako przypisanie bazodanowe, a nie jako potwierdzenie pochodzenia botanicznego.

Pozyskiwanie celów terapeutycznych związanych z niewydolnością serca (CHF)
Z sześciu baz danych dotyczących chorób zebrano 3 563 surowe rekordy celów związanych z CHF. Rozkład przedstawiał się następująco: 2 000 celów z GeneCards, 973 z OMIM, 17 z PharmGKB, 83 z TTD, 459 z DisGeNET oraz 31 z DrugBank. Deduplikacja zredukowała tę listę do 2 515 unikalnych celów powiązanych z CHF. Porównanie dwóch list celów pozwoliło zidentyfikować 143 wspólne cele pomiędzy genami związanymi z CHF a celami odwaru Zhenwu w połączeniu z proszkiem Wuling, co przedstawiono na Rysunku 1.

Konstrukcja sieci PPI
Powstały graf PPI składał się ze 143 węzłów i 292 krawędzi (średni stopień węzła: 4,08). Pięcioma węzłami o najwyższym stopniu były AKT1, TNF, IL6, SRC oraz ESR1. Węzły te zachowano jako potencjalne huby dla analizy formula-CHF (Rysunek 2). W tej analizie potencjalne huby zostały uszeregowane według stopnia w obrębie określonej sieci. Wysoka łączność została wykorzystana do wyboru kandydatów i nie była interpretowana jako dowód na istotność przyczynową lub skuteczność terapeutyczną.

Analiza sieci lek-choroba-składnik-cel
Finalny graf składał się z 384 węzłów i 615 krawędzi. W tym przypadku stopień węzła zdefiniowano jako liczbę bezpośrednio połączonych krawędzi. W Tabeli 1 przedstawiono dziesięć najważniejszych celów uszeregowanych według wartości stopnia w sieci lek-choroba-składnik-cel obejmującej 384 węzły i 615 krawędzi; sieć PPI składająca się ze 143 węzłów i 292 krawędzi przedstawiono oddzielnie na Rysunku 2. Na Rysunku 3 przedstawiono odpowiadający im graf lek-choroba-składnik-cel. Na grafie sieci regularne sześciokąty reprezentują aktywne składniki poszczególnych leków ziołowych, natomiast romby reprezentują terapeutyczne cele leków.

Analiza wzbogacenia GO
Analizę Gene Ontology przeprowadzono dla 143 wspólnych celów. Analiza zidentyfikowała 1647 terminów procesów biologicznych (BP) oraz 188 terminów funkcji molekularnych (MF); panel komponentów komórkowych (CC) zachowano opisowo, zgodnie z poniższym wyjaśnieniem. Wszystkie wzbogacone terminy posortowano według -log10(p) w kolejności malejącej, a do wizualizacji wybrano dziesięć najwyżej ocenionych terminów w każdej kategorii GO. Terminy BP były głównie wzbogacone w zakresie komórkowej odpowiedzi na hipoksję, odpowiedzi na obniżony poziom tlenu, krążenia krwi, odpowiedzi na zmienny poziom tlenu oraz procesów układu krążenia. Opisowy panel CC wykazał obecność kaweol, światła ziarnistości bogatych w ficolinę-1, lipidowych tratw błony plazmatycznej, mikrodomen błonowych oraz światła struktur endokrynnych; nie podawano statystyk CC na poziomie poszczególnych wierszy. Terminy MF dotyczyły głównie wiązania białek rusztowaniowych, regulacji aktywności kinazy tyrozynowej białek, wiązania hemu oraz regulacji aktywności kinazy białkowej. Dziesięć najwyżej wzbogaconych terminów w każdej kategorii GO przedstawiono na Rysunku 4. Ponieważ analiza GO-CC wykorzystywała inny rozmiar danych wejściowych niż analiza BP/MF/KEGG dla 143 genów, kategorie te raportowano oddzielnie i nie łączono ich ilościowo.

Analiza wzbogacenia KEGG
Analizę KEGG przeprowadzono dla 143 wspólnych genów docelowych. Głównymi wzbogaconymi szlakami były szlaki MAPK, PI3K-Akt, szlaki związane z nowotworami, szlaki infekcji wirusowych, gruźlica, grypa A, AGE-RAGE, lipidy/miażdżyca oraz odra (Rysunek 5).

Przesiewowe badanie DEG w niewydolności serca na podstawie bazy danych GEO
W bazie GEO wyszukano frazę "heart failure", a następnie użyto pakietu limma w programie R do porównania grup z niewydolnością serca i bez niej. Progi przesiewowe ustalono na skorygowaną wartość p < 0,05 oraz |log2(Fold Change)| > 0,3. Analiza pozwoliła zidentyfikować 1 348 DEG, z czego 568 było wykazujących nadekspresję, a 780 niedoekspresję. Wykres wulkaniczny (volcano plot) przedstawia wyniki różnicowej ekspresji, natomiast mapa ciepła (heatmap) ilustruje wzorce ekspresji w obu grupach (Rysunek 6, Rysunek 7).

Geny różnicowo wyrażone (DEG) zestawiono najpierw z genami związanymi z chorobą pobranymi z baz danych chorób, co pozwoliło zidentyfikować 407 wspólnych genów chorobowych. Następnie geny te zestawiono z genami będącymi celami leków, co poskutkowało wyłonieniem 18 wspólnych genów. Analiza PPI dla tych 18 genów pozwoliła na wygenerowanie sieci składającej się z 18 węzłów i 10 krawędzi oddziaływań. Spośród wszystkich węzłów, najwyższe wartości stopnia miały HSP90AA1 oraz STAT1. Te dwa kandydackie huby transkrypcyjne poddano dokowaniu z pięcioma priorytetowymi związkami: β-sitosterolem, alisol C, benzojlonapelliną, dihydrokapsacyną i kemferolem. Uzyskane wyniki Vina dla wszystkich testowanych par były ujemne; STAT1 w połączeniu z alisol C wykazał najbardziej ujemną wartość (-9,2 kcal/mol), a każda para pochodząca z GEO uzyskała wynik poniżej -5 kcal/mol. Wartości te stanowią porównawcze przewidywania dokowania i nie potwierdzają powinowactwa, aktywności ani efektu biologicznego.

Wyniki dokowania molekularnego
Dokowanie wykorzystano do porównania priorytetowych składników z hubami związanymi z CHF, zidentyfikowanymi w analizach sieciowych i GEO. Obejmowały one AKT1, IL6, TNF, SRC i ESR1 pochodzące z przeszukiwania baz danych chorób, a także geny huby HSP90AA1 i STAT1 wyłonione z GEO. Procedura dokowania została opisana w sekcji Protokół. Tabela 2 przedstawia macierz przewidywanych wyników dla priorytetowych związków i celów związanych z CHF z obu źródeł analitycznych. Alisol C uzyskał wynik bardziej ujemny niż -7 kcal/mol dla AKT1 i SRC, natomiast benzoylnapellina przekroczyła ten sam próg opisowy dla TNF, AKT1 i SRC. Wszystkie pary związek-hub pochodne z GEO uzyskały wyniki poniżej -5 kcal/mol. Spośród wszystkich par ligand-cel, STAT1 wykazał najbardziej ujemny wynik z alisol C (-9.2 kcal/mol) oraz benzoylnapelliną (-8.7 kcal/mol), co wskazuje na najbardziej ujemne przewidywane wyniki wśród badanych kompleksów, a nie na eksperymentalne powinowactwo.

DOSTĘPNOŚĆ DANYCH:
W niniejszym badaniu analizowano dane ogólnodostępne. Seria transkrypomiczna GSE5406 jest dostępna w bazie NCBI Gene Expression Omnibus (GEO) pod numerem dostępu GSE5406. Wszystkie dane i zapisy analiz wygenerowane i zachowane w ramach badania znajdują się w folderze z uzupełniającymi danymi surowymi (Plik uzupełniający 1). Zawiera on audyt związków i celów, surowe dane dotyczące celów, pliki sieci PPI, zweryfikowane dane o wzbogaceniu, kod analizy GSE5406, dane wejściowe, wyjściowe, konfiguracje i logi dokowania, wizualizacje dokowania oraz manifest plików i legendy.

figure-results-1
Rysunek 1: Diagram Venna celów leków i chorób. Niebieski obszar reprezentuje cele odwaru Zhenwu w połączeniu z proszkiem Wuling, żółty obszar reprezentuje cele związane z CHF, a obszar nakładania się reprezentuje 143 wspólne cele. Liczby wskazują liczbę celów i procenty. Kliknij tutaj, aby wyświetlić większą wersję tego rysunku.

figure-results-2
Rysunek 2: Sieć PPI. Kolor i rozmiar węzłów reprezentują stopień, gdzie większe węzły o ciemniejszym czerwonym kolorze wskazują cele o wyższym stopniu. Szare krawędzie reprezentują wiązania PPI o wysokim poziomie ufności. Węzły izolowane nie zostały pokazane. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

figure-results-3
Rycina 3: Sieć interakcji lek-choroba-składnik-cel. Kolory węzłów identyfikują osiem grup ziół; kształty węzłów rozróżniają zioła, składniki i cele; wielkość węzła reprezentuje stopień; szare krawędzie reprezentują powiązania zioło-składnik oraz składnik-cel. Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tej ryciny.

figure-results-4
Rycina 4: Analiza wzbogacenia GO.Zielone, pomarańczowe i fioletowe słupki reprezentują odpowiednio procesy biologiczne (BP), komponenty komórkowe (CC) oraz funkcje molekularne (MF). Wysokość słupka wskazuje wynik wzbogacenia; przedstawiono dziesięć najistotniejszych terminów w każdej kategorii. W analizie CC wykorzystano listę 60 genów, natomiast w analizach BP i MF wykorzystano zestaw 143 wspólnych genów docelowych; w związku z tym kategorie są wyświetlane opisowo i nie zostały połączone ilościowo. Aby wyświetlić większą wersję tej ryciny, kliknij tutaj.

figure-results-5
Rycina 5: Analiza wzbogacenia KEGG. Położenie kropki wskazuje współczynnik wzbogacenia, wielkość kropki liczbę genów, a kolor odpowiada wartości -log10(p), gdzie cieplejsze kolory oznaczają mniejsze wartości p. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

figure-results-6
Rysunek 6: Wykres wulkaniczny (volcano plot) genów o różnej ekspresji. Czerwone punkty reprezentują geny o zwiększonej ekspresji, a niebieskie punkty geny o zmniejszonej ekspresji przy określonych progach. Oś pionowa przedstawia -log10(skorygowana wartość p), oś pozioma log2(Fold Change), a linie przerywane wskazują skorygowaną wartość p < 0,05 oraz |log2(Fold Change)| > 0,3. Aby wyświetlić powiększoną wersję tego rysunku, kliknij tutaj.

figure-results-7
Rycina 7: Mapa ciepła DEG. Mapa ciepła przedstawia 50 najważniejszych DEG; kolor czerwony i niebieski wskazują odpowiednio względnie wyższą i niższą ekspresję po skalowaniu wierszowym. Górna adnotacja identyfikuje grupy kontrolną, kardiomiopatii idiopatycznej i kardiomiopatii niedokrwiennej. Kliknij tutaj, aby wyświetlić większą wersję tej ryciny.

Nazwa białkaSymbol genuStopień
Kinaza serynowo-treoninowa AKT 1AKT194
Interleukina-6IL691
Czynnik martwicy nowotworówTNF91
Protoonkogen SRC, nie receptorowa kinaza tyrozynowaSRC78
Receptor estrogenowy 1ESR177
B-cell lymphoma/leukemia 2BCL274
Kaspaza 3CASP372
Receptor gamma aktywowany proliferatorem peroksysomówPPARG70
Syntaza prostaglandyny-endoperoksydowa 2PTGS269
Metaloproteinaza macierzy 9MMP968

Tabela 1: Geny kluczowe i wartości stopnia. Wartości stopnia pochodzą z sieci lek-choroba-składnik-cel składającej się z 384 węzłów i 615 krawędzi, a nie z oddzielnej sieci PPI składającej się z 143 węzłów i 292 krawędzi. Użyto oficjalnych symboli genów.

Gen docelowyβ-sitosterolAlisol CBenzoylnapellineDihydrocapsaicinKaempferol
AKT1-6.2-7.0-7.2-4.8-5.9
IL6-5.7-6.6-6.1-4.0-4.6
TNF-5.5-6.8-7.6-5.0-6.3
SRC-5.2-8.0-8.0-5.6-6.9
ESR1-3.2-6.7-7.9-4.3-3.2
STAT1-6.1-9.2-8.7-5.3-8.6
HSP90AA1-6.4-6.9-7.1-5.4-7.3

Tabela 2: Wyniki dokowania molekularnego. Wartości przedstawiają przewidywane wyniki dokowania w kcal/mol; bardziej ujemne wartości wskazują na bardziej korzystne przewidywane pozy w tym przebiegu i nie potwierdzają powinowactwa biologicznego ani aktywności.

Plik uzupełniający 1: Folder z surowymi danymi uzupełniającymi. Kliknij tutaj, aby pobrać ten plik.

Dyskusja

CHF wymaga długoterminowego prowadzenia klinicznego i często wiąże się ze złożonymi schematami leczenia farmakologicznego. Badania przeprowadzone przez Wang JX i Zhang S11 oraz inne analizy wskazują, że długotrwała połączona konwencjonalna farmakoterapia może prowadzić do obniżenia przestrzegania zaleceń terapeutycznych. Słaba przyleżność do leczenia może zwiększać ryzyko ponownej hospitalizacji oraz negatywnych skutków emocjonalnych. Dostępne leki koncentrują się głównie na kontroli objawów i spowalnianiu przebudowy komór. Narodowe Wytyczne dotyczące Leczenia Niewydolności Serca w Chinach z 2023 roku12 zalecają dodanie vericiguatu, stymulatora rozpuszczalnej cyklazy guanylowej, do GDMT u pacjentów z niedawno pogorszoną niewydolnością serca. Niemniej jednak w leczeniu niewydolności serca wciąż pozostaje kilka wyzwań. Kardiomiocyty są terminalnie zróżnicowane i mają ograniczoną zdolność regeneracyjną, przez co uszkodzenia mięśnia sercowego często postępują w sposób nieodwracalny. Istniejące leki głównie spowalniają włóknienie mięśnia sercowego i przebudowę komór, zamiast całkowicie odwracać utrwalone uszkodzenia strukturalne.

W teorii TCM patogeneza CHF jest ściśle powiązana z rozregulowaniem qi i krwi. Konsensus Ekspertów w sprawie nomenklatury TCM w niewydolności serca13 definiuje „Xin Shui” (obrzęk serca) i „Fei Yin” (zatrzymanie płynów w płucach) jako znormalizowane terminy chorobowe TCM dla CHF. Obie receptury rozgrzewają yang i wspomagają wydalanie płynów, jednak ich tradycyjne wskazania kładą nacisk na różne lokalizacje i wzorce choroby. Tradycyjnie wywar Zhenwu jest stosowany w celu rozgrzania yang i usunięcia zatrzymanej wilgoci w przypadku niedoboru yang śledziei i nerek. Po raz pierwszy opisana w wersach 82 i 316 traktatu Treatise on Febrile Diseases14, formuła ta była pierwotnie stosowana w chorobach w stadium yang powikłanych upośledzeniem yang wywołanym nadmiernym poceniem się oraz w syndromie shaoyin charakteryzującym się niedoborem yang i zalewem wodnym. Fundamentalna patogeneza leczona wywarem Zhenwu to niewydolność yang nerek z rozproszonym zatrzymaniem płynów. Jego tradycyjne działanie opisuje się jako rozgrzewanie nerek, wzmacnianie yang, regulację qi i wspomaganie usuwania płynów. Dzieło Synopsis of Prescriptions of the Golden Chamber14 również odnotowuje zastosowanie wywaru Zhenwu w przypadku przelewowego zatrzymania płynów, ponieważ ciężkość kończyn i ból występujące w tym stanie odpowiadają zakresowi terapeutycznemu tej formuły. Proszek Wuling został odnotowany w wersach 71, 72, 73, 74 i 141 traktatu Treatise on Febrile Diseases. Jest on stosowany głównie w syndromie zatrzymania wody w pęcherzu Taiyang. Jego patogeneza obejmuje nierozwiązane czynniki patogenne zewnętrzne w stadium Taiyang, gromadzenie wody w dolnym jiao, upośledzoną transformację qi w potrójnym jiao oraz zaburzony rozkład płynów ustrojowych. Klinicznie zmiany te objawiają się pragnieniem z chęcią picia i dyzurią. W ciężkich przypadkach nadmierne gromadzenie płynów blokuje potrójne jiao i przelewa się, powodując cofanie się wody z wymiotami po piciu. W związku z tym proszek Wuling jest stosowany w celu przywrócenia transformacji qi i ułatwienia wydalania wody.

Badania farmakologiczne przeprowadzone przez Zheng Minghao i współpracowników nad odwarem Zhenwu w leczeniu niewydolności serca (CHF)15 wykazały wyższe wartości LVSP i niższe LVEDP po ekspozycji na akonitynę/mezakonitynę, co zinterpretowano jako poprawę funkcji skurczowej i rozkurczowej. U szczurów z CHF peonifloryna była powiązana z modulacją sygnalizacji TGF-β1/Smad, mniejszym przebudowaniem oraz lepszą funkcją serca. Atraktylenolid III i kemferol powiązano z redukcją apoptozy kardiomiocytów, natomiast kwas porykoinowy i gingerol wykazują działanie przeciwzapalne i przeciwutleniające. Higenamina i peonifloryna mogą również poprawiać nieprawidłowy cykl wapniowy poprzez obniżanie wewnątrzkomórkowego stężenia wapnia. Chen Jiye i współpracownicy16 donieśli, że główne biologicznie czynne składniki proszku Wuling, hederagenina i β-sitosterol, zapewniają ochronę układu sercowo-naczyniowego poprzez obniżanie poziomu cholesterolu, regulację funkcji śródbłonka, zwiększenie zdolności antyoksydacyjnych i redukcję stanu zapalnego. Pacjenci w końcowym stadium CHF często wykazują przeplatające się wzorce niedoboru i nadmiaru. Niedobór yang serca i nerek stanowi podstawowy mechanizm patogenezy, podczas gdy silna retencja płynów jest przejawem wtórnym. Gdy zatrzymane płyny rozprzestrzeniają się przez potrójne jiao, naciek na górne jiao, serce i płuca powoduje kołatania serca, kaszel i duszność. W ciężkich przypadkach zalewanie serca i płuc przez płyny prowadzi do duszności w pozycji leżącej. Gromadzenie się płynów w środkowym jiao zaburza transport i transformację w śledzionie i żołądku, powodując brak apetytu i wzdęcia żołądka. Retencja płynów w dolnym jiao powoduje obrzęki kostek i dyzurię. Wzorzec ten dostarcza uzasadnienia w ramach TCM (tradycyjnej medycyny chińskiej) dla zastosowania tej kombinacji w celu zwalczenia zarówno pierwotnego niedoboru, jak i wtórnej retencji płynów. Narastające dowody sugerują, że chińskie formuły ziołowe mogą leczyć CHF poprzez regulację wielu szlaków i celów, w tym funkcji mitochondriów i metabolizmu energetycznego mięśnia sercowego16, a także szlaków sygnalizacyjnych TGF-β17 i NF-κB18.

Uzasadnienie kompatybilności receptury opiera się na podstawach farmakologicznych oraz teoretycznych zasadach TCM. Przedstawiony przepływ pracy obliczeniowej nie badał synergii, nie ustalał nowych efektów farmakologicznych kombinacji ani nie porównywał receptury z terapią medyczną zgodną z wytycznymi. Nie oceniano również interakcji zioło-lek, zależności ekspozycja-odpowiedź ani toksyczności poza celowej. Powyższe ograniczenia sprawiają, że obecne wyniki nie mogą służyć jako podstawa do rekomendowania zamiany leczenia lub stosowania terapii łączonej.

Niniejsze badanie sugeruje, że odwar Zhenwu w połączeniu z proszkiem Wuling może wpływać na procesy związane z CHF poprzez przewidywane skoordynowane działanie wielu aktywnych biologicznie składników, w tym β-sitosterolu (BS), alizolu C, benzojlonapelliny, dihydrokapsaicyny (DHC) i kempferolu (KAE). BS jest fitosterolem szeroko rozpowszechnionym w ziołach leczniczych, a w tej recepturze pochodzi z Paeoniae Radix Alba, Zingiberis Rhizoma Recens oraz Cinnamomi Ramulus19. Ze względu na strukturę przypominającą cholesterol, BS konkuruje z cholesterolem o miejsca wiązania, obniża poziom wolnego cholesterolu w surowicy i promuje lipolizę20. Wykazuje on również działanie przeciwmiażdżycowe, przeciwutleniające, przeciwzapalne i przeciwbakteryjne21. W zapisach bazy danych dihydrokapsaicyna została przypisana do Zingiberis Rhizoma Recens, a wcześniejsze badania22,23 potwierdzają jej właściwości przeciwzapalne, przeciwapoptotyczne oraz łagodzące uszkodzenia w wyniku niedokrwienia i reperfuzji. Chen YM i wsp.24 zidentyfikowali Raf-1 jako bezpośredni cel dihydrokapsaicyny i powiązali tworzenie kompleksu Raf-1/ASK1 z niższym poziomem stresu oksydacyjnego oraz mniejszą apoptozą kardiomiocytów po ostrym zawale mięśnia sercowego. Kempferol jest głównym aktywnym składnikiem Paeoniae Radix Alba. Istniejące badania sugerują, że KAE chroni kardiomiocyty przed nadmierną autofagią poprzez upregulację kaskady PI3K/Akt/mTOR25, tłumienie ekspresji białek kanałów wapniowych wewnątrzkomórkowych26 oraz hamowanie szlaku sygnalizacyjnego MAPK/ERK27. Związek MOL002410 zidentyfikowano jako benzojlonapellinę. Cytowane badanie nad benzojlakoniną28 nie potwierdza eksperymentalnie odrębnego rekordu dokowania dla benzojlonapelliny. Wspólnie składniki te mogą przyczyniać się do leczenia CHF poprzez mechanizmy przeciwzapalne, przeciwutleniające i obniżające poziom lipidów. Wspiera to wielodrożny i wielocelowy profil regulacyjny odwaru Zhenwu w połączeniu z proszkiem Wuling.

Przetworzony korzeń omaticsy może zawierać alkaloidy typu akonityny, jednak w niniejszym badaniu nie określono ilościowo narażenia na składniki, relacji dawka-odpowiedź ani toksyczności. W konsekwencji przewidywana sieć terapeutyczna nie może być interpretowana jako ocena bezpieczeństwa, a potencjalne efekty poza docelowe pozostają nierozwiązane.

Ranking według stopnia w sieci PPI uplasował tych pięciu kandydatów na szczycie: AKT1, IL6, TNF, SRC i ESR1. AKT1, będący centralnym węzłem w kaskadzie PI3K/Akt/mTOR, znalazł się wśród kandydatów o najwyższym stopniu. Kaskada ta bierze udział w proliferacji, angiogenezie i metabolizmie glikolipidów29. Wang X i wsp.30 stwierdzili wyższą ekspresję AKT1 u szczurów z niewydolnością serca niż u zdrowych myszy kontrolnych. Lou WZ i wsp.31 zgłosili, że kemferol i związki pokrewne hamują szlak PI3K/Akt poprzez kluczowy węzeł AKT1, co hamuje proliferację fibroblastów serca i opóźnia progresję CHF oraz przebudowę komór. IL-6 i TNF to klasyczne cytokiny zapalne. Poprzednie badania32 powiązały cytokiny i chemokiny zapalne z przebudową komór i dysfunkcją mięśnia sercowego w różnych fenotypach niewydolności serca. W kohorcie 1 086 pacjentów Berger i wsp.33 powiązali wyższe stężenia IL-6 z niekorzystnymi następstwami sercowo-naczyniowymi i zwiększonym poziomem NT-proBNP. TNF jest ściśle powiązany z angiogenezą i zakrzepicą, z których oba procesy przyczyniają się do przebudowy serca i komór. TNF może służyć jako marker biologiczny wystąpienia CHF34, a jego nadekspresja jest związana z niekorzystnymi zdarzeniami sercowo-naczyniowymi, stratyfikacją ryzyka uszkodzenia mięśnia sercowego oraz rokowaniem. SRC bierze udział w adhezji komórek, proliferacji i generowaniu reaktywnych form tlenu35. Dowody wskazują, że nadekspresja SRC nasila sygnalizację receptorów beta-adrenergicznych (β-AR), aktywuje kaskadę β-AR/Src/ERK i pośredniczy w przebudowie komór36. Inne badania zaproponowały SRC jako potencjalny cel interwencji w chorobach sercowo-naczyniowych37. Estrogen jest powszechnie uznawany za czynnik kardioprotekcyjny o właściwościach przeciwzapalnych, antyoksydacyjnych i przeciwmiażdżycowych38. ESR1, który koduje receptor estrogenowy alfa, jest zatem potencjalnym celem terapeutycznym dla ochrony serca. Fukuma N i wsp.39 wyjaśnili efekty kardioprotekcyjne receptorów estrogenowych poprzez selektoryczną blokadę niegenomowej sygnalizacji receptora estrogenowego alfa u myszy. W przeciwieństwie do badań skupionych na pojedynczym związku lub szlaku, obecny schemat postępowania odnosił zakres celów pochodnych z receptury do sieci PPI choroby i kontekstu transkrypcyjnego mięśnia sercowego. Taka integracja zawęża priorytety kandydatów, lecz pozostaje ona analizą asocjacyjną. Kryterium genów centralnych (hub-gene) identyfikuje wysoce połączonych kandydatów do dalszych badań, a nie dowodzi ich związku przyczynowego.

Wspólny profil KEGG zdominowany był przez terminy sygnalizacyjne MAPK, PI3K-Akt, lipidy/miażdżyca, TNF, receptor Toll-podobny oraz AGE-RAGE. Razem szlaki te odpowiadają procesom kluczowym dla CHF, w tym przerostowi, włóknieniu, zapaleniu, stresowi oksydacyjnemu i przebudowie komór upośledzającej funkcje komór mięśnia sercowego. Sygnalizacja MAPK koordynuje odpowiedzi proliferacyjne, apoptotyczne, zapalne i włókniejące40. Nadmierna aktywność MAPK może promować włóknienie mięśnia sercowego, przyspieszać przebudowę komór41 i pogarszać niewydolność serca. Sygnalizacja PI3K-Akt jest zaangażowana w wzrost komórek, apoptozę, migrację i angiogenezę. Jej rola w przebudowie cytoszkieletu sprawiła, że szlak ten stał się potencjalnym celem w biologii nowotworów42. W warunkach fizjologicznych szlak PI3K-Akt chroni serce poprzez poprawę funkcji mitochondriów, redukcję stresu oksydacyjnego i hamowanie apoptozy kardiomiocytów. W publikacjach43 zgłoszono obniżoną aktywność PI3K-Akt w kardiomiocytach podczas niewydolności serca, co może wywoływać dysfunkcję mitochondriów i upośledzenie metabolizmu energetycznego. Hamowanie tego szlaku może również aktywować kaskady profibrotyczne, takie jak sygnalizacja TGF-β i szlaki kaspaz związane z apoptozą, promując tym samym przebudowę komór i utratę kardiomiocytów. Dyslipidemia jest powiązana z chorobą wieńcową, która często stanowi podstawową przyczynę klinicznej niewydolności serca. Chińskie wytyczne dotyczące niewydolności serca z 2024 roku wymieniają zarówno dyslipidemię, jak i chorobę wieńcową wśród wspólnych czynników ryzyka CHF44. Wczesna terapia hipolipidemiczna otrzymała rekomendację klasy IA w profilaktyce. Badania obserwacyjne przeprowadzone przez Li Tingting oraz Zhou Li i wsp.45,46, obejmujące odpowiednio 70 i 150 pacjentów z niewydolnością serca, wykazały postępujący spadek poziomu HDL-C w surowicy wraz z pogarszaniem się funkcji serca. Jednak zmienność lipidów w surowicy nie korelowała znacząco z rokowaniem. Sugeruje to, że dyslipidemia może nie uszkadzać bezpośrednio kardiomiocytów ani nie upośledzać funkcji serca. Szlak lipidów i miażdżycy może być zatem bardziej istotny dla zapobiegania CHF i interpretacji etiologicznej niż dla bezpośredniego uszkodzenia mięśnia sercowego. TNF-α jest kluczową cytokiną zapalną i głównym czynnikiem inicjującym oraz napędzającym progresję CHF34. Podwyższone stężenia TNF-α hamują kurczliwość mięśnia sercowego i są dodatnio skorelowane ze śmiertelnością z wszystkich przyczyn47. Współczulny układ nerwowy jest ważnym neurohumoralnym mediatorem przebudowy komór. Nadmierna nadekspresja TNF-α może upośledzać funkcję nerwów współczulnych, indukować dysfunkcję receptorów β, stymulować uwalnianie katecholamin48 i nasilać przebudowę komór. Szlaki receptorów Toll-podobnych wykrywają PAMP i DAMP, inicjując w ten sposób przekazywanie sygnałów odpowiedzi immunologicznej nieswoistej49. Utrwalona aktywacja może promować zapalenie i uszkodzenie mięśnia sercowego. Ye S i wsp.50 zgłosili, że niedobór TLR2 w kardiomiocytach osłabił indukowany przez Ang II stan zapalny, przerost i włóknienie śródmiąższowe. Poprawa ta zbiegła się ze słabszą aktywacją downstream NF-κB/MAPK i mniejszym uszkodzeniem mięśnia sercowego. Biologia AGE-RAGE jest istotna również poza zakresem cukrzycy. W warunkach starzenia się, niedokrwienia, przeciążenia ciśnieniowego lub zapalnego stresu serca, AGE mogą się kumulować i angażować RAGE, potęgując stres oksydacyjny, zapalenie i włóknienie, które przyczyniają się do przebudowy komór i CHF51. Farmakologia sieciowa oddaje szeroki zakres pokrycia komponent-cel pochodnych z receptury, podczas gdy GEO dostarcza kontekstu tkankowego choroby. Ich przecięcie jest zatem przydatne do priorytetyzacji hipotez w złożonych badaniach nad recepturami TCM, jednak nie powinno być opisywane jako walidacja transkrypcyjna lub farmakologiczna.

Ograniczenia: Oprócz braku walidacji in vitro i in vivo, w badaniu wykorzystano pojedynczy zestaw danych z mikroarrays i opierano się na adnotacjach baz danych oraz progach przesiewowych. Szerokie siatki dokowania obejmujące cały receptor służą do eksploracyjnego rankingu, a nie do potwierdzenia miejsca wiązania, natomiast nie zachowano dokładnych wersji patchy pakietów. Ponadto pliki PDBQT z wynikami poz oraz plików tych dla pozostałych 30 par cel-związek nie zostały zachowane. Analiza GO-CC wykorzystała listę 60 genów zamiast 143 genów wejściowych użytych dla BP/MF/KEGG; w związku z czym kategorie te nie zostały ilościowo połączone. Nie zastosowano niezależnego zestawu walidacyjnego transkryptomiki ani symulacji dynamiki molekularnej.

Kierunki przyszłych badań: Przyszłe prace powinny objąć walidację HSP90AA1, STAT1 oraz wybranych związków w modelach hipoksji/reoksygenacji kardiomiocytów i odpowiednich modelach zwierzęcych, porównanie formuły z terapiami zgodnymi z wytycznymi, ocenę interakcji zioło-lek oraz toksyczności związanej z akonitem, a także zweryfikowanie przewidywań dokowania za pomocą ortogonalnych testów biochemicznych lub komórkowych.

Podsumowując, integracja farmakologii sieciowej, danych transkrypomicznych mięśnia sercowego, analizy wzbogacenia oraz dokowania molekularnego pozwoliła na wyłonienie priorytetowych składników kandydujących, celów i szlaków potencjalnie związanych z zastosowaniem wywaru Zhenwu w połączeniu z proszkiem Wuling w leczeniu CHF. Zbieżność przewidywań celów związanych z recepturą ze zmianami ekspresji związanymi z chorobą pozwoliła zidentyfikować HSP90AA1 i STAT1 jako kandydatów do dalszych badań, natomiast analiza dokowania wskazała wybrane pary składnik-cel do testów eksperymentalnych. Wyniki te stanowią ramy do generowania hipotez, a nie dowód skuteczności klinicznej czy zwalidowany mechanizm molekularny, i wymagają potwierdzenia w niezależnych systemach eksperymentalnych.

Oświadczenia

Autorzy nie zgłaszają żadnych konfliktów interesów związanych z niniejszym badaniem.

Podziękowania

Nie dotyczy.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
AutoDock VinaCCSB-Scrippsv1.2.6Użyto wersji wiersza poleceń; aktualna oficjalna wersja v1.2.7; zastosowano domyślne konfiguracje CLI: exhaustiveness 8 oraz num_modes 9. https://github.com/ccsb-scripps/AutoDock-Vina/releases
AutoDockToolsThe Scripps Research Institutev1.5.7Przygotowanie receptora/liganda; wersja użyta w analizie. https://autodock.scripps.edu/
BioconductorBioconductor Project3.16 compatibility releaseŚrodowisko zgodne z R 4.2; aktualna wersja 3.23. https://bioconductor.org/about/release-announcements/
Cytoscape DesktopCytoscape Consortiumv3.7.1Wersja użyta do wizualizacji i analizy sieci; aktualna wersja v3.10.4. https://cytoscape.org/download.html
DisGeNETMedBioinformatics Solutionsv25.4Pobieranie genów związanych z CHF; wyszukano 2026-02-10. https://disgenet.com/
DrugBankOMx Personal Health Analyticsv6.0Pobieranie genów związanych z CHF; wyszukano 2026-02-12. https://go.drugbank.com/
GeneCardsWeizmann Institute of ScienceBaza danych onlinePobieranie genów związanych z CHF; wyszukano 2026-02-10. https://www.genecards.org/
GEO / GSE5406NCBIGSE5406; GPL96Znormalizowana metodą RMA seria mikroarray lewej komory serca człowieka. https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE5406
hgu133a.dbBioconductorŚrodowisko Bioconductor 3.16Adnotacja sond Affymetrix Human Genome U133A; dokładna wersja poprawki nie została zapisana. https://bioconductor.org/packages/hgu133a.db/
limmaBioconductorŚrodowisko Bioconductor 3.16Analiza różnicowej ekspresji; dokładna wersja poprawki nie została zapisana. https://bioconductor.org/packages/limma/
MacBookAppleprocesor M4Lokalna stacja robocza obliczeniowa; specyfikacja pamięci nie została zapisana. https://www.apple.com/mac/
MetascapeMetascapev3.5Wzbogacenie GO/KEGG; dokładny znacznik czasu dostępu nie został zapisany. https://metascape.org/
Microsoft ExcelMicrosoftAplikacja desktopowaKuratela i eksport danych; wersja aplikacji nie została zapisana. https://www.microsoft.com/microsoft-365/excel
OMIMJohns Hopkins UniversityBaza danych onlinePobieranie genów związanych z CHF; wyszukano 2026-02-10. https://www.omim.org/
Open BabelOpen Babel ProjectWersja nie została zapisanaKonwersja struktur w procesie dokowania. https://openbabel.org/
PharmGKBPharmGKBBaza danych onlinePobieranie genów związanych z CHF; wyszukano 2026-02-12. https://www.pharmgkb.org/
PubChemNCBIBaza danych onlineUzupełnianie struktur i zapisów SMILES. https://pubchem.ncbi.nlm.nih.gov/
PyMOLSchrödingerWersja nie została zapisanaPreprocessing białek i wizualizacja poz eksperymentalnych. https://www.pymol.org/
RR Foundation4.2.0+Rodzina wersji odnotowana dla analizy; aktualna wersja 4.6. https://www.r-project.org/
RCSB Protein Data BankRCSB PDBArchiwum onlineKrystaliczne struktury białek. https://www.rcsb.org/
RStudioPosit2026.04.0+526IDE do analiz odnotowane w notatce o wersji. https://posit.co/download/rstudio-desktop/
STRINGSTRING ConsortiumUsługa internetowaHomo sapiens; confidence >0.9; metadane wersji/sesji nie zostały zapisane. https://string-db.org/
SwissADMESIB Swiss Institute of BioinformaticsUsługa internetowaPrzesiew ADME i reguły Lipinskiego; wersja lokalna nie dotyczy. https://www.swissadme.ch/
SwissTargetPredictionSIB Swiss Institute of BioinformaticsGłówna aktualizacja 2019Homo sapiens; prawdopodobieństwo >0.02; wyszukano 2026-02-10. https://www.swisstargetprediction.ch/
TCMSPNorthwest A&F Universityv2.3Pobieranie związków; wyszukano 2026-02-07. https://tcmsp-e.com/
TTDTherapeutic Target DatabaseWersja 2026Pobieranie genów związanych z CHF; wyszukano 2026-02-12. https://ttd.idrblab.cn/
UniProtKBUniProt ConsortiumWersja 2026_01Standaryzacja symboli genów Homo sapiens po recenzji. https://www.uniprot.org/
VennyCNB-CSICv2.1.0Wizualizacja części wspólnej zestawów celów. https://bioinfogp.cnb.csic.es/tools/venny/

Bibliografia

  1. McDonagh TA, et al. 2021 ESC Guidelines for the diagnosis and treatment of acute and chronic heart failure. Eur Heart J. 2021;42(36):3599-3726.
  2. Yang X, et al. The evolving burden of heart failure in China: a 34-year subnational analysis of trends and causes from the Global Burden of Disease Study 2023. Mil Med Res. 2025;12(1):65.
  3. Tang KH. Study on Zhenwu Decoction combined with Wuling Powder in the treatment of heart failure with yang deficiency and water flooding syndrome. Chin Med Guide. 2024;22(14):153-155.
  4. National Pharmacopoeia Commission. Pharmacopoeia of the People's Republic of China. 2025 ed. China Medical Science Press; Beijing; 2025.
  5. Daina A, Michielin O, Zoete V. SwissADME: a free web tool to evaluate pharmacokinetics, drug-likeness and medicinal chemistry friendliness of small molecules. Sci Rep. 2017;7:42717.
  6. Ru J, et al. TCMSP: a database of systems pharmacology for drug discovery from herbal medicines. J Cheminform. 2014;6:13.
  7. Daina A, Michielin O, Zoete V. SwissTargetPrediction: updated data and new features for efficient prediction of protein targets of small molecules. Nucleic Acids Res. 2019;47(W1):W357-W364.
  8. Zhou Y, et al. Metascape provides a biologist-oriented resource for the analysis of systems-level datasets. Nat Commun. 2019;10:1523.
  9. Hannenhalli S, et al. Transcriptional genomics associates FOX transcription factors with human heart failure. Circulation. 2006;114(12):1269-1276.
  10. Shahzadi Z, et al. Network pharmacology and molecular docking: combined computational approaches to explore the antihypertensive potential of Fabaceae species. Bioresour Bioprocess. 2024;11:53.
  11. Wang JX, Zhang S. Correlation between medication adherence, coping styles and depression in patients with chronic heart failure. J Int Psychiatry. 2026;53(1):225-228.
  12. National Center for Cardiovascular Diseases, Heart Failure Professional Committee of National Cardiovascular Experts Committee, Heart Failure Committee of Chinese Medical Doctor Association, et al. 2023 National guidelines for heart failure. Chin J Heart Fail Cardiomyopathies. 2023;7(4):215-311.
  13. Dong GJ, Wei Y. Expert consensus on TCM disease nomenclature of heart failure. Chin Arch Tradit Chin Med. 2025;43(7):253-258.
  14. Zhang ZJ. Treatise on Febrile Diseases. Qian CC, collator. People's Medical Publishing House; Beijing; 2005. p. 22-23.
  15. Zheng MH, Guo D. Research progress on active ingredients and mechanism of Zhenwu Decoction in the treatment of chronic heart failure. China J Tradit Chin Med Pharm. 2024;39(11):6007-6011.
  16. Chen L, Yu D, Ling S, Xu JW. Mechanism of tonifying-kidney Chinese herbal medicine in the treatment of chronic heart failure. Front Cardiovasc Med. 2022;9:988360.
  17. Wang Y, et al. A review of Chinese herbal medicine for the treatment of chronic heart failure. Curr Pharm Des. 2017;23(34):5115-5124.
  18. He Y, et al. Clinical evidence and potential mechanisms of traditional Chinese medicine for the treatment of chronic gastritis: an updated systematic review and meta-analysis. J Herb Med. 2023;42:100761.
  19. Wang H, et al. β-Sitosterol as a promising anticancer agent for chemoprevention and chemotherapy: mechanisms of action and future prospects. Adv Nutr. 2023;14(5):1085-1110.
  20. Dwivedi J, et al. Aspects of β-sitosterol's pharmacology, nutrition and analysis. Curr Pharm Biotechnol. 2025;26(14):2234-2256.
  21. Khan Z, et al. Multifunctional roles and pharmacological potential of β-sitosterol: emerging evidence toward clinical applications. Chem Biol Interact. 2022;365:110117.
  22. Jittiwat J, Suksamrarn A, Tocharus C, Tocharus J. Dihydrocapsaicin effectively mitigates cerebral ischemia-induced pathological changes in vivo, partly via antioxidant and anti-apoptotic pathways. Life Sci. 2021;283:119842.
  23. Lai Y, et al. Dihydrocapsaicin suppresses the STING-mediated accumulation of ROS and NLRP3 inflammasome and alleviates apoptosis after ischemia-reperfusion injury of perforator skin flap. Phytother Res. 2024;38(5):2539-2559.
  24. Chen Y, et al. Dihydrocapsaicin attenuates oxidative stress and apoptosis in acute myocardial infarction via promoting Raf-1/ASK1 complex formation. Phytomedicine. 2025;146:157126.
  25. Li YX, Liu SY. Kaempferol alleviates myocardial injury in rats with coronary heart disease via regulating the PI3K/AKT/mTOR pathway. Chin J Histochem Cytochem. 2025;34(5):439-445.
  26. Wu JP, Chen JJ, Yuan Q, et al. Effects and mechanisms of kaempferol on cardiomyocyte apoptosis induced by hypoxia/reoxygenation injury. Shaanxi Med J. 2024;53(1):3-7,18.
  27. Chen MJ, Li XD, Wang NN. Effects and mechanisms of kaempferol on cardiac function in rat models of chronic heart failure. Prog Anat Sci. 2023;29(1):18-20,24.
  28. Zhou WM, Lang SK, Ge X, et al. Benzoylaconine alleviates oxygen-glucose deprivation/reoxygenation-induced cardiomyocyte injury via the phosphatidylinositol 3-kinase/protein kinase B pathway. Chin J Geriatr Heart Brain Vessel Dis. 2025;27(2):211-216.
  29. Brand CS, Lighthouse JK, Trembley MA. Protective transcriptional mechanisms in cardiomyocytes and cardiac fibroblasts. J Mol Cell Cardiol. 2019;132:1-12.
  30. Wang X, Chen ZQ, Li L, et al. Effects of Zhenwu Decoction on cardiomyocyte apoptosis and PI3K-AKT pathway in heart failure rats. Chin J Comp Med. 2022;32(7):27-33,57.
  31. Lou WZ, Huang SS, Chen BS. Mechanism analysis of Ginkgo biloba leaves against chronic heart failure. Zhejiang Clin Med J. 2026;28(1):32-37.
  32. Hanna A, Frangogiannis NG. Inflammatory cytokines and chemokines as therapeutic targets in heart failure. Cardiovasc Drugs Ther. 2020;34(6):849-863.
  33. Berger M, et al. IL-6 and hsCRP predict cardiovascular mortality in patients with heart failure with preserved ejection fraction. ESC Heart Fail. 2024;11(6):3607-3615.
  34. Zhang H, Dhalla NS. The role of pro-inflammatory cytokines in the pathogenesis of cardiovascular disease. Int J Mol Sci. 2024;25(2):1082.
  35. Wu PL, Wei M, Zhu W. Src signaling pathway and its role in the pathophysiology of heart failure. Int J Cardiovasc Dis. 2013;40(1):6-8,15.
  36. Li W, et al. Src tyrosine kinase promotes cardiac remodeling induced by chronic sympathetic activation. Biosci Rep. 2023;43(10):BSR20231097.
  37. Zhai Y, et al. Src-family protein tyrosine kinases: a promising target for treating cardiovascular diseases. Int J Med Sci. 2021;18(5):1216-1224.
  38. Qian C, Liu J, Liu H. Targeting estrogen receptor signaling for treating heart failure. Heart Fail Rev. 2024;29(1):125-131.
  39. Fukuma N, et al. Estrogen receptor-α non-nuclear signaling confers cardioprotection and is essential to cGMP-PDE5 inhibition efficacy. JACC Basic Transl Sci. 2020;5(3):282-295.
  40. Sun Y, et al. Signaling pathway of MAPK/ERK in cell proliferation, differentiation, migration, senescence and apoptosis. J Recept Signal Transduct Res. 2015;35(6):600-604.
  41. Zhang Z, et al. Targeting MAPK-ERK/JNK pathway: a potential intervention mechanism of myocardial fibrosis in heart failure. Biomed Pharmacother. 2024;173:116413.
  42. Deng S, et al. PI3K/AKT signaling tips the balance of cytoskeletal forces for cancer progression. Cancers (Basel). 2022;14(7):1652.
  43. Ghafouri-Fard S, et al. Interplay between PI3K/AKT pathway and heart disorders. Mol Biol Rep. 2022;49(10):9767-9781.
  44. Cardiovascular Branch of Chinese Medical Association, Cardiovascular Physicians Branch of Chinese Medical Doctor Association, Heart Failure Professional Committee of Chinese Medical Doctor Association, et al. 2024 Chinese guidelines for the diagnosis and treatment of heart failure. Chin J Cardiovasc Dis. 2024;52(3):235-275.
  45. Li TT, et al. Correlations of BNP, Hcy and blood lipid levels with cardiac function and prognosis in elderly patients with chronic heart failure. Chin J Evid Based Cardiovasc Med. 2021;13(9):1050-1053.
  46. Zhou L. Clinical study on TCM syndrome types, blood lipid levels and cardiac function in 150 patients with chronic heart failure. Guide China Med. 2024;22(12):77-79.
  47. Müller-Ehmsen J, Schwinger RH. TNF and congestive heart failure: therapeutic possibilities. Expert Opin Ther Targets. 2004;8(3):203-209.
  48. Arvunescu AM, et al. Inflammation in heart failure—future perspectives. J Clin Med. 2023;12(24):7738.
  49. Yu L, Feng Z. The role of Toll-like receptor signaling in the progression of heart failure. Mediators Inflamm. 2018;2018:9874109.
  50. Ye S, et al. Toll-like receptor 2 signaling deficiency in cardiac cells ameliorates Ang II-induced cardiac inflammation and remodeling. Transl Res. 2021;233:62-76.
  51. Vianello E, et al. The advanced glycation end-products (AGE)-receptor for AGE system (RAGE): an inflammatory pathway linking obesity and cardiovascular diseases. Int J Mol Sci. 2025;26(8):3707.

Przedruki i uprawnienia

Tagi

Przesiewanie zwi zk wmapowanie cel wgeny r nicowo wyra aneszlak PI3K Akt
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.