Исследовательская статья

Сетевая фармакология, машинное обучение и валидация капсулы Даньчжи Цзянтан в организме при диабетической нефропатии

54 просмотров

⸱

DOI:

10.3791/71328

⸱

28 июля 2026 г.

 ,  ,  ,  ,  , 
1Anhui University of Chinese Medicine

В этой статье

Краткое содержание

Капсула Даньчжи Цзянтан (DJC) может ослаблять диабетическую нефропатию (ДН), что подтверждается изменениями в сигнальной передаче хемокина и маркерами пироптоза, подтверждёнными биоинформатикой и валидацией in vivo .

Аннотация

Хотя капсула Даньчжи Цзянтан (DJC) — это традиционный китайский травяной препарат, клинически используемый при диабете, как она может защитить почки при диабетической нефропатии (ДН), пока не полностью выяснена. Данное исследование было направлено на изучение возможных механизмов воздействия DJC на DN, с акцентом на каскад сигнализации, связанный с пироптозом семейства NLR, содержащий 3 (NLRP3)/Caspase-1/gasdermin D (GSDMD).

Была применена интегрированная стратегия, объединяющая сетевую фармакологию и машинное обучение. Для скрининга биоактивных ингредиентов и соответствующих белковых мишень DJC использовались база данных и анализа традиционных китайских медицинских систем фармакологии (TCMSP) и инструмент анализа молекулярных механизмов традиционной китайской медицины (BATMAN-TCM). Гены, ассоциированные с DN, были получены из Gene Expression Omnibus (GEO), GeneCards и Online Mendelian Inheritance in Man (OMIM). Ключевые кандидатские цели были отбором и ранжированы с использованием нескольких алгоритмов машинного обучения. Связывание между активными ингредиентами DJC и основными мишенями оценивалось с помощью молекулярного стыкинга. Наконец, терапевтическая эффективность и предсказанные механизмы были оценены у мышей с диабетом db/db.

Анализ фармакологии сети выявил 599 мишень DJC и 68 перекрывающихся генов, общих с DN. С помощью алгоритмов машинного обучения были выявлены хемокиновые лиганды C-C мотива 2 (CCL2) и CASP1 как приоритетные кандидат-мишени. Молекулярное соединение предсказало возможные сильные связывающие связи между активными компонентами DJC и этими основными белками. Анализ функционального обогащения (GO/KEGG) показал, что модуляция DJC связана с воспалительными реакциями и путём MAPK. Валидация in vivo показала, что лечение DJC ослабляет маркеры почечного повреждения и фиброза. Эти данные свидетельствуют о том, что DJC может частично ослаблять DN через изменения сигнализации пироптоза с мотивом CCL2/C-C хемокинового рецептора 2 (CCR2).

Введение

Глобальное бремя сахарного диабета (СД) продолжает расти, создавая серьёзную проблему для общественного здравоохранения. По оценкам, ежегодно около 5,2 миллиона смертей связаны с ДМ и связанных с нейосложнений. 1. DN считается тяжелым микрососудистым осложнением и одним из основных факторов развития терминальной стадии почечной недуги (ESRD), затрагивая примерно 30-40%диабетиков 2,3. Несколько взаимосвязанных факторов способствуют прогрессированию патологической ДНК, включая метаболические нарушения, ремоделирование гемодинамики и устойчивые воспалительные реакции. Патологические нарушения, включая высокий уровень глюкозы и гиперлипидемию, активируют путь пироптоза, опосредованный NLRP3/каспаза-1/GSDMD, вызывая воспалительную программную смерть в почечных мезангиальных и трубчатых эпителиальных клетках, за которой следуют прогрессирующие тубулоинтерстициальныепоражения 4. Пироптоз характеризуется разрывом плазматической мембраны, что способствует выделению IL-1β и IL-185. Такие провоспалительные факторы усиливают транскрипцию хемокина лиганда C-C мотива 2 (CCL2), способствуют инфильтрации макрофагов и дополнительно усиливают пироптотическую активацию, тем самым постепенно усугубляя поврежденияпочек 6. В клинической практике это состояние проявляется прогрессирующей альбуминурией и постепенным снижением скорости клубочковой фильтрации, что может привести к необратимому повреждению почек и заметному ухудшению качества жизнипострадавших 7,8. Несмотря на достижения в медицинской помощи, современные терапевтические методы, которые в основном сосредоточены на строгом контроле гликемии и артериального давления, часто не могут полностью остановить прогрессирование заболевания. Хотя новые фармакотерапии, включая блокирующие SGLT2, агонисты GLP-1 и блокаторы минералокортикоидных рецепторов, а также терапии стволовыми клетками и диетические вмешательства, привлекли значительное внимание и становятся всё более распространёнными напрактике 9, остаточный риск ДН остаётся высоким. Таким образом, разработка инновационных терапевтических веществ остаётся приоритетом для исследований, особенно традиционной медицины, которые могут одновременно воздействовать на несколько патологических путей.

Капсула Даньчжи Цзянтан (DJC) — эксклюзивная для больницы формула, разработанная в Первой аффилированной больнице Университета китайской медицины Аньхой (Одобрение на подготовку Аньхойского провинциального медицинского учреждения No Z20090006; Патент No ZL200310112845.1; Партия No 20220427), является перспективным кандидатом в терапевтическую сферу. Он должен быть запечатан, хранён в сухой, проветриваемой среде и защищён от света. Формула состоит из шести традиционных китайских трав: Pseudostellaria heterophylla (Radix Pseudostellariae), Whitmania pigra (Hirudo), Alisma orientale (Alismatis Rhizoma), Cuscuta chinensis (Cuscutae Semen), Paeonia suffruticosa (Moutan Cortex) и Rehmannia glutinosa (Rehmanniae Radix Praeparata) (5:4:4:3:2:5)10. В клинической практике DJC продемонстрировала значительную гипогликемическую эффективность и способность снижать маркеры повреждения почек у пациентов сдиабетом 11. Предыдущие исследования показывают, что DJC может оказывать ренопротекторный эффект, регулируя уровень глюкозы в крови и метаболизмлипидов 12,13,14. Предыдущие исследования DJC в основном были сосредоточены на валидации по одному пути с несистематическим выбором целей. Поэтому мы интегрировали сетевую фармакологию и машинное обучение для скрининга активных компонентов и выявления основных генов хаба, а затем предварительной валидации in vivo для усиления анализа.

Сетевая фармакология предлагает эффективную стратегию вскрытия сложных травяных рецептов. Эта структура объединяет биоинформатические и систематические биологические подходы, вычислительную химию и фармакологию для расшифровки механизмов действия лекарств «многокомпонентных, многоцелевых и многопутных» 15,16,17. Такой целостный подход позволяет структурированно исследовать сложные взаимодействия между растительными соединениями и специфическими для заболеваний сетями, раскрывая синергетические эффекты, присущиеТКМ 18. Однако традиционная сетевая фармакология иногда может создавать чрезмерный шум в данных. Для преодоления этой проблемы интеграция алгоритмов машинного обучения позволяет точно отбирать основные характерные гены из крупномасштабных наборов данных. Кроме того, молекулярное стыкованное соединение предоставляет интуитивно динамичную перспективу для прогнозирования потенциальных аффинностей связывания между лекарством ибиомолекулой 19.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

Скрининг биоактивных соединений и потенциальных целей DJC

Биоактивные соединения шести трав из DJC: Pseudostellaria heterophylla (Radix Pseudostellariae), Paeonia suffruticosa (Moutan Cortex), Cuscuta chinensis (Cuscutae Semen), Alisma orientale (Alismatis Rhizoma), Rehmannia glutinosa (Rehmanniae Radix Praeparata) и Whitmania pigra (Hirudo) были извлечены из базы данных TCMSP. Скрининг проводился на основе фармакокинетических параметров: пероральной биодоступности (OB) ≥ 30% и подобия препарата (DL) ≥ 0,18. Для Whitmania pigra, не имеющей данных в TCMSP, её активные соединения и мишени были получены из BATMAN-TCM с использованием балла ≥ 20 и P-значения < 0,05 в качестве критериев отбора. UniProt применялся для унификации всех собранных мишень в стандартную номенклатуру генов.

Приобретение генов, связанных с DN

Гены, связанные с DN, были собраны из трёх источников. Во-первых, в GeneCards и OMIM был поиск с «диабетической нефропатией» в качестве поискового запроса. Гены из GeneCards с показателем релевантности > 1 сохранялись. Во-вторых, из репозитория GEO были получены три профиля микрочипов (GSE30529, GSE104948, GSE96804). Образцы в GSE30529 были взяты из почечных канальцев, тогда как образцы в GSE104948 и GSE96804 происходили из клубочков почек. Все поиски в базе данных были проведены 15 декабря 2024 года. Дифференциально экспрессированные гены (DEG) между пациентами с DN и здоровыми контролями в GSE30529 наборе данных были выявлены с помощью пакета limma в программном обеспечении R. Критерии скрининга были установлены на скорректированном p-значении < 0,05 и |log2(Изменение складки)| > 0,5. Вулканические графики и тепловые карты отображали дифференциально экспрессированные гены.

Определение предполагаемых терапевтических мишеней DJC для DN

Анализ диаграммы Венна выявил общие локусы между пулом целевых DJC и DN-ассоциированными генами из GeneCards, OMIM и GSE30529 DEGs. Эти общие локусы служили кандидатами в терапевтические гены для всех последующих исследовательских процедур.

Создание и профилирование сетей взаимодействия белков (PPI)

Предполагаемые терапевтические локусы были загружены в STRING для построения сети взаимодействия белок-белок, при этом порог взаимодействия выше 0,4 доверия. Cytoscape обрабатывал сетевые наборы данных для визуального представления. Топологические индексы, такие как Степень, вычислялись через плагин CytoNCA, чтобы определить основные узлы по всей сети.

Анализ обогащения

Для определения биологических ролей и сигнальных каскадов, связанных с кандидатными целями, функциональное обогащение было проанализировано в R с помощью пакета clusterProfiler с использованием org. Hs.eg.db для аннотаций, а ggplot2 — для визуализации. Термины генной онтологии (GO) оценивались по категориям биологических процессов (BP), клеточных компонентов (CC) и молекулярной функции (MF). Пути Киотской энциклопедии генов и геномов (KEGG) сохранялись, когда p-значение обогащения составляло < 0,05.

Применение алгоритма CytoHubba

Плагин CytoHubba в Cytoscape использовался для вычисления четырёх топологических индексов центральности для каждого узла сети. Степень, то есть количество непосредственно связанных соседей, отражает широту взаимодействий каждого белка. Максимальная компонента окрестности (MNC), метрика, количественно определяющая размер самой большой связной компоненты в подграфе окрестностей узла, измеряет локальное регуляторное влияние. Компонент с перколяцией по краям (EPC) оценивает глобальную структурную значимость посредством моделирования случайного удаления ребер и количественной оценки среднего размера соединённого компонента. Гены, входящие в топ-20 по каждому индексу, были пересечени, чтобы получить окончательные хабовые гены.

Скрининг основных генов на основе машинного обучения

Три подхода машинного обучения были применены к профилям экспрессии из GSE30529 набора данных для выявления надёжных генов-хабов среди кандидатов-целей.

(1) LASSO (оператор наименьшей абсолютной усадки и выбора): параметр регуляризации λ был настроен с помощью пятикратной перекрестной валидации, при этом оптимальное значение определялось средней производительностью по сгибам. Входные признаки экспрессии гена подверглись автоматической стандартизации Z-score для устранения эффектов масштаба экспрессии. При фиксированном α параметре штрафа на уровне 1 для чистой регуляризации LASSO использовалась заранее заданная панель из 100 λ для скрининга. Штраф L1 снизил коэффициенты признаков с низкой значимостью до нуля, что позволило одновременно выбирать признаки и управлять сложностью, а сила регуляризации, настроенная на кросс-валидацию, снижала риск переподгонки.

(2) SVM-RFE (Support Vector Machine-Recursive Feature Elimination): Была использована двухслойная пятиступенчатая кросс-валидационная структура для обеспечения надёжного скрининга признаков. Пять непересекающихся подмножеств были сгенерированы путём стохастического деления всего набора данных: четыре использовались для обучения и одно — для тестирования на протяжении пяти итераций; Усреднение по складкам смягчало смещение при разделении одной выборки. Рекурсивное устранение признаков применялось для уменьшения размерности признаков и ограничения сложности моделей, что уменьшило переподгонку. Уровень ошибок и точность классификации служили показателями производительности для определения оптимального количества признаков.

(3) Случайный лес (RF): Был построен первоначальный случайный лес из 500 деревьев, оптимальное число дерева определялось минимальной ошибкой классификации из мешка для переобучения конечной модели. Все оставшиеся гиперпараметры, включая размер случайного подмножества признаков при каждом разделении узла, оставались на стандартных настройках пакета. Показатели значимости генов из финальной модели ранжировались в убывающем порядке для генерации набора генов сигнатуры заболевания. Окончательный набор основных генов определялся путём пересечения результатов этих трёх алгоритмов.

Независимая верификация экспрессии генов хаба на основе наборов данных

Для валидации уровней транскриптов генов хаба использовались два независимых внешних набора данных, GSE104948 и GSE96804. Наборы данных экспрессии генов подверглись нормализации; Различия экспрессии между случаями DN и здоровыми испытуемыми были нанесены на график с помощью наборов инструментов R ggplot2 и ggsignif.

Молекулярная стыковка

3D-конформации белков-мишень хаба (CASP1, PDB ID: 3E4C; CCL2, PDB ID: 7S00) были получены из Protein Data Bank. Биоактивные 3D-конформации были получены через PubChem. Для докинга были выбраны урсоловая кислота, 3β-гидроксиуры-12-en-28-oic кислоты и кверцетин, поскольку сетевая фармакология предсказывала взаимодействия между этими активными соединениями и основными мишенями CCL2 или CASP1. Структуры белка предварительно обрабатывались путём удаления нативных лигандов и молекул воды, введения полярных водородов и последующего молекулярного стыковки с помощью AutoDock Vina. Аффинность связывания, представленная шкалой стыковки (в ккал/моль), служила для оценки силы взаимодействий. Был установлен порог энергии связи −5,0 ккал/моль для определения стабильных межмолекулярных взаимодействий. Пристыкованные конформации визуализировались с помощью PyMOL.

Животные и экспериментальный дизайн

В настоящем исследовании использовали 30 8-недельных самцов мышей с определённым степенью без патогенов (SPF), а также 10 мышей с SPF db/m с соответствующим возрастом. Все экспериментальные мыши выращивались на объекте класса SPF в 12-часовом светло-тёмном фотопериоде и поддерживались в стабильных условиях: 22 ± 2 °C, относительная влажность 50–70% и неограниченный доступ к обычной пищевой и питьевой воде. Этическое одобрение для всех экспериментальных протоколов in vivo было предоставлено Комитетом по этике животных Университета китайской медицины Аньхой (Одобрение No AHUCM-mouse-2023059).

Грызуны проходили 7-дневную фазу адаптации перед случайным группированием (по 6 животных каждая) и 8 недель ежедневного вмешательства. Уровень глюкозы натощак измерялся у всех экспериментальных животных; животные распределялись с помощью таблицы случайных чисел, а гистология, IHC и вестерн-блот количественно оценивались под слепой оценкой.

Группа нормального контроля (CTL): мыши с дб/м получают физиологический раствор перорально.

Группа модели (M): мыши с дб/дб , получающие физиологический раствор перорально.

Группа DJC-Medium Dose (DJC-M): мыши с db/db получают DJC в дозе 0,78 г/кг (эквивалентно клинической суточной дозе для взрослых).

Группа DJC-High Dose (DJC-H): мыши с db/db получают DJC в дозе 1,56 г/кг (вдвое больше клинической суточной дозы у взрослых).

Подготовка к дозированию

Масштабирование дозы от человека к мыши было разработано с использованием подхода нормализации площади поверхности тела, изложенного в «Методологии фармакологических экспериментов», с коэффициентом преобразования 9,1. Клиническая суточная доза DJC составляла 6 г для взрослого человека весом 70 кг (0,0857 г/кг), обеспечивая эквивалентные доза у мышей 0,78 г/кг (1-кратная клиническая доза) и 1,56 г/кг (двухкратная клиническая доза). Все мыши получали внутрижелудочный ввод при постоянном объёме 10 мл/кг. Порошок DJC точно взвешивали и взвешивали в растворе CMC-Na 0,5%, чтобы получить равномерные суспензии при 78 мг/мл (средняя доза) и 156 мг/мл (высокая доза).

После 8 недель ежедневного применения анестезия была введена у всех экспериментальных мышей с применением 1% натрия пентобарбитала. Образцы крови были собраны через брюшную аорту и центрифугированы для выделения супернатантов для биохимических анализов на основе наборов. Для сбора образцов мышиной мочи использовались метаболические клетки. Частично зафиксированы ткани почек в 4% параформальдегиде для окрашивания гематоксилин-эозина (HE) и массона. Замораживаемые в жидком азоте, остаточные ткани почек сохранялись при −80 °C для дальнейших аналитических анализов.

Гистологический анализ

После фиксации в 4% параформальдегиде ткани почек подверглись постепенному обезвоживанию этанола, очищению, внедрению парафина и последовательному сечению 4-мкм для последующего трихромного окрашивания HE и Массона. Окрашивание HE проводилось по стандартным процедурам (депарафинизация, регидратация, окрашивание гематоксилиновым ядром, дифференцировка и посинение с кислотным этанолом, противоокрашивание эозином, обезвоживание, клиринг и монтаж нейтрального бальзама) для наблюдения за гистопатологическими изменениями почек. Срезы погружались в гематоксилин-окрашивание на 3 минуты, затем эозиновое контрокрашивание в течение 15 секунд. Для трихромной окрашивания Массона секции прошли депарафинизацию, регидратацию, последовательное окрашивание, дифференцировку и разделение цвета уксусной кислотой, после чего следовали обезвоживание, очищение и монтаж для оценки накопления коллагена и фиброзных изменений в почках. Для осмотра и фотографирования всех окрашенных срезов ткани с увеличением 200× использовалась микроскопия с ярким полем. Срезы, окрашиваемые HE, оценивались с помощью индекса гломерулярного склероза (GSI). Для трихромного окрашивания Массона был применён пресет Массона Трихром для выделения синего коллагенового канала, а также рассчитано отношение площади коллагена к красной ткани.

Иммуногистохимия (IHC)

После 24-часовой фиксации с 4% параформальдегидом образцы тканей были обезвожены с помощью последовательных градиентов этанола, затем были вложены в парафин и разрезаны на последовательные срезы размером 5 мкм. После депарафинизации участки подвергались забору антигена и блокировке эндогенной пероксидазы. После блокировки тканевые стекли инкубировали с разбавлёнными первичными антителами при температуре 4 °C на ночь во влажной камере. Слайды получали вторичную инкубацию антител при комнатной температуре после промывания PBS, затем хромогенную реакцию DAB до достижения оптимальной интенсивности окрашивания. Затем секции подвергались последовательному контрокрашиванию гематоксилином, дифференциации, побледению, обезвоживанию, очистке, монтажу с покрытием и микроскопической визуализации с ярким полем. Забор антигена проводился с помощью автоклавирования в течение 10 минут, после чего естественное охлаждение до комнатной температуры. После блокировки 5% козьей сывороткой в течение 60 минут при комнатной температуре секции инкубировали с первичным антителом (разбавление 1:200), а затем с HRP-конъюгированным козьим антителом IgG (разбавление 1:300) по 60 минут при комнатной температуре. Хромогенная реакция DAB проводилась в течение 3–5 минут при комнатной температуре, микроскопически наблюдалась и завершалась промывкой дистиллированной водой. Изображения были получены с увеличением ×200, а процент положительной области окрашивания был количественно измерен с помощью ImageJ.

Обнаружение ELISA

Этапы анализа соответствовали официальным протоколам, предоставленным поставщиками наборов. Буфер для промывания и серийно разбавленные стандарты были подготовлены заранее. Пустые, стандартные и пробные ямы загружались реагентами и инкубировали в темноте. После инкубации пластины тщательно промывали, а затем инкубировали с ферментом, конъюгированным в темноте. После промывки добавлялся хромогенный субстрат для цветовой реакции, защищённой светом, которая завершалась стоп-буфером после появления чётких синих градиентов в стандартных колодцах. Поглощение (OD) каждой ямы измерялось на целевой длине волны с помощью считывателя микропластин. Концентрации IL-1β и IL-18 в сыворотке были количественно измерены с помощью калибровочных кривых, полученных из OD значений стандартных концентраций (неразбавленные образцы сыворотки; абсорбация измерена на 450 нм; восемь технических реплицированных скважин на образец). Мочевый креатинин и 24-часовой мочевой белок измерялись в неразбавленных образцах мочи, собранных с использованием 24-часовых метаболических клеток (поглощение показано при 546 нм; восемь технических репликий на образец).

Количественная ПЦР в реальном времени (RT-qPCR)

Общая РНК была выделена из почечных тканей, а её чистота и концентрация определялись спектрофотометрией. Очищенная РНК была обратно транскрипирована для получения шаблонов кДНК. RT-qPCR проводилась на приборе реального времени с помощью следующей программы термического циклирования: 5 минут предварительной денатурации (95 °C), за которой следовало 40 патронов усиления: 15 с при 95 °C, 1 минута при 60 °C. RT-qPCR проводилась в реакции 10 мкл, содержащей 5 мкл SYBR Green Master Mix, 0,2 мкл прямого праймера, 0,2 мкл обратного праймера, 1 мкл кДНК-шаблона и 3,6 мкл воды, свободной от РНаз. Обратная транскрипция для синтеза кДНК проводилась при общем объёме реакции 20 мкл. Для подтверждения специфичности амплификации был проведён анализ по кривой плавления, и каждый образец был проанализирован в трёх технических репликах. Уровни транскриптов оценивались с помощью нормализации 2⁻ΔΔCq до β-актина, при этом все последовательности праймеров были перечислены в Таблице 1.

Вестерн-блот анализ

Из каждой когорты мышей было взято примерно 40 мг образцов почечной ткани, измельчены на льду и полностью гомогенизированы в буфере с лизисом белка. После 15-минутного вращения при 12 000 об/мин при 4 °C был собран, алицитирован и криоконсервирован белоксодержащий супернатант из гомогенатов тканей. Белоковый супернатант смешивался с буфером для загрузки и денатурировался путём кипячения в водяной бане. Примерно 10 мкл нормированного белкового образца было загружено на каждый канал и выделено на 10% SDS-полиакриламидных гелях. Целевые белки передавались в нитроцеллюлозные фильтры с помощью влажного электроблотинга. Передача проводилась при фиксированном токе 400 мА в ледяной ванне в течение 30–45 минут. После переноса пятна инкубировали в холодном обезжиренном молоке в течение 2 часов, затем инкубировали ночью при 4 °C с первичными антителами 1:1 000. Промытые пятна покрывались соответствующими вторичными антителами (1:10 000) при 4 °C в течение 2 часа, а люминесцентные сигналы полосы записывались и количественно измерялись с помощью блочных фотографий с помощью программного обеспечения ImageJ. Для GSDMD-N тубулин использовался в качестве контроля нагрузки, поскольку его ожидаемая молекулярная масса (~35 кДа) совпадает с массой GAPDH (~36 кДа). Все эксперименты с вестерн-блот проводились с тремя независимыми биологическими репликами.

Статистический анализ

Количественные данные представлены как среднее ± стандартное отклонение (SD). Различия между двумя группами анализировались с помощью t-теста Стьюдента без пары, тогда как сравнения между несколькими группами оценивались с помощью одностороннего анализа дисперсии (ANOVA), за которым следовал пост-хок тест Тьюки. p-значение < 0,05 считалось статистически значимым.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

Идентификация биоактивных компонентов и целей DJC

Всего из шести трав, входящих в состав DJC, было выявлено 66 биоактивных соединений, соответствующих критериям скрининга (OB ≥ 30% и DL ≥ 0,18). Среди них было 26 соединений из Pseudostellaria heterophylla, 6 из Paeonia suffruticosa, 8 из Cuscuta chinensis, 6 из Alisma orientale, 10 из Rehmannia glutinosa и 10 из Whitmania pigra. Стандартиза...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

DN остаётся ведущей причиной ESRD, характеризующимся сложным и многофакторным патогенезом, который пока не полностьюизучен 20,21. Хотя DJC показал многообещающую клиническую эффективность в улучшении DN, основные молекулярные механизмы остаются в значительной степенинеуловимыми 22. В этом исследовании мы использовали мультиомическую аналитическую схему, интегрирующую сетевую фармакологию, инструменты машин...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

У авторов нет конфликтов интересов, которые нужно раскрывать.

Благодарности

Эта работа была поддержана ключевыми исследовательскими проектами провинциальных университетов Аньхой (грант No 2024AH050968).

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
Набор для определения креатинина (CRE)Nanjing Jiancheng Bioengineering InstituteC011-2-1
ECLBiosharpBL520B
Набор для окрашивания эозиномServicebioG1002
Конъюгат козлиного анти-кроличного IgG-HRPAbbkineA21020
Набор для окрашивания гематоксилиномServicebioG1004
Набор для окрашивания по Массону-ТрихромServicebioG1006
Набор для определения ИЛ-1β мышей с ЭЛИСАMeiMianMM-0040M1
Набор для определения ИЛ-18 мышей с ЭЛИСАMeiMianMM-0169M1
Кроликовое анти-мышиное антитело к Каспазе 1AffinityAF5418
Кроликовое анти-мышиное антитело к CCL2Abcamab315478
Кроликовое анти-мышиное антитело к расщепленной Каспазе-1AffinityAF4005
Кроликовое анти-мышиное антитело к GAPDHZenbioR380626
Кроликовое анти-мышиное антитело к GSDMD-NAbcamab219800
Кроликовое анти-мышиное антитело к NLRP3Abcamab263899
Кроликовое анти-мышиное антитело к тубулинуAffinityAF7011
Набор для обратной транскрипцииBiosharpBL696A
RIPA буфер для лизисаBeyotime BiotechnologyP0013
RIPA буфер для лизисаLeagenePS0013
Реагент для выделения РНКServicebioG3013-100ML
SYBR Green Master MixServicebioG3326-05
Набор для количественного определения белков в мочеNanjing Jiancheng Bioengineering InstituteC035-2-1
название программного обеспеченияверсия
AutoDock Vina1.2.3
Программное обеспечение Cytoscape3.10.0
GraphPad Prism9.0
ImageJjava 1.8.0_345
PyMOL2.5
Программное обеспечение R4.2.0

Ссылки

  1. Demir S, Nawroth PP, Herzig S, Ekim Üstünel B. Emerging targets in type 2 diabetes and diabetic complications. Adv Sci (Weinh). 2021;8(18):e2100275.
  2. Zimmet PZ, Magliano DJ, Herman WH, Shaw JE. Diabetes: a 21st century challenge. Lancet Diabetes Endocrinol. 2014;2(1):56-64.
  3. Liu M, et al. Loss of glomerular aldolase B in diabetic nephropathy promotes renal fibrosis via activating Akt/GSK-3β/β-catenin axis. J Adv Res. 2025;76:207-18.
  4. Wang L, et al. Puerarin reduces diabetic nephropathy-induced podocyte pyroptosis by modulating the SIRT1/NLRP3/caspase-1 pathway. Mol Cell Endocrinol. 2025;595:112409.
  5. Wang Y, et al. C-reactive protein promotes diabetic kidney disease via Smad3-mediated NLRP3 inflammasome activation. Mol Ther. 2025;33(1):263-78.
  6. Liu Y, et al. Role of MCP-1 as an inflammatory biomarker in nephropathy. Front Immunol. 2024;14:1303076.
  7. Bai Z, Huang X, Nie S. Kidney function-related protection of polysaccharides from red kidney bean and small black soybean via urine metabolomics in type 2 diabetic rats. Carbohydr Polym. 2025;355:123311.
  8. Xuan C, et al. Isoquercitrin alleviates diabetic nephropathy by inhibiting STAT3 phosphorylation and dimerization. Adv Sci (Weinh). 2025;12(25):e2414587.
  9. Hu Q, et al. Diabetic nephropathy: focusing on pathological signals, clinical treatment, and dietary regulation. Biomed Pharmacother. 2023;159:114252.
  10. Wu YJ, et al. Danzhi Jiangtang Capsule mediates NIT-1 insulinoma cell proliferation and apoptosis by GLP-1/Akt signaling pathway. Evid Based Complement Alternat Med. 2019;2019:5356825.
  11. Sun M, et al. Danzhi Jiangtang Capsule ameliorates kidney injury via inhibition of the JAK-STAT signaling pathway and increased antioxidant capacity in STZ-induced diabetic nephropathy rats. Biosci Trends. 2018;12(6):595-604.
  12. Fang Z, et al. Radix pseudostellariae of Danzhi Jiangtang capsule relieves oxidative stress of vascular endothelium in diabetic macroangiopathy. Saudi Pharm J. 2020;28(6):683-91.
  13. Xie J, et al. Danzhi Jiangtang capsule reduces renal injury in rats with diabetes induced by high fat diet and streptozotocin via downregulating toll-like receptor 4-nuclear factor-κB pathway and apoptosis. J Tradit Chin Med. 2023;43(2):312-21.
  14. Fang Z, et al. The effects of Danzhi Jiangtang capsule on clinical indices and vascular endothelial function in patients with impaired glucose tolerance of Qi-Yin deficiency type. Ann Med. 2023;55(2):2291185.
  15. Li X, et al. Network pharmacology prediction and molecular docking-based strategy to explore the potential mechanism of Huanglian Jiedu Decoction against sepsis. Comput Biol Med. 2022;144:105389.
  16. Zhao L, et al. Network pharmacology, a promising approach to reveal the pharmacology mechanism of Chinese medicine formula. J Ethnopharmacol. 2023;309:116306.
  17. Li X, et al. Network pharmacology approaches for research of traditional Chinese medicines. Chin J Nat Med. 2023;21(5):323-32.
  18. Zhao N, et al. Integrated chemical composition, transcriptomics, and network pharmacology to reveal the mechanism of Jia-Wei-Si-Miao-Yong-An Decoction in ACS model rats. Phytomedicine. 2025;145:157027.
  19. Wu J, et al. Use of molecular dynamics simulations to study how plant biomolecules help improve environmental health. Sci Total Environ. 2023;869:161871.
  20. Abhirami BL, Krishna AA, Kumaran A, Chiu CH. Targeting NF-κB in diabetic nephropathy: exploring the therapeutic potential of phytoconstituents. Arch Pharm Res. 2025;48(7-8):577-637.
  21. Joumaa JP, et al. Mechanisms, biomarkers, and treatment approaches for diabetic kidney disease: current insights and future perspectives. J Clin Med. 2025;14(3):727.
  22. Shi H, et al. In vivo and in vitro studies of Danzhi Jiangtang capsules against diabetic cardiomyopathy via TLR4/MyD88/NF-κB signaling pathway. Saudi Pharm J. 2021;29(12):1432-40.
  23. Deng Y, et al. Mechanism exploration of Wenshen Jianpi Decoction on renoprotection in diabetic nephropathy via transcriptomics and metabolomics. Phytomedicine. 2025;139:156446.
  24. Li J, et al. Mechanistic investigation of astragalus root in the management of T2DM-NAFLD comorbidity: an integrated network pharmacology, molecular docking, molecular dynamics simulation, and in vitro study. Pharmaceuticals (Basel). 2026;19(2):289.
  25. Li X, et al. Integrating network pharmacology, bioinformatics, and experimental validation to unveil the molecular targets and mechanisms of galangin for treating hepatocellular carcinoma. BMC Complement Med Ther. 2024;24(1):208.
  26. Zhao L, et al. Inflammation in diabetes complications: molecular mechanisms and therapeutic interventions. MedComm (2020). 2024;5(4):e516.
  27. Shen J, et al. Different types of cell death in diabetic endothelial dysfunction. Biomed Pharmacother. 2023;168:115802.
  28. Li J, et al. Investigating the effects and potential mechanisms of astragalus root against diabetic nephropathy based on bioinformatics analysis and in vitro validation. Int J Mol Sci. 2026;27(10):4641.
  29. Tang L, et al. ATP6AP1 drives pyroptosis-mediated immune evasion in hepatocellular carcinoma: a machine learning-guided therapeutic target. Discov Oncol. 2025;16(1):616.
  30. Wu Y, Ma Y. CCL2-CCR2 signaling axis in obesity and metabolic diseases. J Cell Physiol. 2024;239:e31192.
  31. Song Z, et al. The novel potential therapeutic target PSMP/MSMP promotes acute kidney injury via CCR2. Mol Ther. 2024;32(7):2248-63.
  32. Yang Y, et al. CCL2-CCR2 axis in cardiovascular disease: research advances and challenges. Sci Bull (Beijing). 2025;70(6):820-4.
  33. Pozzi S, Satchi-Fainaro R. The role of CCL2/CCR2 axis in cancer and inflammation: the next frontier in nanomedicine. Adv Drug Deliv Rev. 2024;209:115318.
  34. Torices S, et al. Targeting the CCL2/CCR2 axis in HIV-1 infection and ischemic stroke. Stroke. 2026;57(2):538-48.
  35. Scurt FG, et al. Monocyte chemoattractant protein-1 predicts the development of diabetic nephropathy. Diabetes Metab Res Rev. 2022;38(2):e3497.
  36. Xu J, et al. (5R)-5-hydroxytriptolide ameliorates diabetic kidney damage by inhibiting macrophage infiltration and its cross-talk with renal resident cells. Int Immunopharmacol. 2024;126:111253.
  37. Wang X, et al. Discovery of the pharmacodynamic material basis of Danggui Buxue Decoction in the treatment of diabetic kidney disease based on lipidomics regulation. Phytomedicine. 2025;141:156643.
  38. Fu J, Wu H. Structural mechanisms of NLRP3 inflammasome assembly and activation. Annu Rev Immunol. 2023;41:301-16.
  39. Makoni NJ, Nichols MR. The intricate biophysical puzzle of caspase-1 activation. Arch Biochem Biophys. 2021;699:108753.
  40. Shi Y, et al. Inhibition of caspase-1 suppresses GSDMD-mediated peritoneal mesothelial cell pyroptosis and inflammation in peritoneal fibrosis. Small. 2025;21:e2409362.
  41. Broz P. Pyroptosis: molecular mechanisms and roles in disease. Cell Res. 2025;35(5):334-44.
  42. Zhang G, et al. Emodin influences pyroptosis-related caspase 1-GSDMD axis alleviated cerebral ischemia-reperfusion injury in rats. Sci Rep. 2025;15(1):19397.
  43. Ouyang PW, et al. Procyanidin B2 attenuates microvascular dysfunction in diabetic retinopathy via inhibition of caspase-1/GSDMD-mediated pyroptosis. J Ethnopharmacol. 2025;344:119528.
  44. Chen J, et al. Chlorogenic acid attenuates deoxynivalenol-induced apoptosis and pyroptosis in human keratinocytes via activating Nrf2/HO-1 and inhibiting NLRP3/GSDMD pathway. Food Chem Toxicol. 2024;186:113578.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Перепечатки и разрешения

Запросить разрешение на повторное использование текста или иллюстраций этой статьи JoVE

Запросить разрешение

Теги

233233CCL2 CCR2

Похожие статьи