Ağ Farmakolojisi Hiperlipidemiye Karşı Fructus Phyllanthi Mekanizmasının Tahmini ve Metabolomik Validasyonu

Araştırmamız seri deney tekniğini içerir ve protokol, okuyucuların yöntemlerimizi anlaması için gerekli olan bu ayrıntılara sahiptir. Entegre yöntemimiz, ağ farmakolojisi ve metabolomiğinin dezavantajını telafi eder ve doğal tıbbın terapötik meta-analizi için kullanılabilir. Bu yöntem, aktif bileşiği şirketin içeriğinden ve geleneksel Çin tıbbı gibi büyük kimyasal bileşime sahip koşucular için kıyafetten taramak için kullanılır.

Başlamak için, geleneksel Çin tıbbı sistemleri farmakoloji veritabanında phyllanthi fructus anahtar kelimesini arayarak aktif bileşenleri ve temel hedefleri seçin. Fruktus phyllanthi veya FP'nin aday aktif bileşenlerinin ve hedeflerinin listesini elde etmek için, gen kartları veritabanında hiperlipidemi anahtar kelimesini, insanda çevrimiçi Mendel kalıtım veritabanında ve hiperlipidemisin ilgili aday hedeflerini elde etmek için terapötik hedef veritabanında arama yapın. Hastalık hedeflerinin elektronik tablolarını indirin ve bunları bir klasöre kaydedin ve hiperlipidemi hedefleri listesini elde etmek için tekrarlanan hedefleri silin.

Ardından, FP etkin bileşenlerinin, FP hedeflerinin ve hiperlipidemi hedeflerinin listelerini yeni bir elektronik tabloya kopyalayın. Kesişim hedeflerini almak için araç çubuğundaki veri tanımlama yineleme işlevini kullanın. Gen ve protein adlarını standartlaştırmak için kesişim hedef listesini UniProt bilgi tabanına aktarın.

Bir protein protein etkileşim ağı oluşturmak için, FP'nin hiperlipidemiye karşı kesişim hedef listesini String veritabanı 11.5'in adlar listesi iletişim kutusuna yapıştırın. Organizmalarda homo sapiens'i seçin. Ara'ya tıklayın ve ardından devam edin.

Sonuçlar elde edildikten sonra, ağdaki yüksek bağlantısı kesilmiş düğümleri gelişmiş ayarlarda etkinleştirin. Gerekli minimum etkileşim puanında en yüksek güvenilirliği 0,900 olarak ayarlayın. Ardından güncelle düğmesine tıklayın.

Başlık çubuğundaki dışa aktarımlara tıklayın ve protein protein etkileşim ağının kısa tablo metnini PNG ve TSV formatında indirin. Bir ilaç bileşeni hastalığı hedef ağı oluşturmak için, Cytoscape 3.9.1'i açın ve TSV formatındaki dosyayı içe aktarın. Kontrol panelindeki stil çubuğu aracılığıyla ağ düğümlerinin rengini, yazı tipini ve yan tarafını optimize edin.

Ağ topolojisi analizi için ağ analizi işlevini kullanarak, Cytoscape'teki CytoHubba'da hub genleri elde edin ve ilaç bileşeni hedef hastalık ağını oluşturun. GO ve KEGG zenginleştirme analizi yapmak için David biyoinformatik kaynaklarını açın. Analizi başlat'a tıklayın ve hedef listeyi sol iletişim kutusuna yapıştırın.

Select tanımlayıcısında resmi gen sembolünü ve seçilen türlerde homo sapiens'i seçin. Ardından liste türünde gen listesini etkinleştirin ve listeyi gönder'e tıklayın. Ardından, David araçlarından biriyle yukarıdaki gen listesini analiz et altındaki işlevsel ek açıklama kümelemesini tıklayın.

GO fonksiyon zenginleştirme analizi için GO terimi BP doğrudan, GO terimi CC doğrudan, GO terimi MF doğrudan ve gen ontolojisini etkinleştirin. KEGG yolu zenginleştirme analizi için yollarda KEGG yolunu etkinleştirin. Sonuçları görüntülemek için işlevsel ek açıklama grafiğine tıklayın.

LCMS bulgularından elde edilen integral değerlerin çok değişkenli istatistiksel analizi için SIMCA P yazılımını kullanın. Ortalama merkez verileri ve örnek sınıfların modellenmesi için ortogonal kısmi en küçük kareler diskriminant analizi veya OPLSDA kullanın. OPLSDA testinden sonra, projeksiyonda integral değişken öneme sahip metabolitleri veya birden büyük VIP değerlerini ve öğrencinin T testinden 0.05'ten küçük bir P değerini potansiyel diferansiyel metabolitler olarak düşünün.

İnsan metabolomu, Kyoto gen ve genom ansiklopedisi ve MetaboAnalyst 5.0 dahil olmak üzere açık veritabanı kaynakları ile bozulmuş metabolitleri ve metabolik yolları tanımlayın. MetaboAnalyst 5.0 ve Wukong platformu tarafından sonuç görünümlerini görselleştirin. Geleneksel Çin tıbbı sistemleri farmakoloji veritabanından seçilen FP bileşenleri 3D yapısını indirin.

Kimyasal isimler arama kutusundaki bileşen adlarını arayın ve ilgili 3D yapı dosyalarını MOL iki formatında indirin. Ardından, anahtar hedeflerin kristal yapılarını alfa kıvrımlı protein yapısı veritabanından indirin. Arama kutusundaki hedef adlarını arayın ve ilgili kristal yapı dosyalarını PDB formatında indirin.

Ardından malzemeleri ve hedef yapı dosyalarını AutoDock araçları yazılımına aktarın. Su moleküllerini silmek için düzenle ve sil'e tıklayın. Ardından, hidrojen eklemek için hidrojenleri düzenle ve ekle'yi tıklayın.

Bileşenleri ligand olarak ayarlayın ve tüm hedefleri reseptör olarak seçerek kör yerleştirme gerçekleştirin. Yeni geliştirilen alanı ayarlamak için merkez ve boyutun arkasındaki kutuya bir değer girin, böylece ligand ve reseptörü tamamen kuşatmayı mümkün kılar. Ligand ve reseptör dosyalarını PDBQT formatında kaydedin.

Moleküler yerleştirme gerçekleştirmek için AutoDock Vina'yı kullanın. Reseptör çubuğunu reseptör noktası PDBQT'nin adına ve ligand çubuğunu ligand noktası PDBQT'nin adına ayarlayın. Reseptöre ligand bağlanması için en uygun yeri elde edin ve bağlanma enerjisi değerini en uygun konumda kaydedin.

Görsel sistem modelini almak için yerleştirme dosyalarını protein ligand etkileşim profil oluşturucusuna aktarın. Model dosyalarını PSC formatında indirin ve daha fazla görselleştirme oluşturmak için bunları PyMOL yazılımına aktarın. Ağ farmakolojisi sayesinde, FP'nin toplam 19 bileşeni ve 134 bileşenle ilgili hedefi bulundu.

FP ile ilişkili hedefler hiperlipidemi ile ilişkili hedeflerle eşleştirildikten sonra, 62 tanesi hiperlipidemiye karşı FP için potansiyel hedef olarak belirlendi. Protein protein etkileşim ağı String ve Cytoscape tarafından oluşturulmuştur. GO zenginleştirme sonuçları, FP'nin biyolojik süreçlerinin ve hiperlipidemiye karşı moleküler fonksiyonunun esas olarak gen ekspresyonu ve protein bağlanması ile ilişkili olduğunu göstermiştir.

KEGG zenginleştirmesi, FP'nin lipid metabolizmasına ve ateroskleroza müdahale edebileceğini kanıtladı. OPLSDA analizi, negatif kontrol, yüksek yağlı diyet ve yüksek doz FP fare grupları arasındaki metabolit ayrımını araştırmak için kullanıldı; bu, aynı grup örneklerinin bir araya toplandığını ve farklı grup örneklerinin iyi ayırt edildiğini gösterdi. Toplam 16 ve altı metabolit, plazma ve karaciğerdeki HFD farelerini etkileyen FP'de diferansiyel metabolitler olarak tanımlanmıştır.

MetaboAnalyst 5.0 tarafından çizilen ısı haritaları, plazma ve karaciğerdeki tüm diferansiyel metabolitlerin yüksek yağlı diyet grubunda değiştiğini ve çoğunun FP grubunda tersine çevrildiğini gösterdi. Triptofan metabolizması plazmada önemli ölçüde etkilendi. Taurin ve hipotaurin metabolizması karaciğerde önemli ölçüde etkilendi.

Diferansiyel metabolitler, Cytoscape'teki MetScape eklentisine aktarıldı ve bileşik reaksiyon enzim gen ağlarını toplamak için ağ farmakolojisinde tanımlanan hub genleriyle eşleşti. Ayrıca, bileşenler metabolitleri hedef alan yollar ağı oluşturulmuştur. Ligand aktif bölge etkileşimlerini analiz etmek için moleküler kenetlenme kullanıldı.

Bu teknoloji, geleneksel Çin tıbbının farmakolojik genetik bileşenlerini başlatmak için kapsamlı bir yöntemdir. Tam içerikli ilaçları içeren araştırmalar için yeni bir fikir sağlar.