简介:肺癌的特征是肺组织内细胞增殖不受控制,是全球癌症相关死亡的主要原因。传统药草荜茇因其有据可查的抗癌特性而成为肿瘤学研究的重要竞争者,表明其具有开发新疗法的潜力。方法:本研究采用网络药理学和组学方法,通过识别荜茇的生物活性成分及其相应的分子靶点,阐明荜茇的抗肺癌潜力。结果:通过全面的文献综述和综合药用植物化学和治疗学数据库 (IMPPAT),我们从荜茇中鉴定出 33 种生物活性分子。随后,使用 SwissTargetPrediction、SuperPred 和 DIGEP-Pred 等工具进行的分析有助于分离出 676 个潜在靶点,其中 72 个与通过治疗靶点数据库 (TTD)、人类在线孟德尔遗传 (OMIM) 和 GeneCards 等数据库确定的 666 个肺癌相关遗传标记相交。通过蛋白质-蛋白质相互作用 (PPI) 网络、基因本体论、通路分析、箱线图和总体生存指标的进一步验证强调了 7-表-eudesm-4(15)-ene-1 β、去甲氧基哌拉汀、3,4,5-三甲氧基肉桂酸甲酯、6-α-二醇和马兜铃二酮等化合物的治疗潜力。值得注意的是,我们的研究结果再次证实了肺癌基因(如 CTNNB1、STAT3、HIF1A、HSP90AA1 和 ERBB2)的重要性,这些基因对各种细胞过程至关重要,在癌症发生和发展中起着关键作用。分子对接评估显示 6-α-二醇与 HIF1A 之间存在明显的亲和力,强调了它们作为肺癌治疗剂的潜力。结论:这项研究不仅突出了 P. longum 的生物活性化合物,还加强了其抗癌机制的分子基础,为未来的肺癌治疗铺平了道路。
目的:探讨桉叶油精柠檬蒎烯肠溶胶囊(QIENUO)治疗肺囊性纤维化(CPF)的作用机制,分析QIENUO与CPF的共同靶点,验证核心蛋白与小分子的分子对接。方法:从PubChem、SwissTargetprediction、GeneCards、PharmMapper、TCMSP数据库中获取主要活性化合物及其对应靶点,从GeneCards、OMIM、DisGeNET、TTD数据库中筛选与CPF相关的靶点。通过维生信网站利用基因本体论(GO)和京都基因与基因组百科全书(KEGG)对“QIENUO-CPF”共同靶点进行分析,利用Cytoscape构建蛋白质-蛋白质相互作用(PPI)网络和化合物-靶点-通路网络,并系统分析网络参数。采用分子对接方法评估并验证核心蛋白与单体成分之间的相互作用。结果:筛选出228个活性化合物靶点和1354个CPF相关靶点,对92个共同靶点进行GO和KEGG分析。结果显示,切诺对CPF的治疗作用主要通过AMPK信号通路、cGMP-PKG信号通路和TGF-β信号通路实现。分子对接结果显示,15对配体-受体对中,有9对的结合能低于-6kjmol-1。结论:切诺作为治疗肺囊性纤维化的药物具有巨大的潜力,研究和论证了切诺治疗CPF的具体分子机制和有效活性成分,为切诺更好的临床应用提供理论基础。关键词:网络药理学;分子对接;肺囊性纤维化;桉叶油素、柠檬烯、蒎烯肠溶胶囊
目的:探索基于生物信息学的肥胖与疾病发生之间的关联。方法:主要目标是从相关疾病数据库(Genecards,TTD,Omim,Uniprot)中获得的,其中具有“肥胖”,“心血管疾病”,“心脏病”,“癌症”和“肝脏代谢障碍”的关键词。Based on the STRING database, the protein-protein interaction network of dis- ease and obesity cross-targets was constructed, the core targets were screened, and the DAVID data- base was used to analyze the gene ontology function (GO) and Kyoto Encyclopedia of Genes and Ge- nomes (KEGG) pathways, so as to predict the non-coding RNA and transcription factors acting on the core targets, and construct基因调节网络。结果:在肥胖和心血管疾病之间筛选了总共25个核心目标和58个相互作用的miRNA。有30个肥胖和心脏病的核心目标,有81个相互作用的miRNA。有25个肥胖和癌症的核心靶标,以及84个相互作用的miRNA。有30个肥胖和肝脏代谢疾病的核心靶标,还有73个相互作用的miRNA。肥胖和心血管疾病的核心靶标主要富含脂质,动脉粥样硬化,腺苷酸激活的蛋白激酶,信号传导途径等。肥胖和心脏病的核心靶标主要富含胆固醇代谢,脂质动脉粥样硬化和其他信号通路。肥胖和癌症的核心靶标主要在腺苷酸激活的蛋白激酶和磷脂酰肌醇3-激酶-akt信号通路中富含。肥胖和肝脏代谢性疾病的核心靶标主要富含非酒精性脂肪肝病和脂肪细胞因子信号通路。本研究为肥胖与疾病之间复杂关系的后续探索提供了一个新的方向和新思路。
摘要 目的基于网络药理学和分子对接,阐明槲皮素抗膝骨关节炎(KOA)的潜在作用机制。方法 通过PubChem和Swiss Target Prediction数据库预测槲皮素的靶点,通过DisGeNET、OMIM和GeneCards数据库获取KOA的靶点,然后将槲皮素与KOA的靶点进行交集,寻找槲皮素抗KOA的潜在靶点。通过STRING数据库构建蛋白质-蛋白质相互作用网络,筛选核心靶点。利用DAVID数据库进行基因本体(GO)功能富集分析和京都基因和基因组百科全书(KEGG)通路富集分析。用Cytoscape软件构建药物-靶点-通路-疾病网络,并用Vina进行分子对接验证。结果槲皮素抗KOA潜在靶点49个,其中核心靶点10个。GO功能富集分析显示槲皮素抗KOA的生物学过程主要涉及对细胞凋亡过程、胶原分解过程、细胞外基质解体等的负调控。KEGG通路富集分析显示槲皮素抗KOA与PI3K-Akt信号通路、Rap-1信号通路、FoxO信号通路、Ras信号通路、TNF信号通路、ErbB信号通路密切相关。分子对接结果显示配体与受体之间的结合能小于5kcal•mol-1。结论槲皮素抗KOA的分子机制涉及多个靶点和通路,能够调控软骨细胞的增殖与凋亡、细胞外基质的降解以及炎症反应。槲皮素可以稳定地与核心靶蛋白的活性口袋结合,从而发挥对抗KOA的功效。
摘要 本研究旨在利用网络药理学和分子对接方法探讨瓜蒌-当归-乳香-没药(TAFM)治疗乳腺癌的关键活性成分、潜在靶点及其分子机制。利用中药系统药理学数据库与分析平台(TCMSP)数据库获取TAFM的化学成分和相关靶点;利用GeneCards、OMIM、Drugbank和治疗靶点数据库(TTD)等数据库识别乳腺癌相关靶点;利用Cytoscape 3.9.1软件和STRING(Search Tool for the Retrieval of Interaction Gene/Proteins)数据库可视化药物成分-靶点-疾病和蛋白质相互作用网络,筛选核心成分和关键靶点。使用DAVID(Database for Annotation, Visualization and Integrated Discovery)数据库进行基因本体论(GO)和京都基因和基因组百科全书(KEGG)分析,使用AutoDock和PyMOL软件进行分子对接。发现TAFM在治疗乳腺癌中的关键活性成分包括β-谷甾醇、豆固醇、鞣花酸、天竺葵素和矮牵牛素,共鉴定出ESR1、VEGFA、PTGS2、HSP90AA1、CASP3等38个关键靶点和枢纽基因。分子对接结果证实豆固醇和胱天蛋白酶3(CASP3)是相关最密切的靶点。GO富集分析显示,参与的生物学过程主要包括药物反应、凋亡过程的正向调控和基因表达双向调控等。KEGG通路分析揭示了与癌症、炎症及感染相关疾病相关的通路的参与。研究结果提供了支持性证据,表明β-谷甾醇、豆固醇、鞣花酸、天竺葵素和矮牵牛素代表TAFM的关键生物活性成分,通过调节雌激素受体α(ESR1)、血管内皮生长因子A(VEGFA)、前列腺素-内过氧化物合酶2(PTGS2)、热休克蛋白90α(HSP90AA1)和CASP3在治疗乳腺癌中表现出抗乳腺癌活性。
arr(X,Y)x1,(1-22)x2 全基因组染色体 SNP 微阵列 (Reveal) 分析正常。根据下文所述的本报告标准,在 277 万个区域特异性 SNP 和结构靶标中未检测到显著的 DNA 拷贝数变化或拷贝中性区域。当发现新的临床重要基因时,可以根据要求重新检查档案记录。方法:使用 Cytoscan ® HD Accel 平台进行 SNP 微阵列分析,该平台使用 2,029,441 个非多态性拷贝数探针和 743,130 个 SNP 探针进行 LOH/AOH 分析和关系评估。该阵列的平均基因内间距为 0.818 kb,平均基因间距为 1.51 kb。从提供的样本类型中提取总基因组 DNA,用 Xce1 消化,然后连接到 Xce1 接头。纯化并定量 PCR 产物。将纯化的 DNA 破碎,用生物素标记,并与 Cytoscan ® HD Accel 基因芯片杂交。使用染色体分析套件分析数据。分析基于 GRCh37/hg19 组装。此测试由 LabCorp 开发并确定其性能特征。它尚未获得食品和药物管理局的批准或认可。阳性评价标准包括:* DNA 拷贝数损失 >200 kb 或在具有至少一个 OMIM 基因的已知临床重要区域之外增加 >500 kb。* DNA 拷贝数增加/损失在或包括已知 25 kb 或更大的临床重要基因内。* 如果患者结果显示单个染色体中存在 >20 Mb 间质或 >10 Mb 端粒的长连续纯合区域(印迹染色体分别为 15 和 8 Mb),则建议进行 UPD 测试。 * 如果一个区域的连续纯合性大于 8 Mb,但低于 UPD 报告标准,则报告为隐性疾病风险增加。 * 多条染色体内连续纯合性大于 8 Mb 表明存在共同祖先。这些区域具有潜在的隐性等位基因风险。 * 由于存在大量连续的短片段(与地理或社会有限的基因库相关),报告在第 99 个百分位处存在高水平的等位基因纯合性。 SNP 染色体微阵列无法检测: * 真正平衡的染色体变异 * 序列变异
人类基因组的测序是一个具有里程碑意义的成就,它彻底改变了我们对人类生物学的理解,从而深刻了解了特征和疾病的遗传基础以及人类进化史(53,55,86)。在人类基因组参考序列的可用性之前,人类遗传学领域在很大程度上依赖于家庭的谱系分析,细胞遗传学技术和低分辨率的遗传测定,以研究遗传疾病的原因(70)。这些早期方法有助于为统计方法奠定基础,例如关联测试,培养遗传咨询的概念,并为更复杂的分子遗传研究铺平了道路。然而,缺乏人类基因组参考序列限制了洞察力的深度和广度,尤其是对于受众多基因座基因组影响的复杂性状。从2001年的历史出版物开始(86),人类的基因组参考序列已发挥了多种作用。最重要的是作为控制人类发展,生理学和病理学许多方面的基因和调节序列的全面目录。通过诸如DNA元素百科全书(Eckode)(46)和路线图表观基因组学(124)项目等倡议增强,参考序列也使人们更深入地了解了调节元件的复杂网络,这些元件的复杂网络跨越了基因表达,塑造细胞功能和生物体跨健康和疾病状态的基因表达。在线Mendelian在MAN(OMIM)数据库中的继承证明了这一进展,该数据库现在分类了近7,000个疾病和特征的遗传基础(9)。通过促进基于家庭的联系分析和关联研究,参考序列指数级加速了突变,基因和途径的发现和表征,这些突变,基因和途径介导了各种特征和疾病中的变化。也已经确定了许多常见的遗传危险因素;截至2023年10月,全国人类基因组研究研究所 - 欧洲生物毒素格式化研究所全体基因组协会研究(GWASS)(96)包含> 500,000个关联,> 500,000个关联,> 6,500个已发表的研究。人类基因组参考序列的另一个变革性方面是其在遗传变异的鉴定和分析中的作用,这推动了人口基因和比较基因组学领域(19,80)。在最基本的级别上,参考序列充当一个分析资源和坐标系,可以精确地映射DNA序列变化。关于人群内部和人群之间遗传多样性的结果信息已提高了对进化过程的更深入的了解,例如历史迁移,人口规模的变化以及对新环境的遗传适应性。随着我们的前进,人类的基因组参考序列将在人类遗传学的不断发展的叙事中仍然是一个基石。但是,使用最广泛的参考序列
亲爱的编辑: 在中药现代化中,确定草药中的有效成分和阐明有效成分与靶标之间的作用机制是两个关键方面。建立一个全面且高可靠性的中药数据库是非常可取的。我们的 TCM Database@Taiwan1 自 2011 年成立以来,已被广泛使用和大量引用,并且还被收录到 ZINC 数据库 2 中。我们使用自然语言处理,建立了知识图谱和分子信号传导通路来建立中药数据库 TCMBank ( https://TCMBank.cn/ ),它从 TCM Database@Taiwan 扩展而来,包括 9192 种草药、61,966 种成分、15,179 个靶标和 32,529 种疾病。更新后的中药库将中药成分数量由32,364种扩充至61,966种(非重复),并增加了靶点和疾病两个新数据字段。具有连接信息的中药数量为9010种,中药平均连接边数为16.05。具有连接信息的成分数量为54,676种,中药平均连接边数为5.26。TCMBank以mol2格式提供中药成分的三维结构,并提供与外部公共数据库的交叉引用链接,如CAS、DrugBank、PubChem、MeSH、OMIM、DO、ETCM、3 HERB、4等。目前,TCMBank是最全面、可下载、最大的非商业中药数据库,TCMBank与其他中药相关数据库的数据规模比较见图1 a。中西药库提供了一个方便的用户自由探索草药、成分、基因靶点与相关途径或疾病之间的关系的网站(图1b)。图1c展示了中西药库的建立流程,包括文本挖掘策略、智能文档识别模块等。所有与中药相关的信息必须经过志愿者至少两次的人工验证,以确保中西药库数据的可靠性。中西药之间的不良反应会导致医疗费用增加,甚至死亡。据估计,超过10%的患者需要同时服用五种药物,20%的老年患者需要同时服用至少十种药物,这大大增加了中西药互斥带来的医疗风险。中西药互斥反应的鉴别在临床上主要依靠生化分析。然而,这个过程非常耗费人力和物力。基于人工智能的中西药互斥预测需要大量带有不良反应标签的中西药配对。目前中西药互斥数据集尚不完善,而目前有两个现实世界的公共药物相互作用(DDI)数据集:DrugBank 和 TWOSIDES。在前期工作中,我们首先提出了两个模型,3DGT-DDI 5 和 SA-DDI, 6 在 DDI 数据集上预测两种化合物之间的相互作用。
背景和目的:肝细胞癌(HCC)是世界上十大最常见的恶性肿瘤之一,它是世界上一个主要问题。中医(TCM)在预防和治疗HCC方面具有许多优势,但其复杂的作用机理很难澄清,这限制了其研发。生物信息技术的持续发展为TCM研究提供了新的方法和机会。这项研究使用现代网络药理学和生物信息学方法来探索中草药化合物Fuzheng fuzheng fuzheng小颗粒(FZXLG)的可能分子机制,以治疗HCC,为其临床应用和基本研究提供理论基础,以促进TCM的现代化,以促进其世界化的应用。方法:通过TCMSP,BATMAN-TCM和其他数据库收集FZXLG的活性成分。通过PubChem和Swisstarget Prediction预测FZXLG的目标;通过Genecards,OMIM和其他疾病数据库获得了与HCC疾病相关的靶标,并筛选了FZXLG的潜在基因靶标。构建了用于治疗HCC的FZXLG的“处方-tcms-ingredients-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets”。分析了TCGA数据库中HCC肿瘤和非肿瘤邻近组织的差异表达基因(DEG),以获得HCC的预后基因。然后,筛选了影响HCC预后的FZXLG基因,并进一步筛选核心靶基因。研究了HCC患者的核心基因表达与预后,免疫细胞浸润和免疫组织化学变化之间的相关性。基因和基因组的百科全书(KEGG)富集分析和基因本体学富集分析,对影响HCC预后的FZXLG基因进行了使用David Database进行了。AutoDockTools软件随后用于分子对接验证。结果:用于HCC治疗的FZXLG的十种核心有效成分包括多种类黄酮成分,例如槲皮素,Luteolin和formononetin。11影响HCC预后的FZXLG的核心靶标被筛选,其中雌激素受体1(ESR1)和催化酶(CAT)是有利的预后因素,而EGF,MMP9,CCNA2,CCNB1,CCNB1,CDK1,CDK1,CHEK1,CHEK1,CHEK1和E2F1是不良的预测因素。MMP9和EGF与六个TIIC子集正相关。CAT,PLG,AR,MMP9,CCNA2,CCNB1,CDK1和E2F1的不同表达水平与正常肝癌和肝癌的免疫组织化学染色变化相关。KEGG途径富集分析产生了33个途径,包括细胞周期,p53,乙型肝炎和其他信号通路。分子对接证实了主要核心成分与保护性预后核心靶标ESR1和CAT具有良好的结合。结论:FZXLG可以通过多种成分,多个靶标和多种途径来治疗HCC,从而影响HCC的预后,免疫微环境和免疫组织化学变化。
雷特综合征 (RTT;OMIM ID 312750) 是一种严重的神经发育障碍,几乎只发生在女性身上,主要发生在 6 个月大的婴儿身上 ( 1 )。每 15,000 名新生儿中就有 1 名患有此病 ( 2 )。它是继唐氏综合征之后导致女孩智力障碍的第二大遗传病因 ( 3 )。在 90 – 95% 的病例中,甲基-CpG 结合蛋白 2 基因突变是导致大多数典型 RTT 和较小比例非典型 RTT 的原因。另一方面,具有 Rett 表型的患者会同时患有由细胞周期蛋白依赖性蛋白激酶样 5 基因 ( CDKL5 ) 突变引起的早发性癫痫 ( 4 )。另一种称为 FOXG1 的基因与非典型 RTT 或 RTT 样表型有关,并且可能表现出保留的功能和特定的临床特征 ( 5 )。 1999 年,首次描述了甲基-CpG 结合蛋白 2 ( MeCP2 ) 基因突变。MeCP2 基因编码甲基-CpG 结合蛋白 2 ( MeCP2 ),该蛋白与基因的长期沉默有关,并在所有组织中表达 ( 6 )。MeCP2 基因突变主要导致功能丧失,是 RTT(一种影响 X 染色体的疾病)的主要原因 ( 7 )。由于大约 95% 的突变是新生的,因此产前检测和/或 Rett 综合征的遗传咨询通常无济于事。MeCP2 在大脑功能和神经元发育中起着关键作用,无论是在神经元分化开始时还是之后 ( 8 )。RTT 患者一开始看起来都很“健康”。然而,从 6 到 18 个月大的时候,这些儿童会经历早期发育里程碑的退化,运动技能、眼神交流、言语和运动控制能力下降,头部生长减速,并出现明显的重复性、无目的的手部运动 (9)。随着时间的推移,通常会出现一系列神经系统问题,包括焦虑、呼吸问题(呼吸节律失常)和癫痫发作 (10)。RTT 的临床表型高度多变,可分为两大类:典型 (经典) RTT 和非典型 (变异) RTT。典型 RTT 的诊断标准需要一段时间的退化,然后恢复或稳定,并满足所有主要标准(失去有目的的手部技能、失去口语、步态异常和刻板的手部动作)(3)。进一步的表现可以包括自闭症特征、间歇性呼吸异常、自主神经系统功能障碍、心脏异常和睡眠障碍。除了典型或经典的 RTT 外,一些患者可能表现出许多(但不是全部) RTT 临床特征,因此存在“变异型”或“非典型型” RTT(11)。这些包括三种主要变异型:保留言语、早发性癫痫和先天性变异(12)。曲奈肽是目前 FDA 自 2023 年以来批准的唯一一种 RTT 疾病改良疗法,是一种潜在的有效且安全的治疗机会(13)。不同的药物,包括醋酸格拉替雷和右美沙芬,已在小规模临床试验中进行了研究,但效果不显著 ( 14 )。基因疗法目前正处于药物开发阶段,可能带来新的治愈机会 ( 15 )。最初,RTT 被认为是一种纯粹的神经系统病理,但近年来,它已成为一种复杂且