Исследовательская статья

Сетевая фармакология и молекулярный докинг раскрывают механизм действия Rhizoma Drynariae при повреждении вращательной манжеты плеча

0 просмотров

⸱

DOI:

10.3791/73695

⸱

16 октября 2026 г.

 ,  ,  ,  ,  ,  ,  ,  ,  ,  , 
1Orthopedic Ward 2, Kaifeng Central Hospital, 2Department of Traumatology and Orthopedics, Affiliated Hospital of Chengde Medical College

В этой статье

Краткое содержание

Сетевая фармакология и молекулярный докинг показали, что Rhizoma Drynariae воздействует на несколько мишеней и путей для облегчения травмы вращательной манжеты плеча посредством противовоспалительного, антиапоптотического и проангиогенного действия.

Аннотация

Повреждение вращательной манжеты плеча (ПВМП) представляет собой рефрактерное заболевание опорно-двигательного аппарата, характеризующееся хроническим воспалением, апоптозом теноцитов, нарушением ангиогенеза и дисрегуляцией внеклеточного матрикса (ВКМ), при этом доступные методы клинического лечения ограничены. В данном исследовании были использованы сетевая фармакология и молекулярный докинг для систематического изучения активных компонентов, ключевых мишеней и сигнальных путей действия Rhizoma Drynariae (RD) против ПВМП. С помощью баз данных TCMSP, ETCM и SymMap были определены восемнадцать активных ингредиентов RD и 213 недублирующихся мишеней, в то время как из GeneCards и OMIM было извлечено 870 мишеней, связанных с ПВМП, что позволило выявить 71 перекрывающуюся потенциальную мишень. Анализ сети белок-белковых взаимодействий и скрининг с помощью cytoHubba выявили десять центральных генов, включая TNF, IL6, VEGFA, PTGS2, CASP3, AKT1, CCL2, PPARG, MAPK3 и HMOX1. Обогащение по Gene Ontology выделило воспалительный ответ, окислительный стресс, ангиогенез, пролиферацию клеток и организацию ВКМ, а анализ путей KEGG указал на участие сигнальных путей TNF, PI3K-Akt, MAPK и HIF-1. Молекулярный докинг подтвердил стабильное высокоаффинное связывание эриодиктиола, лютеолина, катехина, нарингенина и ауреузидина с этими ключевыми белками. В совокупности RD оказывает противодействующее ПВМП efeito через многокомпонентную, многомишеную и многопутевую сеть, потенциально облегчая течение ПВМП путем подавления воспаления и апоптоза, стимуляции ангиогенеза и усиления восстановления ВКМ, что создает теоретическую основу для его клинического применения и экспериментальной валидации.

Введение

Повреждение вращательной манжеты плеча (ПВМП) является одним из наиболее распространенных заболеваний плечевого сустава в ортопедии и спортивной медицине, которым страдают примерно 20% взрослых старше 20 лет и до 54% лиц старше 60 лет1,2. Патологическими особенностями ПВМП являются дегенерация сухожилия, инфильтрация воспалительными клетками, чрезмерный апоптоз теноцитов, недостаточная неоваскуляризация и нарушение синтеза внеклеточного матрикса, что приводит к хронической боли в плече, ограничению подвижности, атрофии мышц и даже нестабильности сустава3. При отсутствии лечения ПВМП может привести к значительному снижению качества жизни и создать тяжелое социально-экономическое бремя4. Современные терапевтические стратегии при ПВМП включают консервативное лечение и хирургическое восстановление5. Нестероидные противовоспалительные препараты (НПВП) и инъекции кортикостероидов облегчают боль, но сопряжены с рисками поражения желудочно-кишечного тракта, почечной дисфункции, дегенерации хряща и остеопороза6,7. Хирургическое восстановление улучшает функцию в краткосрочной перспективе, однако его эффективность ограничена высокой частотой повторных разрывов, послеоперационными спайками и низким качеством долгосрочного заживления8,9. Таким образом, существует острая необходимость в разработке безопасных, эффективных и многоцелевых терапевтических средств для лечения ПВМП.

Традиционная китайская медицина (ТКМ) имеет многолетнюю историю лечения заболеваний опорно-двигательного аппарата, обладая такими преимуществами, как многокомпонентность, многомишеневость и низкая токсичность10. Rhizoma Drynariae (RD), высушенное корневище Drynaria fortunei (Kunze) J. Sm., является представителем костеукрепляющих трав, которые стимулируют кровообращение, устраняют застой крови и ускоряют восстановление сухожилий и костей11,12. Современная фармакология подтвердила, что флавоноиды являются основными активными компонентами RD, которые оказывают противовоспалительное, антиоксидантное, остеогенное и хондропротекторное действие13. RD широко применяется при остеопорозе, остеоартрите, некрозе головки бедренной кости и дегенерации межпозвоночных дисков14,15,16. Однако систематических исследований эффективности и механизма действия RD против RCI проведено не было. Сетевая фармакология представляет собой развивающийся междисциплинарный подход, объединяющий биоинформатику, системную биологию и фармакологию, который идеально подходит для расшифровки целостного механизма действия ТКМ17,18. Она позволяет систематически выстраивать регуляторную сеть «лекарство — компонент — мишень — путь — болезнь» и осуществлять высокопроизводительное прогнозирование потенциальных терапевтических мишеней19. В данном исследовании сетевая фармакология в сочетании с молекулярным докингом была использована для изучения активных компонентов, хаб-генов и основных сигнальных путей RD при лечении RCI с целью создания теоретической основы для клинического применения и последующих экспериментальных исследований.

Протокол

В данном исследовании использовались только анонимизированные общедоступные биоинформатические базы данных; эксперименты на людях или животных не проводились. В соответствии со статьей 32 национальных правил этической экспертизы Китая и Хельсинкской декларацией, получение этического одобрения и информированного согласия не требовалось. Все материалы, использованные в данном исследовании, перечислены в Таблице материалов.

Дизайн исследования и схема рабочего процесса

Полный рабочий процесс данного исследования в области сетевой фармакологии, включающий скрининг ингредиентов, определение мишеней, построение сети, анализ обогащения и верификацию методом молекулярного докинга, выполнялся на каждом этапе в соответствии с едиными биоинформатическими стандартами для обеспечения воспроизводимости всех прогнозируемых данных (Рисунок 1).

Скрининг активных ингредиентов в RD

База данных и аналитическая платформа системной фармакологии традиционной китайской медицины (TCMSP, https://old.tcmsp-e.com/tcmsp.php) представляет собой онлайн-платформу, созданную на основе системной фармакологии лекарственных растений20. В ней собраны исчерпывающие фармакокинетические параметры природных соединений, включая оральную биодоступность (OB), лекарственную пригодность (DL), проницаемость через гематоэнцефалический барьер и соответствующую информацию о мишенях. Авторы ввели ключевое слово "Rhizoma Drynariae" для поиска всех химических компонентов RD, хранящихся в базе данных TCMSP, и отобрали подходящие активные ингредиенты на основе показателей абсорбции, распределения, метаболизма и выведения (ADME) при OB ≥ 30% и DL ≥ 0.18. Соединения, соответствующие этим двум критериям, были оставлены в качестве потенциальных активных компонентов для изучения терапевтического механизма действия RD против RCI. Дата доступа к базе данных: TCMSP V2.3 [2025-12-08]. Экспортируемые поля включали название соединения, значение OB, значение DL и соответствующие записи о белках-мишенях. Дублирующие записи соединений были удалены вручную.

Сбор потенциальных мишеней RD

Исследователи получили мишени действия RD из трех независимых баз данных: TCMSP, «Энциклопедии традиционной китайской медицины» (ETCM, http://www.tcmip.cn/ETCM/)21 и SymMap (http://www.symmap.org/)22. TCMSP представляет собой специализированную платформу системной фармакологии лекарственных трав, в которой фиксируется взаимосвязь между растительными лекарственными средствами, низкомолекулярными соединениями, белковыми мишенями и заболеваниями человека. ETCM объединяет стандартизированную информацию об общеизвестных китайских лекарственных травах и формулах, содержа данные об ингредиентах трав, генах-мишенях, путях и заболеваниях. SymMap интегрирует теории ТКМ и современную медицину посредством молекулярных механизмов и картирования симптомов. При извлечении мишеней лекарств вид единообразно определялся как Homo sapiens. После получения исходных последовательностей белков-мишеней база данных UniProt (https://www.uniprot.org/)23 преобразовала все записи о мишенях в унифицированные стандартные символы генов. Дубликаты генов-мишеней были удалены, а очищенный набор мишеней RD был сохранен для перекрестного анализа с мишенями заболеваний. Даты доступа к базам данных: ETCM V2.0 [2025-12-10], SymMap V2.0 [2025-12-11], UniProt release [2025-12-12]. Авторы экспортировали исходные записи о белках-мишенях из TCMSP, ETCM и SymMap. UniProt использовалась для сопоставления идентификаторов белков с официальными символами генов человека HUGO. Дубликаты мишеней, полученные из нескольких баз данных, были удалены, при этом для каждой мишени был сохранен один уникальный символ гена.

Поиск потенциальных мишеней для RCI

Для скрининга генов человека, связанных с повреждением ротаторной манжеты плеча (RCI), были использованы две авторитетные базы данных с использованием ключевого слова для поиска «rotator cuff injury». GeneCards (https://www.genecards.org/) объединяет мультиомные данные более чем из 150 генетических платформ и предоставляет аннотации функций генов24. База данных Online Mendelian Inheritance in Man (OMIM, https://omim.org/) содержит сведения о наследственных заболеваниях человека и раскрывает корреляции между вариациями генов и клиническими фенотипами25. Были извлечены все записи о генах, связанных с RCI, включая названия и идентификаторы генов. Данные из двух баз были объединены, и из них были удалены дубликаты для формирования полного пула патогенных генов для анализа пересечения диаграмм Венна. Даты доступа к базам данных: GeneCards [2025-12-15], OMIM [2025-12-21]. Поисковый запрос: «rotator cuff injury». Экспортированные поля содержали названия и идентификаторы генов человека, связанных с заболеванием. После объединения дублирующиеся записи о генах в двух базах данных были удалены. Фильтр по виду был установлен на Homo sapiens.

Построение сети белок-белковых взаимодействий (PPI)

Отфильтрованный набор данных мишеней RD и набор данных патогенных генов RCI были загружены на онлайн-платформу Venny (https://bioinfogp.cnb.csic.es/tools/venny/) для построения диаграммы Венна и выявления общих перекрывающихся генов. Пересекающиеся гены были импортированы в STRING v11.5 (https://cn.string-db.org/) для построения сети белок-белковых взаимодействий (PPI)26. STRING извлекала подтвержденные и предсказанные белковые взаимодействия, охватывающие более 24 миллионов белков более чем 5000 видов. В качестве вида был выбран Homo sapiens, а порог показателя достоверности (confidence score) был установлен на уровне 0,7 для фильтрации пар взаимодействий с низкой степенью достоверности. Экспортированные PPI-файлы были импортированы в Cytoscape 3.8.0 для визуализации и топологического анализа27. Доступ к Venny 2.0 для расчета диаграммы Венна был осуществлен [2025-12-24]. Дата доступа к STRING v11.5: [2025-12-28]. Авторы экспортировали полную таблицу белок-белковых взаимодействий в формате TSV, включая идентификаторы белков, символы генов и комбинированные показатели достоверности взаимодействий.

Анализ ключевых генов (hub-генов)

Плагин cytoHubba, встроенный в Cytoscape 3.8.0, использовался для анализа топологических особенностей каждого узла сети. Были отобраны 10 основных хаб-генов с наивысшими показателями центральности максимальной клики (Maximal Clique Centrality, MCC). MCC представляет собой один из встроенных алгоритмов ранжирования в cytoHubba; более высокие значения MCC указывают на более критичное топологическое положение в сети PPI. Эти гены оказывают ключевое регуляторное воздействие на всю сеть.

Анализ обогащения путей Gene Ontology (GO) и Kyoto Encyclopedia of Genes and Genomes (KEGG)

Все перекрывающиеся терапевтические мишени RD в отношении RCI были импортированы в программное обеспечение R x64 4.0.3 с установкой вида Homo sapiens. Анализ обогащения GO и KEGG был выполнен с помощью пакета Bioconductor clusterProfiler. Анализ GO включал три модуля: биологический процесс (BP), клеточный компонент (CC) и молекулярную функцию (MF), что позволило отдельно аннотировать биологическое поведение, субклеточную локализацию и биохимические функции белков-мишеней28. Анализ KEGG сопоставил гены с внутриклеточными сигнальными каскадами для изучения распределения мишеней в различных биологических путях29. Были извлечены значимо обогащенные термины BP, CC, MF и основные пути, связанные с воздействием RD на RCI; все результаты обогащения были экспортированы для построения графиков, при этом порогом значимости было принято значение p < 0.05.

Моделирование молекулярного докинга

Гены-хабы, отобранные в результате анализа PPI, были определены как белковые рецепторы, а активные ингредиенты RD — как низкомолекулярные лиганды. Для изучения естественных связывающих взаимодействий между белками-хабами и соответствующими ингредиентами было проведено моделирование молекулярного докинга. Трехмерные структуры лигандов были загружены из PubChem (https://pubchem.ncbi.nlm.nih.gov/)30, а кристаллические структуры рецепторов были получены из RCSB PDB (https://www.rcsb.org/)31. Структуры рецепторов прошли предварительную обработку в AutoDock 432, включая удаление избыточной воды и добавление полярного водорода. Пакетный расчет докинга был выполнен с помощью AutoDock Vina в сочетании с программным обеспечением Open Babel. Комплексы со свободной энергией связывания ≤ −7.0 kcal/mol были определены как стабильные связывающие структуры, представляющие собой докинговые комплексы с наивысшим рейтингом. Комплексы со свободной энергией связывания ≤ −7.0 kcal/mol были определены как стабильные связывающие структуры с высоким межмолекулярным сродством. Данный эмпирический порог обычно применяется в исследованиях биоактивных растительных соединений in silico на базе AutoDock-Vina, хотя он не заменяет экспериментальную валидацию взаимодействий белок-лиганд33. 20 лучших докинговых комплексов с оптимальным сродством были импортированы в PyMOL для построения трехмерных диаграмм конформации связывания34. Дата доступа к PubChem: [2026-02-10]; дата доступа к RCSB-PDB: [2026-02-03]. Структуры низкомолекулярных соединений были извлечены по названию соединения; структуры белковых рецепторов были извлечены по соответствующим идентификаторам доступа PDB для данных генов.

Статистический анализ

Для проведения всей биоинформатической статистики и картирования использовались R x64 4.0.3, Cytoscape 3.8.0 и PyMOL. p < 0.05 считалось статистически значимым различием для всех показателей обогащения.

Результаты

Активные ингредиенты RD

Всего из базы данных TCMSP по ключевому слову "Rhizoma Drynariae" было извлечено 71 исходный химический компонент. Вторичный скрининг проводился в соответствии с критериями ADME (OB ≥ 30%, DL ≥ 0.18), в результате чего были получены 18 биоактивных компонентов с благоприятным оральным поглощением и лекарственным потенциалом. В Таблице 1 приведена подробная базовая информация об этих 18 активных компонентах. Данные 18 соединений составили многокомпонентную материальную основу действия RD против RCI.

Релевантные генные мишени RD

Поиск генов-мишеней, соответствующих активным ингредиентам RD, проводился по базам данных TCMSP, ETCM и SymMap; в общей сложности было собрано 327 исходных записей о мишенях. После интеграции данных и удаления повторяющихся символов генов было получено 213 недублирующих потенциальных генов-мишеней RD для последующего анализа пересечений.

Целевые гены, имеющие значение для RCI

Поиск в базах данных Genecards и OMIM проводился по ключевому слову "rotator cuff injury", в результате чего было получено 989 исходных записей о генах, связанных с повреждением вращательной манжеты плеча (RCI). После интеграции и дедупликации данных было выявлено 870 уникальных патогенных генов человека, тесно связанных с прогрессированием RCI.

Построение сети PPI

Анализ пересечения 213 целевых генов RD и 870 патогенных генов RCI позволил выявить 71 перекрывающийся ген, которые были определены как потенциальные терапевтические мишени RD для лечения RCI. Диаграмма Венна, демонстрирующая взаимосвязь пересечений, была построена с помощью программного обеспечения Venny 2.0 (Рисунок 2). 71 перекрывающаяся мишень была импортирована в STRING для построения сети PPI, посредством которой RD воздействует на RCI (Рисунок 3). Полные данные PPI были импортированы в Cytoscape, и с помощью cytoHubba были отобраны 10 основных хаб-генов с самыми высокими показателями MCC: TNF, IL6, VEGFA, PTGS2, CASP3, AKT1, CCL2, PPARG, MAPK3, HMOX1. Топологическая информация MCC для них обобщена в Таблице 2 и визуализирована на Рисунке 4. Эти 71 пересекающихся ген представляют собой основные мишени, опосредующие терапевтический эффект RD против RCI.

Анализ обогащения GO и KEGG

Для изучения молекулярного механизма потенциальных мишеней RD при лечении RCI с помощью пакета clusterProfiler был проведен анализ обогащения GO и KEGG для перекрывающихся терапевтических мишеней. Статистический анализ обогащения GO проводился отдельно для категорий BP, CC и MF. На рисунках 5A–B, 6A–B и 7A–B представлены 10 наиболее значимо обогащенных элементов для BP, CC и MF, а на подграфике B каждого рисунка показано распределение генов для каждого функционального термина. Далее был проведен анализ обогащения KEGG для выявления основных путей, участвующих в воздействии RD на RCI; 30 наиболее обогащенных путей визуализированы на рисунке 8.

Моделирование молекулярного докинга

Топ-10 хаб-генов были определены в качестве белковых рецепторов, а все 18 активных ингредиентов RD были приняты в качестве лигандов для расчета докинга с помощью AutoDock Vina и Open Babel. Визуализация конформаций связывания лиганда с рецептором была выполнена в PyMOL. Результаты докинга показали, что большинство целевых хаб-белков образовали стабильные структуры связывания с активными ингредиентами RD. В Таблице 3 и на Рисунке 9 представлены полные параметры докинга и трехмерные схемы связывания для 20 комплексов с оптимальной аффинностью связывания.

В данном анализе с применением сетевой фармакологии были выявлены 18 биоактивных ингредиентов RD и 213 уникальных мишеней, связанных с препаратом. После пересечения с 870 генами, ассоциированными с RCI, были получены 71 общая терапевтическая мишень-кандидат. Построение сети PPI и скрининг с помощью cytoHubba‑MCC позволили выявить десять центральных генов: TNF, IL6, VEGFA, PTGS2, CASP3, AKT1, CCL2, PPARG, MAPK3 и HMOX1. Анализ обогащения GO охватил биологические процессы (BP), клеточные компоненты (CC) и молекулярные функции (MF), в то время как анализ обогащения KEGG выявил несколько обогащенных сигнальных путей. Моделирование молекулярного докинга подтвердило благоприятное сродство связывания между основными активными компонентами RD и этими центральными белками-мишенями.

ДОСТУПНОСТЬ ДАННЫХ:

Все исходные и обработанные данные, полученные в этом исследовании, включая списки мишеней, файлы сети PPI, результаты обогащения GO и KEGG, а также матрицу молекулярного докинга, депонированы в Science Data Bank. Ссылка для доступа к исходным данным: https://www.scidb.cn/anonymous/alVOVlJu.

figure-results-1
Рисунок 1: Схема рабочего процесса биоинформационного анализа, примененного в данном исследовании. Слева показан процесс поиска потенциальных биоактивных соединений и соответствующих им мишеней RD в базах данных TCMSP, ETCM и SymMap. Справа представлены гены, связанные с RCI, полученные из GeneCards и OMIM. Пересекающиеся генные мишени из этих двух наборов данных были определены с помощью диаграммы Венна и определены как потенциальные терапевтические мишени. Общие мишени затем обрабатывались в двух отдельных ветвях: в одной из них с помощью STRING и Cytoscape была построена сеть белок-белковых взаимодействий; в другой — с использованием пакета R clusterProfiler был проведен анализ обогащения GO и KEGG. Центральные гены (hub genes), извлеченные из сети PPI, были дополнительно валидированы с помощью молекулярного докинга, при этом подготовка структур и симуляция выполнялись с использованием PubChem, PDB, AutoDock Vina и PyMOL. Сокращения: RD = Rhizoma Drynariae, RCI = повреждение вращательной манжеты плеча, TCMSP = The Traditional Chinese Medicine Systems Pharmacology Database and Analysis Platform, ETCM = The Encyclopedia of Traditional Chinese Medicine, OMIM = The Online Mendelian Inheritance in Man, GO = онтология генов, KEGG = Киотская энциклопедия генов и геномов. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

figure-results-2
Рисунок 2: Диаграмма Венна пересекающихся мишеней RD и RCI. Синий круг представляет мишени, связанные с RCI. Желтый круг представляет потенциальные терапевтические мишени RD. Пересекающаяся оливково-зеленая область указывает на общие мишени RD и RCI. Числа и проценты внутри каждой области обозначают количество и долю уникальных или общих мишеней. Сокращения: RD = Rhizoma Drynariae, RCI = повреждение вращательной манжеты плеча. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

figure-results-3
Рисунок 3:Сеть белок-белковых взаимодействий (PPI), построенная на основе 71 перекрывающегося гена-мишени, связывающих RD и RCI. Каждый круг в сети представляет ген-мишень, обозначенный его официальным символом. Линии, соединяющие два круга, иллюстрируют ассоциации белков, извлеченные из открытых биоинформатических баз данных. Размер узла и насыщенность цвета отражают топологическую значимость отдельных генов в сети. Гены с более крупными кругами и более глубокими зелеными оттенками имеют более высокие топологические показатели и занимают более центральные позиции; меньшие светло-желтые круги обозначают гены с меньшей топологической значимостью. Сокращения: RD = Rhizoma Drynariae, RCI = повреждение ротаторной манжеты плеча, PPI = белок-белковое взаимодействие. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

figure-results-4
Рисунок 4: 10 основных генных хабов, идентифицированных в сети PPI с помощью плагина cytoHubba. Прямоугольные блоки представляют собой генные хабы, каждый из которых помечен официальным символом гена. Черные линии, соединяющие блоки, отражают белок-белковые взаимодействия между этими ключевыми мишенями. Цветовой градиент от ярко-красного через оранжевый к желтому визуализирует ранжирование генных хабов в соответствии с показателями MCC, рассчитанными с помощью плагина cytoHubba; ярко-красные блоки обозначают гены с самыми высокими показателями MCC и наибольшей значимостью в сети, в то время как желтые блоки отмечают гены с относительно более низкими показателями. Сокращения: PPI = белок-белковое взаимодействие, MCC = максимальная центральность клики (Maximal Clique Centrality).Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

figure-results-5
Рисунок 5: Анализ обогащения BP для 71 общего гена-мишени RD при RCI. (A) Анализ обогащения GO для потенциальных терапевтических мишеней BP. Представлена горизонтальная столбчатая диаграмма, отображающая 10 наиболее значимо обогащенных терминов биологических процессов GO. Горизонтальная ось X представляет количество генов, что соответствует числу генов-мишеней, аннотированных для каждого термина GO. По вертикальной оси Y перечислены отдельные обогащенные термины GO. Непрерывная цветовая шкала справа кодирует -log10(pvalue); теплые красные тона указывают на более высокое значение -log10(pvalue) и большую статистическую значимость, тогда как холодные пурпурные и синие тона указывают на более низкую значимость. (B) Связь между потенциальными терапевтическими мишенями и BP. Панель B представляет собой хордовую диаграмму, иллюстрирующую попарные связи между обогащенными терминами GO и соответствующими им генами-мишенями. Внешние круговые сегменты разделены на две категории: цветные блоки обозначают отдельные термины биологических процессов GO, а серые прямоугольные метки обозначают символы отдельных генов-мишеней. Изогнутые ленты внутри круга соединяют термины GO с соответствующими им генами-мишенями, при этом каждая лента сопоставляет один ген с термином GO, в котором он участвует. Цвет каждой ленты соответствует цвету соответствующего термина GO на внешнем кольце. Легенда внизу связывает каждый цвет с соответствующим термином GO. Сокращения: RD = Rhizoma Drynariae, RCI = повреждение вращательной манжеты плеча, BP = биологический процесс, GO = онтология генов. Нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

figure-results-6
Рисунок 6: Термины GO-CC, полученные на основе 71 потенциальной мишени RD при лечении RCI. (A>) Анализ обогащения GO для потенциальных терапевтических мишеней CC. (B>) Взаимосвязь между потенциальными терапевтическими мишенями и CC. Панель A представляет собой горизонтальную столбчатую диаграмму, отображающую 10 наиболее значимых обогащенных записей GO для клеточных компонентов. Горизонтальная ось X количественно определяет число целевых генов, соответствующих каждому термину GO, и обозначена как Counts. Описания обогащенных клеточных компонентов GO расположены вдоль вертикальной оси Y. Цветовая шкала справа сопоставляет изменение цвета со значениями -log10(pvalue); ярко-красный цвет соответствует более высоким значениям -log10(pvalue) и более высокой статистической значимости, в то время как синие оттенки представляют более низкие уровни значимости. Панель B представляет собой хордовую диаграмму, которая визуализирует связи между обогащенными терминами клеточных компонентов GO и связанными с ними целевыми генами. Сегменты на внешнем кольце разделены на две группы: цветные блоки обозначают отдельные термины клеточных компонентов GO, а серые штрихи обозначают символы отдельных целевых генов. Изогнутые ленты внутри круга связывают каждый ген с соответствующим ему термином GO, и каждая лента принимает цвет соответствующего термина GO с внешнего кольца. Легенда внизу определяет цветовую кодировку для всех категорий клеточных компонентов GO. Сокращения: RD = Rhizoma Drynariae, RCI = повреждение вращательной манжеты плеча, CC = клеточный компонент, GO = генная онтология Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

figure-results-7
Рисунок 7: Анализ обогащения MF для 71 перекрывающегося целевого гена RD при воздействии RCI. (A) GO-анализ обогащения потенциальных терапевтических мишеней для MF. (B) Взаимосвязь между потенциальными терапевтическими мишенями и MF. Панель A представляет собой горизонтальную столбчатую диаграмму, ранжирующую 10 наиболее значимых обогащенных терминов молекулярных функций GO. Значения на горизонтальной оси X представляют количество генов, что соответствует общему числу целевых генов, аннотированных для каждой записи молекулярной функции. Вертикальная ось Y содержит описания отдельных молекулярных функций GO. Цветовая шкала справа переводит изменение цвета в метрики -log10(pvalue); ярко-красный цвет соответствует более высоким значениям -log10(pvalue) и более высокой статистической значимости, в то время как синие оттенки указывают на более низкую значимость. Панель B представляет собой хордовую диаграмму, отображающую связи между обогащенными категориями молекулярных функций GO и связанными с ними целевыми генами. Сегменты на внешнем кольце содержат два класса меток: цветные блоки обозначают отдельные термины молекулярных функций GO, а маленькие серые прямоугольные штрихи отмечают символы отдельных целевых генов. Изогнутые ленты, идущие от внешнего кольца внутрь, соединяют каждый ген с соответствующим ему функциональным термином, при этом каждая лента наследует цвет, присвоенный соответствующему термину GO. Легенда внизу определяет цветовую кодировку для всех категорий молекулярных функций GO, представленных на графике. Сокращения: RD = Rhizoma Drynariae, RCI = rotator cuff injury, MF = молекулярная функция, GO = генная онтология Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

figure-results-8
Рисунок 8: Анализ обогащения путей KEGG для 71 общего гена-мишени RD при воздействии на RCI. На данном точечном графике визуализированы наиболее обогащенные пути KEGG. Вертикальная ось Y содержит названия отдельных обогащенных путей. Горизонтальная ось X представляет GeneRatio, определяемый как отношение генов-мишеней, сопоставленных с путем, к общему количеству генов в этом пути. Каждая точка представляет собой один обогащенный путь. Размер точки соответствует количеству генов: более крупные круги указывают на большее число генов-мишеней, аннотированных для данного пути. Цвет точки отражает p-value: красный цвет указывает на более низкие значения p-value и более высокую статистическую значимость, в то время как темно-синий цвет указывает на более высокие значения p-value и более слабую статистическую значимость. Две боковые легенды отдельно определяют шкалу количества генов и цветовое соответствие p-value. Сокращения: RD = Rhizoma Drynariae, RCI = повреждение вращательной манжеты плеча, KEGG = Киотская энциклопедия генов и геномов. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

figure-results-9
Рисунок 9: Наилучшие по рангу докинг-комплексы. (A) (PTGS2, эриодиктиол, -9.7 kcal/mol). (B) (PTGS2, лютеолин, -9.6 kcal/mol). (C) (PTGS2, катехин, -9.5 kcal/mol). (D) (PTGS2, нарингенин, -9.5 kcal/mol). (E) (PTGS2, ауреузидин, -9.4 kcal/mol). (F) (PTGS2, кемпферол, -9.2 kcal/mol). (G) (PTGS2, хроман, -9.1 kcal/mol). (H) (TNF, катехин, -9.1 kcal/mol), (I) (PTGS2, дигаллат, -9 kcal/mol). (J) (TNF, дигаллат, -9 kcal/mol), (K) (PPARG, хроман, -8.9 kcal/mol); (L) (PPARG, нарингенин, -8.9 kcal/mol), (M) (TNF, ауреузидин, -8.9 kcal/mol); (N) (TNF, кемпферол, -8.8 kcal/mol); (O) (MAPK3, хроман, -8.7 kcal/mol); (P) (MAPK3, нарингенин, -8.7 kcal/mol); (Q) (PPARG, ауреузидин, -8.7 kcal/mol); (R) (PPARG, кемпферол, -8.7 kcal/mol); (S) (PTGS2, 22_Stigmasten_3_one, -8.7 kcal/mol); (T) (MAPK3, лютеолин, -8.6 kcal/mol). На панелях от A до T отдельно представлена рассчитанная геометрия связывания отдельных низкомолекулярных соединений в связывающей полости соответствующих белков-мишеней. Голубые стэковые модели (sticks) обозначают аминокислотные остатки, выстилающие связывающую полость белка. Низкомолекулярные лиганды представлены в виде пурпурных или зеленых стэков для дифференциации различных химических структур. Желтые пунктирные линии обозначают межмолекулярные водородные связи между лигандами и остатками в кармане, а числовые обозначения указывают расстояние водородной связи в ангстремах (Å). Полупрозрачная белая поверхность очерчивает общую 3D-топологию каждого белка-рецептора. Все расчеты поз связывания были выполнены с помощью молекулярного докинга с жестким рецептором в программном обеспечении AutoDock Vina. Пожалуйста, нажмите здесь, чтобы просмотреть увеличенную версию этого рисунка.

ID молекулыНазвание молекулыпероральная биодоступность (OB) (%)лекарственно-подобность (DL)
MOL001040(2R)-5,7-дигидрокси-2-(4-гидроксифенил)хроман-4-он42.360.21
MOL001978Ауреузидин53.420.24
MOL002914Эриодиктиол (флаванон)41.350.24
MOL000449Стигмастерол43.830.76
MOL000358бета-ситостерол36.910.75
MOL000422кемпферол41.880.24
MOL004328нарингенин59.290.21
MOL000492(+)-катехин54.830.24
MOL005190эриодиктиол71.790.24
MOL000569дигаллат61.850.26
MOL000006лютеолин36.160.25
MOL00906122-Стигмастен-3-он39.250.76
MOL009063Ацетат циклолауденола41.660.79
MOL009075циклоартенон40.570.79
MOL009076циклолауденол39.050.79
MOL009078даваллиозид A_qt62.650.51
MOL009087мариозид_qt70.790.19
MOL009091ксантогаленол41.080.32

Таблица 1: Фармакокинетические профили восемнадцати потенциальных биоактивных компонентов, выделенных из RD. Соединения были получены из базы данных TCMSP и отфильтрованы по двум порогам, связанным с ADME: OB ≥ 30% и DL ≥ 0,18. В столбцах указаны регистрационный номер TCMSP (Mol ID), название соединения, расчетное значение OB (%) и показатель DL для каждого screened-компонента. Сокращения: RD = Rhizoma Drynariae, RCI = повреждение вращательной манжеты плеча, ADME = абсорбция, распределение, метаболизм, экскреция, TCMSP = The Traditional Chinese Medicine Systems Pharmacology Database and Analysis Platform, OB = пероральная биодоступность, DL = лекарственно-подобность.

РангГенИмяБалл
1ФНОфактор некроза опухоли328291218366500
2ИЛ-6интерлейкин 6328291215913592
3VEGFAфактор роста эндотелия сосудов A328291215896284
4PTGS2простагландин-эндопероксидсинтаза 2328288656326402
5CASP3Каспаза 3328288180323600
6AKT1серин-треониновая киназа AKT 1328287745700516
7CCL2Лиганд 2 хемокина с С-С мотивом328161521686320
8PPARGрецептор, активируемый пролифератором пероксисом, гамма325302724852296
9MAPK3митоген-активируемая протеинкиназа 3308779166166218
10HMOX1гемоксигеназа-1299171945318400

Таблица 2: Топ-10 центральных генов (hub genes), выявленных в сети PPI. Гены были ранжированы в соответствии с показателями MCC, рассчитанными с помощью плагина cytoHubba в программе Cytoscape. MCC представляет собой топологическую метрику cytoHubba, в которой более высокие числовые значения отражают большую топологическую значимость внутри сети. Столбцы содержат порядок ранжирования, официальный символ гена, полное название гена и соответствующее необработанное значение MCC для каждого центрального гена. Сокращения: PPI = белок-белковое взаимодействие, MCC = максимальная центральность клики (Maximal Clique Centrality).

РецепторыЛигандыСвободная энергия (kcal/mol)Соответствующие серийные номера на Рисунке 9
PTGS2эриодиктиол-9.7A
PTGS2лютеолин-9.6B
PTGS2катехин-9.5C
PTGS2нарингенин-9.5D
PTGS2Aureusidin-9.4E
PTGS2кемпферол-9.2F
PTGS2хроман-9.1G
TNFкатехин-9.1H
PTGS2дигаллат-9I
TNFдигаллат-9J
PPARGхроман-8.9K
PPARGнарингенин-8.9L
TNFAureusidin-8.9M
TNFкемпферол-8.8N
MAPK3хроман-8.7O
MAPK3нарингенин-8.7P
PPARGAureusidin-8.7Q
PPARGкемпферол-8.7R
PTGS222_Stigmasten_3_one-8.7S
MAPK3лютеолин-8.6T

Таблица 3: Результаты молекулярного докинга по аффинности связывания для 20 выбранных комплексов рецептор-лиганд. В каждой строке указаны белок-рецептор, низкомолекулярный лиганд, рассчитанная свободная энергия связывания (kcal/mol) и соответствующая метка подрисунка на Рисунке 9. Более отрицательные значения свободной энергии соответствуют более высокой стабильности связывания между карманом белка и соединением-лигандом. Сокращения: PTGS2 = простагландин-эндопероксидсинтаза 2, TNF = фактор некроза опухоли, PPARG = гамма-рецептор, активируемый пероксисомным пролифератором, MAPK3 = митоген-активируемая протеинкиназа 3.

Обсуждение

RCI представляет собой комплексное скелетно-мышечное заболевание, характеризующееся хроническим воспалением, избыточным апоптозом теноцитов, нарушением ангиогенеза и неадекватным ремоделированием внеклеточного матрикса, совокупность патологических изменений которого приводит к плохому заживлению соединения сухожилия с костью и субоптимальному клиническому прогнозу35. Данное заболевание часто возникает в результате острой травмы или длительного перенапряжения плечевого сустава, при этом стойкое воспаление нарушает метаболический баланс внеклеточного матрикса сухожилия36. В клинической практике современные методы лечения не позволяют одновременно воздействовать на несколько патологических звеньев, что приводит к ограниченной эффективности и высокому уровню рецидивов37. RD — это классическое лекарственное растение традиционной китайской медицины (TCM), которое укрепляет кости, активирует кровообращение и способствует восстановлению тканей; оно давно применяется в клинике для лечения повреждений костей и сухожилий38. Однако точный молекулярный регуляторный механизм действия RD при RCI в имеющихся исследованиях систематически не анализировался.

На основании вышеизложенного обзора данной проблемы в настоящем исследовании с помощью сетевой фармакологии и молекулярного докинга систематически раскрывается многокомпонентный, многомишеневой и многопутевой механизм действия RD против RCI. Предыдущие фитохимические и фармакологические исследования полностью подтвердили, что флавоноиды, полученные из RD, обладают значительной противовоспалительной, антиоксидантной, антиапоптотической и проангиогенной биологической активностью, что является основной материальной базой для функции восстановления тканей39. В соответствии с результатами предыдущих исследований из RD было выявлено в общей сложности 18 активных компонентов, среди которых в качестве основных были определены эриодиктиол, лютеолин, катехин, нарингенин и ауреусидин. Множество фитохимических исследований доказали, что флавоноиды являются основными фармакодинамическими веществами RD40. Такие низкомолекулярные соединения способны проникать через тканевые барьеры и оказывать комплексное регулирующее воздействие на микросреду восстановления поврежденных сухожилий41. Их благоприятные свойства ADME обеспечивают хорошие показатели OB и лекарственно-подобности, что подтверждает их потенциал в качестве природных терапевтических средств при RCI. В отличие от химически синтезированных препаратов с одной мишенью, эти природные флавоноиды могут одновременно воздействовать на воспаление, окислительное повреждение, выживаемость клеток и ангиогенез, демонстрируя уникальные преимущества при лечении хронических дегенеративных поражений сухожилий42.

Многочисленные исследования подтвердили, что возникновение и развитие RCI тесно связаны с аномальной экспрессией множества функциональных генов, и было доказано, что ряд ключевых генов участвует в патологических процессах воспаления сухожилий, апоптоза и ремоделирования тканей43. Основываясь на признанном механизме генной регуляции RCI, в данном исследовании были дополнительно изучены терапевтические мишени RD. Семьдесят один перекрывающийся таргет был определен как потенциальная терапевтическая мишень RD при RCI. Анализ сети PPI позволил выделить 10 центральных генов: TNF, IL6, VEGFA, PTGS2, CASP3, AKT1, CCL2, PPARG, MAPK3 и HMOX1. Среди них TNF и IL6 являются важнейшими про-воспалительными цитокинами, которые запускают воспалительные каскады, ингибируют пролиферацию теноцитов и подавляют синтез внеклеточного матрикса, тем самым усугубляя повреждение сухожилия44. Массивный выброс этих двух цитокинов приводит к рекрутированию иммунных клеток, усилению воспалительной реакции и ограничению пролиферации стволовых клеток сухожилия45. VEGFA способствует неоваскуляризации в месте повреждения, улучшает местное кровоснабжение и повышает механическую прочность заживающей ткани46. Интерфейс «сухожилие-кость» естественным образом беден кровеносными сосудами, и недостаточное количество новых сосудов является основным фактором, приводящим к неудовлетворительному качеству заживления после травмы47. PTGS2 опосредует воспалительную боль и выработку простагландинов, в то время как CASP3 является ключевым исполнителем апоптоза теноцитов48,49. Оверэкспрессия PTGS2 усиливает воспалительный отек и боль, тогда как высокая активация CASP3 вызывает непрерывную потерю функциональных теноцитов50,51. AKT1 и MAPK3 являются центральными киназами, регулирующими выживание, пролиферацию и дифференцировку клеток, что необходимо для регенерации сухожилия52,53. Умеренная активация этих двух киназ может поддерживать жизнеспособность репаративных клеток и ускорять отложение внеклеточного матрикса54. CCL2 рекрутирует воспалительные клетки, тогда как PPARG и HMOX1 оказывают противовоспалительное и антиоксидантное действие55,56,57. Эти два гена могут облегчать окислительный стресс и снижать избыточную воспалительную инфильтрацию в местных тканях сухожилия58. В совокупности эти центральные гены формируют основную регуляторную сеть, которая модулирует воспаление, апоптоз, ангиогенез и ремоделирование тканей при RCI.

Существующие патологические исследования уточнили, что патологическое прогрессирование RCI в основном обусловлено воспалительным ответом, окислительным стрессом, аномальной пролиферацией клеток и нарушением организации внеклеточного матрикса, которые являются ключевыми патологическими звеньями при возникновении и восстановлении RCI59. На этой основе в данной работе был проведен анализ обогащения GO для изучения потенциального биологического механизма воздействия RD на RCI. Эти биологические процессы являются именно теми ключевыми патологическими звеньями RCI на протяжении возникновения и восстановления повреждения, что позволяет предположить, что RD может воздействовать на несколько патологических процессов одновременно60. Большое количество предыдущих исследований механизмов подтвердили, что сигнальный путь TNF, сигнальный путь PI3K-Akt, сигнальный путь MAPK и сигнальный путь HIF-1 являются ключевыми сигнальными путями, регулирующими воспаление сухожилий, восстановление клеток и реконструкцию тканей61,62,63,64. Чтобы дополнительно изучить потенциальный сигнальный механизм RD при лечении RCI, в данном исследовании был проведен анализ обогащения путей KEGG на основе вышеупомянутых данных. Результаты показали, что действие RD против RCI в первую очередь затрагивает четыре вышеуказанных пути. Сигнальный путь TNF способствует воспалительному ответу и апоптозу теноцитов, выступая в качестве апстрим-драйвера воспалительной дегенерации сухожилий65. Путь PI3K‑Akt усиливает выживаемость клеток и ангиогенез, что благотворно влияет на заживление сухожилий, и может координировать несколько факторов роста для стимуляции секреции коллагена фибробластами66,67. Сигнальный путь MAPK регулирует пролиферацию, дифференцировку клеток и синтез внеклеточного матрикса, участвуя во всем процессе реконструкции сухожилий68. Сигнальный путь HIF‑1 реагирует на гипоксию и способствует регенерации сосудов, что эффективно улучшает гипоксическую микросреду поврежденных сухожилий69. Эти пути взаимодействуют друг с другом, формируя сложную регуляторную сеть, что в полной мере воплощает многопутевой характер действия RD при лечении RCI.

Молекулярный докинг стал рутинным и вспомогательным методом верификации в исследованиях по сетевой фармакологии, позволяющим напрямую охарактеризовать связывающую активность между активными ингредиентами и ключевыми мишенями. Соответственно, в данной работе был использован молекулярный докинг для подтверждения результатов прогнозирования методом сетевой фармакологии70. Результаты показали, что основные флавоноидные компоненты RD способны стабильно связываться с активными центрами хабовых белков, что дополнительно подтверждает достоверность сетевых фармакологических прогнозов. Такие стабильные режимы связывания позволяют предположить, что RD может воздействовать непосредственно на ключевые мишени для реализации терапевтического эффекта. Плотное связывание флавоноидных лигандов с активными центрами хабовых белков предоставляет наглядные доказательства молекулярного взаимодействия, что также позволяет определить соединения-кандидаты для последующих экспериментов по верификации клеточных функций.

Данное исследование имеет несколько ограничений. Во-первых, прогнозы основываются на биоинформатическом анализе общедоступных баз данных, что может привести к предвзятости аннотаций в пользу хорошо изученных белков. Экспрессия генов и белковые изоформы, специфичные для сухожилий вращательной манжеты, не были учтены, а ненаправленная сеть белок-белковых взаимодействий (PPI), полученная из STRING, не может полностью воспроизвести специфическую биологию сухожилий. Обогащенные сигнальные пути, такие как TNF, PI3K‑Akt и MAPK, представляют собой общие воспалительные каскады, а не сигнатуры, специфичные исключительно для RD. Общедоступные омиксные ресурсы не могут воспроизвести динамические патологические изменения in vivo и индивидуальные различия тканей вращательной манжеты человека. В будущих работах могут быть интегрированы наборы данных секвенирования РНК отдельных клеток для уточнения механистической интерпретации. Во-вторых, при скрининге соединений использовались эмпирические пороговые значения ADME (OB ≥ 30%, DL ≥ 0,18), что могло привести к исключению биоактивных соединений с низкой пероральной биодоступностью. Для молекулярного докинга использовалась модель с жестким рецептором, что не учитывает гибкость белков и структурные молекулы воды, и не сопровождалось биофизической валидацией (например, SPR, ITC). Не проводились использование положительных лекарственных контролей, анализ чувствительности, оценка токсичности и полный фармакокинетический профилинг. Все результаты являются компьютерными прогнозами; для подтверждения функций целевых путей и регуляторных связей «ингредиент — центральный ген» требуются клеточные эксперименты in vitro и эксперименты на животных in vivo. В-третьих, синергические взаимодействия между несколькими компонентами RD и их фармакокинетическое поведение in vivo остаются неизученными. Необходима систематическая экспериментальная работа для расшифровки перекрестного взаимодействия ингредиентов и метаболических профилей данного растительного лекарственного средства. Данное исследование систематически показывает, что RD лечит RCI через многокомпонентную, многомишенную и многопутевую регуляторную сеть. RD может оказывать терапевтический эффект, подавляя воспаление, снижая апоптоз теноцитов, стимулируя ангиогенез и усиливая восстановление внеклеточного матрикса через сигнальные пути TNF, PI3K‑Akt, MAPK и HIF‑1. Эти результаты обеспечивают прочную теоретическую основу для клинического применения и механистических исследований RD при RCI.

Раскрытие информации

Авторы заявляют, что исследование проводилось в отсутствие каких-либо коммерческих или финансовых отношений, которые могли бы быть истолкованы как потенциальный конфликт интересов.

Благодарности

Авторы выражают благодарность разработчикам и администраторам публичных биоинформационных ресурсов, использованных в данной работе, включая TCMSP, ETCM, SymMap, GeneCards, OMIM, STRING, UniProt, PubChem и RCSB‑PDB. Эти базы данных открытого доступа предоставили общедоступные наборы данных, которые легли в основу описанного в данном исследовании компьютерного анализа. Данное исследование не получило внешнего финансирования.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
AutoDock VinaScripps Research InstituteV1.2.0Программное обеспечение для молекулярного докинга для симуляции связывания белок-лиганд; RRID: Not available. URL: https://github.com/ccsb-scripps/AutoDock-Vina
clusterProfilerBioconductorV3.2.14Пакет R для анализа обогащения GO и KEGG; совместим с R 4.0.3; RRID: SCR_016884. URL: https://bioconductor.org/packages/release/bioc/html/clusterProfiler.html
cytoHubba National Taiwan University(Cytoscape plugin)V0.1Плагин Cytoscape для скрининга хаб-генов по топологическим метрикам; RRID: SCR_006556. URL: https://apps.cytoscape.org/apps/cytohubba
CytoscapeInstitute for Systems BiologyV3.8.0Программное обеспечение для визуализации и анализа сетей;  RRID: SCR_003032. URL: https://cytoscape.org/
ETCM (Encyclopedia of Traditional Chinese Medicine)Institute of Chinese Materia Medica, China Academy of Chinese Medical SciencesV2.0Курируемая база данных ингредиентов, мишеней и формул традиционной китайской медицины (TCM); RRID: Not available. URL: http://www.tcmip.cn/ETCM2/front/#/
GeneCardsWeizmann Institute of Science—Интегративная база данных генов человека с периодическими основными релизами и инкрементными обновлениями; данные получены 2025-12-15; RRID: Not available. URL: https://www.genecards.org
Open BabelOpen Babel development team—Обновляемая ежедневно база данных ген-фенотип без глобальной версии релиза; данные получены 2026-02-16; RRID: Not available. URL: https://omim.org
OMIM (Online Mendelian Inheritance in Man)Johns Hopkins University—Инструментарий хемоинформатики с открытым исходным кодом для конвертации молекулярных файлов; данные получены 2025-12-21; RRID: Not available. URL: https://openbabel.org/
PubChemNational Center for Biotechnology Information (NCBI)—Публичная химическая база данных, постоянно обновляемая без фиксированного глобального релиза; данные по соединениям получены 2026-02-10; RRID: Not available. URL: https://pubchem.ncbi.nlm.nih.gov
PyMOLSchrödinger, LLCV2.5Программное обеспечение для визуализации и рендеринга структур белок-лиганд; RRID: SCR_000305. URL: https://pymol.org
R softwareR Foundation for Statistical ComputingV4.0.3Среда для статистических вычислений и графики; RRID: SCR_001905. URL: https://cran.r-project.org
RCSB PDBRCSB Protein Data Bank—Публичный архив 3D-структур белков; каждая запись PDB имеет независимое версионирование; файлы структур получены 2026-02-03; RRID: SCR_012820. URL: https://www.rcsb.org
STRINGELIXIRV11.5База данных известных и предсказанных белок-белковых взаимодействий; RRID: SCR_005223. URL: https://string-db.org
SymMapChina Academy of Chinese Medical SciencesV2.0Интегрированная база данных, связывающая лекарственные травы, ингредиенты, мишени и симптомы; RRID: Not available. URL: http://www.symmap.org
TCMSPNorthwest A&F UniversityV2.3База данных системной фармакологии TCM, содержащая ингредиенты, мишени и свойства ADME; RRID: Not available. URL: https://old.tcmsp-e.com/tcmsp.php
UniProtEuropean Bioinformatics Institute (EMBL-EBI)—Всеобъемлющая база данных белковых последовательностей и аннотаций с плановыми релизами и непрерывными обновлениями; данные получены 2025-12-12; RRID: SCR_002380. URL: https://www.uniprot.org
VennyBioinfoGP, Spanish National Centre for BiotechnologyV2.0Веб-инструмент для генерации диаграмм Венна и определения пересекающихся наборов генов; RRID: SCR_016561. URL: https://bioinfogp.cnb.csic.es/tools/venny/index2.0.2.html

Ссылки

  1. Desmeules F, et al. Rotator cuff tendinopathy diagnosis, nonsurgical medical care, and rehabilitation: a clinical practice guideline. J Orthop Sports Phys Ther. 2025;55(4):235-274.
  2. Yoshida M, et al. Post-operative rotator cuff integrity, based on Sugaya's classification, can reflect abduction muscle strength of the shoulder. Knee Surg Sports Traumatol Arthrosc. 2018;26(1):161-168.
  3. Aydın A, et al. The effects of N-acetylcysteine and adipose-derived stem cells on tendon healing in chronic rotator cuff tears: a rabbit model study. BMC Musculoskelet Disord. 2025;26(1):1014.
  4. Bolam SM, et al. Ethnicity, sex, and socioeconomic disparities in the treatment of traumatic rotator cuff injuries in Aotearoa/New Zealand. J Shoulder Elbow Surg. 2023;32(1):121-132.
  5. Patel HP, Patel S, Zalin M, Agrawal DK. Calcified vs. non-calcified tendinopathy of the rotator cuff: clinical presentations, prognostic implications, and emerging therapeutic strategies. J Orthop Sports Med. 2025;7(3):379-391.
  6. Sewpaul Y, et al. Non-steroidal anti-inflammatory drugs and cyclooxygenase-2 inhibitors do not affect healing after rotator cuff repair: a systematic review and meta-analysis. Arthroscopy. 2024;40(3):930-940.e1.
  7. Hopewell S, et al. Progressive exercise compared with best practice advice, with or without corticosteroid injection, for the treatment of patients with rotator cuff disorders (GRASP): a multicentre, pragmatic, 2 × 2 factorial, randomised controlled trial. Lancet. 2021;398(10298):416-428.
  8. Kandikattu S, Aavula M, Pisarski T, Parvizi D, Agrawal DK. Effect of metabolic syndrome in the incidence of rotator cuff injury and recovery following surgical repair. J Surg Res (Houst). 2025;8(1):202-210.
  9. Longo UG, et al. Retear rates after rotator cuff surgery: a systematic review and meta-analysis. BMC Musculoskelet Disord. 2021;22(1):749.
  10. Siu WS, Ma H, Cheng W, Shum WT, Leung PC. Traditional Chinese medicine for topical treatment of skeletal muscle injury. Pharmaceuticals (Basel). 2023;16(8):1144.
  11. Jingying G, et al. A comprehensive review of Drynariae rhizoma: botany, traditional applications, and active flavonoid components. J Pharm Pharmacol. 2025;77(10):1319-1337.
  12. Chen GY, et al. Prediction of Rhizoma Drynariae targets in the treatment of osteoarthritis based on network pharmacology and experimental verification. Evid Based Complement Alternat Med. 2021;2021:5233462.
  13. Yang G, et al. Total flavonoids of Rhizoma Drynariae enhance bone marrow mesenchymal stem cell-mediated tendon-bone healing by promoting tissue regeneration, angiogenesis, and modulation of cytokine expression. Biology (Basel). 2025;14(11):1593.
  14. Shen J, et al. Rhizoma Drynariae-derived EV-like particles alleviate osteoporosis by promoting osteogenic differentiation in BMSCs through the activation of the hsa_circ_0001275/miR-422a pathway. Bone. 2025;196:117489.
  15. Cai L, et al. Hydrogel microspheres loaded with sinomenine and Drynaria rhizome enhance the treatment of rheumatoid arthritis via immune regulation and promoting bone repair. J Nanobiotechnology. 2026;24(1):174.
  16. Chen GY, et al. Network pharmacology analysis and experimental validation to investigate the mechanism of total flavonoids of Rhizoma Drynariae in treating rheumatoid arthritis. Drug Des Devel Ther. 2022;16:1743-1766.
  17. Chen GY, et al. Mechanisms of total glucosides of paeony in alleviating methotrexate-induced liver injury. Drug Des Devel Ther. 2025;19:3407-3423.
  18. Zhang P, et al. Network pharmacology: towards the artificial intelligence-based precision traditional Chinese medicine. Brief Bioinform. 2024;25(1):bbad518.
  19. Zhao L, et al. Network pharmacology, a promising approach to reveal the pharmacology mechanism of Chinese medicine formula. J Ethnopharmacol. 2023;309:116306.
  20. Ru J, et al. TCMSP: a database of systems pharmacology for drug discovery from herbal medicines. J Cheminform. 2014;6:13.
  21. Xu HY, et al. ETCM: an encyclopaedia of traditional Chinese medicine. Nucleic Acids Res. 2019;47(D1):D976-D982.
  22. Wu Y, et al. SymMap: an integrative database of traditional Chinese medicine enhanced by symptom mapping. Nucleic Acids Res. 2019;47(D1):D1110-D1117.
  23. UniProt Consortium. UniProt: the universal protein knowledgebase. Nucleic Acids Res. 2018;46(5):2699.
  24. Stelzer G, et al. The GeneCards Suite: from gene data mining to disease genome sequence analyses. Curr Protoc Bioinformatics. 2016;54:1.30.1-1.30.33.
  25. Amberger JS, Hamosh A. Searching Online Mendelian Inheritance in Man (OMIM): a knowledgebase of human genes and genetic phenotypes. Curr Protoc Bioinformatics. 2017;58:1.2.1-1.2.12.
  26. Szklarczyk D, et al. The STRING database in 2023: protein-protein association networks and functional enrichment analyses for any sequenced genome of interest. Nucleic Acids Res. 2023;51(D1):D638-D646.
  27. Otasek D, Morris JH, Bouças J, Pico AR, Demchak B. Cytoscape Automation: empowering workflow-based network analysis. Genome Biol. 2019;20(1):185.
  28. Pitarch B, Chagoyen M, Ranea JAG, Pazos F. A review on Gene Ontology evaluations. Database (Oxford). 2025;2025:baaf058.
  29. Kanehisa M, Furumichi M, Sato Y, Kawashima M, Ishiguro-Watanabe M. KEGG for taxonomy-based analysis of pathways and genomes. Nucleic Acids Res. 2023;51(D1):D587-D592.
  30. Kim S, et al. PubChem in 2021: new data content and improved web interfaces. Nucleic Acids Res. 2021;49(D1):D1388-D1395.
  31. Burley SK, et al. RCSB Protein Data Bank: celebrating 50 years of the PDB with new tools for understanding and visualizing biological macromolecules in 3D. Protein Sci. 2022;31(1):187-208.
  32. Eberhardt J, Santos-Martins D, Tillack AF, Forli S. AutoDock Vina 1.2.0: new docking methods, expanded force field, and Python bindings. J Chem Inf Model. 2021;61(8):3891-3898.
  33. Li QR, Han YX, Bian YT, Lan MQ, Chen GY. Unveiling the mechanism of Cibotium barometz in the treatment of rheumatoid arthritis: a study based on network pharmacology and experimental validation. Curr Med Chem. 2026. Online ahead of print.
  34. Seeliger D, de Groot BL. Ligand docking and binding site analysis with PyMOL and Autodock/Vina. J Comput Aided Mol Des. 2010;24(5):417-422.
  35. Wang Y, Xu B, Ma C, Huang D, Zhou L. Association between inflammatory proteins and rotator cuff tears: a bidirectional Mendelian randomization study. Sci Rep. 2025;15(1):26987.
  36. Wang KC, et al. The influence of age on cellular senescence in injured versus healthy muscle and its implications on rotator cuff injuries. J Shoulder Elbow Surg. 2025;34(6 Suppl):S117-S126.
  37. Wellington IJ, et al. Management of failed rotator cuff repairs: a review. Orthop Clin North Am. 2022;53(4):473-482.
  38. Han L, Wang C, Wang T, Hu Y, Wang H. Total flavonoids of Rhizoma Drynariae improves tendon-bone healing for anterior cruciate ligament reconstruction in mice and promotes the osteogenic differentiation of bone mesenchymal stem cells by the ERR1/2-Gga1-TGF-β/MAPK pathway. Environ Toxicol. 2024;39(1):106-119.
  39. Chai S, et al. Luteolin rescues postmenopausal osteoporosis elicited by OVX through alleviating osteoblast pyroptosis via activating PI3K-AKT signaling. Phytomedicine. 2024;128:155516.
  40. Li W, et al. Effects of total flavonoids of Rhizoma Drynariae on biochemical indicators of bone metabolism: a systematic review and meta-analysis. Front Pharmacol. 2024;15:1443235.
  41. Wang Z, Cao L, Wang X. Total flavonoids of Rhizoma Drynariae ameliorate tendon-bone healing following anterior cruciate ligament reconstruction in rats by activating the FSP1/CoQ10 pathway to inhibit osteoblast mitochondrial dysfunction and ferroptosis. Appl Biochem Biotechnol. 2026;198(8):5916-5938.
  42. Kim JG, et al. Therapeutic potential of quercetin as an antioxidant for bone-muscle-tendon regeneration and aging. Aging Dis. 2024;16(3):1414-1437.
  43. Worsfold SI, et al. Rotator cuff tendinopathy: pathways of apoptosis. Sports Med Arthrosc Rev. 2024;32(1):12-16.
  44. Chen L, et al. AMPK signaling in osteoarthritis: from mechanisms to targeted therapeutics. Front Pharmacol. 2025;16:1681610.
  45. Li Y, et al. Leptin enhances M1 macrophage polarization and impairs tendon-bone healing in rotator cuff repair: a rat model. Clin Orthop Relat Res. 2025;483(5):939-951.
  46. Yang Y, et al. Celastrol suppresses neovascularization in rat aortic vascular endothelial cells stimulated by inflammatory tenocytes via modulating the NLRP3 pathway. Open Med (Wars). 2025;20(1):20241121.
  47. Li Y, et al. Prevascularized bone marrow-derived mesenchymal stem cell sheets promote tendon-bone integration in rotator cuff repair. J Bone Joint Surg Am. 2026;108(17):1389-1398.
  48. Zhao MJ, et al. Eupatorin as a promising natural compound against knee osteoarthritis: from network pharmacology to experimental validation. Front Biosci (Landmark Ed). 2025;30(12):46747.
  49. Cho W, et al. Valdecoxib ameliorates apoptosis and ferroptosis in tenocytes via the SIRT6/NRF2-mediated suppression of oxidative stress. Arch Med Res. 2025;56(6):103231.
  50. Cheng Y, et al. Amentoflavone alleviated cartilage injury and inflammatory response of knee osteoarthritis through PTGS2. Naunyn Schmiedebergs Arch Pharmacol. 2024;397(11):8903-8916.
  51. Cho W, et al. Therapeutic potential of ginsenoside compound K in managing tenocyte apoptosis and extracellular matrix damage in diabetic tendinopathy. Tissue Cell. 2024;86:102275.
  52. Cheng P, et al. High-purity magnesium screws modulate macrophage polarization during the tendon-bone healing process in the anterior cruciate ligament reconstruction rabbit model. Regen Biomater. 2022;9:rbac067.
  53. Zhou L, et al. Regorafenib attenuates osteoclasts differentiation by inhibiting the NF-κB, NFAT, ERK, and p38 signaling pathways. ACS Omega. 2024;9(31):33574-33593.
  54. Cho MH, Jin H, Ha J, Chu S, An S. An integrated systems pharmacology approach combining bioinformatics, untargeted metabolomics and molecular dynamics to unveil the anti-aging mechanisms of Tephroseris flammea. Biomolecules. 2025;15(12):1740.
  55. Wang L, et al. IL-33/ST2 drives inflammatory pain via CCL2 signaling and activation of TRPV1 and TRPM8. Commun Biol. 2025;8(1):724.
  56. Zhang P, Xu X, Wang H, Zhang Y. Anti-inflammatory activity and potential anti-inflammatory mechanisms of Artemisia scoparia essential oil. J Pharm Pharmacol. 2026;78(2):rgag004. 
  57. Wang Z, et al. Engineered mesenchymal stem cells with endogenous trehalose expression activate the NRF2-HMOX1 pathway to enhance antioxidant stress and wound healing capacity. Adv Wound Care (New Rochelle). 2026. Online ahead of print.
  58. Lu Y, et al. Dual-PPARα/δ agonist H11 alleviates tendinopathy via modulating the Nrf2/HO-1/GPX4 pathway. Free Radic Biol Med. 2026;242:333-344.
  59. Chung SW, Yoon JP, Park SJ. Inhibiting muscle degeneration in rotator cuff tears: integrative biologic approaches targeting regeneration, fibrosis, and metabolism. Stem Cells Transl Med. 2026;15(6):szag023.
  60. Feuerriegel GC, et al. Assessment of the rotator cuff muscles: state-of-the-art MRI and clinical implications. Radiology. 2025;315(2):e242131.
  61. He Y, et al. SHED-derived exosome-mimetics promotes rotator cuff tendon-bone healing via macrophage immunomodulation through NF-κB suppression and autophagy activation. Mater Today Bio. 2025;34:102146.
  62. Zhang Z, et al. Curcumin improves functional recovery of ruptured tendon by promoting tenogenesis via PI3K/Akt signaling. Stem Cells Transl Med. 2024;13(5):477-489.
  63. Chen C, et al. CTHRC1 attenuates tendinopathy via enhancing EGFR/MAPK signaling pathway. Adv Sci (Weinh). 2024;11(47):e2406611.
  64. Zulkifli A, et al. The potential mechanism of hypoxia-induced tenogenic differentiation of mesenchymal stem cell for tendon regeneration. Tissue Cell. 2023;82:102075.
  65. Xiang L, Deng H, Zhou S. Effects of TNF-α on behaviour and inflammation in rats with rotator cuff injury through NGF. Discov Med. 2024;36(185):1241-1249.
  66. Liu H, et al. RNA-sequencing-based elucidation of the mechanism underlying aFGF mediated regulation of BMSCs via the PI3K-AKT pathway and its implications for rotator cuff injury repair. J Orthop Surg Res. 2025;20(1):997.
  67. Chen GY, et al. Total flavonoids of Rhizoma Drynariae restore the MMP/TIMP balance in models of osteoarthritis by inhibiting the activation of the NF-κB and PI3K/AKT pathways. Evid Based Complement Alternat Med. 2021;2021:6634837.
  68. Wang Y, Gu X, Tu J, Xu B. MCP-1 exacerbates diabetic rotator cuff tear by driving synovial inflammation via MAPK/ERK-mediated macrophage polarization. J Shoulder Elbow Surg. 2026. Online ahead of print.
  69. Lin J, et al. Hypobaric hypoxia ameliorates impaired regeneration after diabetic skeletal muscle injury by promoting HIF-1α signaling. Int J Mol Sci. 2026;27(2):648.
  70. Tian M, Wang K, Chen D. Efficacy and mechanisms of Xiangsha Liujunzi Decoction for gastroesophageal reflux disease: a study integrating meta-analysis, network pharmacology and molecular docking. Phytomedicine. 2026;151:157766.

Перепечатки и разрешения

Больше статей

Сеть белок-белковых взаимодействийхаб-генывоспалительная реакцияангиогенезвнеклеточный матрикссигнальные пути
Связаться с нами
Порекомендовать библиотеке

Конфиденциальность

Условия использования

Политики

© 2026 MyJoVE Corporation. Все права защищены.