JoVE Logo
发表
联系我们

登录

需要订阅 JoVE 才能查看此. 登录或开始免费试用。

本文内容

  • 摘要
  • 摘要
  • 引言
  • 研究方案
  • 结果
  • 讨论
  • 披露声明
  • 致谢
  • 材料
  • 参考文献
  • 转载和许可

摘要

这项调查工作旨在通过网络药理学和基因表达综合 （GEO） 数据集的协同整合来阐明局部给药的机制。本文评价了石度高（SDG）治疗肛门湿疹的可行性、靶点和机制。

摘要

肛门湿疹是一种影响肛门周围区域的慢性复发性炎症性皮肤病。虽然病变主要发生在肛门和肛周皮肤，但它们也可以延伸到会阴或生殖器。石度高 （SDG） 已被发现具有显着的修复特性，可防止肛门瘙痒、控制渗出、减少水分和修复皮肤。然而，SDG对肛门湿疹的遗传靶点和药理机制尚未得到全面阐明和讨论。因此，本研究采用网络药理学方法，并利用基因表达综合（GEO）数据集来研究基因靶点。此外，还建立了蛋白质-蛋白质相互作用网络（PPI），从而在"药物-靶点-疾病"相互作用网络中鉴定了149个靶点，其中59个被认为是枢纽基因。

通过利用京都基因和基因组百科全书（KEGG）和基因本体（GO）分析评估SDG在治疗肛周湿疹中的基因功能。随后，采用分子对接方法验证了网络药理学分析中确定的SDG的抗肛周湿疹功能和潜在通路。在肛门湿疹治疗中，与SDG靶向基因和蛋白质相关的生物过程主要包括细胞因子介导的反应、炎症反应和对脂多糖的反应等。通路富集和功能注释分析的结果表明，SDG通过调节志贺菌病和单纯疱疹病毒1型感染途径，在预防和管理肛门湿疹方面发挥着至关重要的作用。网络药理学和GEO数据库分析证实了SDG在治疗肛门湿疹方面的多靶点性质，特别是通过调节TNF、MAPK14和CASP3，它们是TNF和MAPK信号通路中的关键枢纽靶点。这些发现为进一步研究SDG对肛门湿疹的治疗机制提供了明确的方向，同时强调了其作为这种衰弱性疾病的有效治疗方法的潜力。

引言

肛门湿疹是一种影响肛周区域和粘膜的过敏性皮肤病，表现出多种临床表现1.特征性症状包括肛门红斑、丘疹、水疱、糜烂、渗出物和结痂。这些症状主要是由于受影响区域的划痕、增厚和粗糙而引起的 2.

肛门湿疹的特征是病程长、反复发作和具有挑战性的治疗，会对患者的身心健康产生不良影响3.肛门湿疹的发病机制尚不清楚，现代医学提示可能与局部肛门病变、饮食、环境、遗传等因素有关4。肛门湿疹的治疗除了避免接触刺激物和潜在过敏原外，主要集中在抑制炎症、抗过敏、缓解瘙痒等方法上5。

SDG已被广泛用于治疗肛门湿疹和其他肛门疾病。SDG调节肛门皮肤渗出，减少水分，修复肛门皮肤，并有效解决瘙痒6,7,8。此外，SDG具有调节肛门菌群的潜力，从而改善肛门湿疹9,10。

网络药理学是人工智能和大数据领域中一种新颖的、跨学科的前沿生物信息学方法，为中医药提供了深入的探索。该学科强调从生态网络视角系统阐述药物与疾病之间的分子关联规则。它已被广泛用于各个方面，包括识别草药提取物中的关键活性成分、破译其整体作用机制、制定药物组合以及研究处方相容性。传统中药处方具有多组分、多靶点的特点，对网络药理学领域具有实质性的适应性。在这种方法的推动下，复杂中医药体系的检验出现了新的视角，为临床应用合理化和药物创新提供了强有力的技术支持11,12,13,14。

本研究旨在探讨SDG治疗肛门湿疹的有效性机制。这项调查工作旨在通过网络药理学和 GEO 数据集的协同整合来阐明局部给药的机制。这些发现为SDG在肛门湿疹管理中的疗效和潜在机制提供了宝贵的见解，表明其作为该病症的有效治疗方法的潜力。该研究的详细工作流程图如 图 1 所示。

研究方案

本研究不涉及伦理批准和参与同意。本研究中使用的数据来自基因数据库。

1. 疾病靶点预测

  1. 访问 GeneCards 数据库 （https://www.genecards.org） 和在线孟德尔遗传人类数据库 （OMIM， https://www.omim.org），使用"肛门湿疹"作为疾病靶点的搜索词。
  2. 下载疾病目标的电子表格。删除重复目标，获取肛门湿疹目标。

2.活性成分的选择

  1. 在中医药系统药理学数据库（TCMSP;http://tcmspw.com/tcmsp.php）上搜索关键词"靛蓝、金柏、煅烧石膏、炉甘石和中国瘿"，即可获得SDG的候选活性成分和靶点清单。
  2. 将该组分委托给瑞士ADME数据库（http://www.swissadme.ch/index.php），提取那些表现出"高"GI吸收的成分的详细信息，并至少有两个"是"DL值作为活性元素。
    注意:通常，只有数据库中类药物 （DL） 值 ≥0.18 的成分才作为活性成分包含在内。

3. PPI网络的构建和核心蛋白的筛选

  1. 在Venny2.1（https://bioinfogp.cnb.csic.es/tools/venny/index.html）中，将SDG和肛门湿疹的目标分别输入到LIST1和LIST2中。交叉点的视觉表示会立即生成。单击共享区域以显示"结果 "部分中的常见目标。
  2. 访问 STRING 数据库 （https://string-db.org/）。在"名称列表 "字段中输入目标。然后选择 "智人 "作为 "有机体 "，并继续 "搜索">"继续"。
  3. 当结果可用时，打开 "高级设置" 并选择隐藏网络中断开连接的节点。在 "最低要求交互分数"中，设置最高置信度 （0.900），然后单击 "更新"。
  4. 单击 "导出 "以下载 .png 和 .tsv 格式的蛋白质-蛋白质相互作用 （PPI） 网络文本。

4. 构建药物-成分-疾病-靶点网络

  1. 打开 Cytoscape 3.9.1 并导入步骤 3.4 中提到的 .tsv 文件。单击控制面板中的 样式 栏以优化网络节点的颜色、字体和侧面。
  2. 对于网络拓扑分析，请使用 分析网络 功能。要获得枢纽基因，请在 Cytoscape 软件中使用 CytoHubba 。建立药物-成分-疾病-靶点网络。

5. GO和KEGG富集分析

  1. 访问 Metascape 网站 （https://metascape.org/）。选择一个文件或将基因列表粘贴到对话框中，然后单击"提交"按钮。然后在"输入为物种"和"分析为物种"中选择智人;之后，启用自定义分析功能。
  2. 在富集选项中，选择 GO Molecular Functions、GO Biological Processes、GO Cellular Components 和 KEGG Pathway 数据库。选中 Pick Selective GO Clusters，然后单击 Enrichment Analysis 按钮。完成进度条后，启动 "分析报告页面 "以检索扩充结果。

6. GEO基因芯片数据集分析

  1. 使用GEO2R工具（https://ncbi.nlm.nih.gov/geo/geo2r/）搜索和分析GEO基因芯片数据集（GDS3806），以研究不同数据组（对照组-非特应性皮炎;实验组-特应性皮炎）中中心基因的表达。
  2. 进入GEO数据库网站（https://www.ncbi.nlm.nih.gov/geo/）。输入关键字或GEO加入，然后单击"搜索 "按钮。选择最佳匹配结果。查找参考系列 （GSE26952）。
  3. 进入GEO2R工具网站（https://ncbi.nlm.nih.gov/geo/geo2r/），在GEO加入 框中输入参考系列，点击 设置 按钮。选择 特应性皮炎 作为实验组，选择 非特应性对照 作为对照组，然后单击 "分析 "按钮。计算完成后，将出现结果。

7. 分子对接

  1. 打开TCMSP数据库，下载所选成分的3D结构。使用 化学名称 搜索框并搜索选定的成分名称以下载相应的 mol2 格式的 3D 结构文件。
  2. 打开 RCSB 蛋白质数据库 （http://www.pdb.org/） 并下载关键靶标的晶体结构。在搜索框中，搜索目标名称，下载对应的pdb格式晶体结构文件。
  3. 将成分和目标结构文件导入分析软件。通过单击 "编辑">"删除水"来删除水分子。通过单击 "编辑">"氢气">"添加"来添加氢气。设置成分为配体，选择整个靶标作为受体，进行盲对接。
  4. 确定分子对接的范围。
    1. 依次选择受体和配体。单击 "网格"（Grid） >"网格框"（Grid Box ） 以调整网格框以包含整个模型。单击 "文件">"关闭 保存电流"以保存网格框状态。以 gpf 格式保存文件。
    2. 单击 "运行">"运行 Autogrid4">"参数文件名">"浏览"，选择 gpf 文件，然后单击" 启动 "按钮。
  5. 使用 AutoDock 4 执行分子对接。
    1. 单击 Docking > Macromolecule > Set Rigid Filename 以选择受体。单击" >配体对接">打开/选择 选择配体。
    2. 点击 "对接>搜索参数 "设置操作算法，点击 "对接>对接参数 "设置对接参数。选择 dpf 文件，然后单击"启动"按钮。以 dpf 格式保存文件。
    3. 点击" 分析>对接>打开"，选择DLG文件，点击" 分析>大分子 "打开受体，点击"分析 >构象>播放"， 点击"按能量排名 "分析结果。单击 "设置播放">"写入复合体 "，将结果保存为 pdbqt 格式。
  6. 将对接文件导入 PyMOL 软件以构建进一步的可视化。
    1. 选择配体， 然后单击 "操作">"查找 对象中其他原子>>极性接触 "以显示配体与外部环境之间的氢键。单击 c 更改颜色。
    2. 单击" 操作">"提取对象"。单击 "显示>棒 "以显示受体的棒状结构。识别与配体相连的残基并显示棒状结构。
    3. 单击 "隐藏>棒 "以隐藏受体的棒状结构。单击" 测量向导"> "，然后依次单击两个原子。单击 "残留物标签> "以显示残留物的标签。如有必要，调整背景颜色和透明度。点击 文件 > 导出图像 as 保存图片。

结果

肛门湿疹相关基因、SDG靶基因和常见靶点
在基因卡中筛选了958个潜在的候选基因，在OMIM数据库中筛选了634个，同时排除了重复基因。为了全面了解肛门湿疹相关基因，将多个数据库的发现合并在一起，总共产生了958个不同的基因。因此，精心制定了针对肛门湿疹的蛋白质-蛋白质相互作用网络（PPI）。SDG由五种传统中药组成，即靛蓝、金柏、煅烧石膏、炉甘石和中胆15...

讨论

特应性皮炎是一种特殊形式的湿疹，与湿疹具有共同的潜在机制。被认为与这种情况相关的中心基因是 TNF、MAPK14 和 CASP3。SDG对肛门湿疹的治疗作用主要归因于其通过这三个枢纽基因对TNF和MAPK信号通路的作用17。

SDG包括五种不同的药物:天然靛蓝、金柏、煅烧石膏、炉甘石和中国瘿。在中药中，煅烧石膏和炉甘石可以起到促进伤口愈合和干燥湿气的作用，而?...

披露声明

作者没有什么可透露的。

致谢

没有。

材料

NameCompanyCatalog NumberComments
AutoDockToolsAutoDockhttps://autodocksuite.scripps.edu/adt/
Cytoscape 3.9.1 Cytoscapehttps://cytoscape.org/
GeneCards database GeneCardshttps://www.genecards.org
GEO databaseNational Center for Biotechnology Informationhttps://www.ncbi.nlm.nih.gov/geo/
GEO2R tool National Center for Biotechnology Informationhttps://ncbi.nlm.nih.gov/geo/geo2r/
MetascapeMetascapehttps://metascape.org/
Online Mendelian inheritance in man databaseOMIMhttps://www.omim.org
RCSB protein database RCSB Protein Data Bank (RCSB PDB)http://www.pdb.org/
STRING database STRINGhttps://string-db.org/
Swiss ADME database Swiss Institute of Bioinformaticshttp://www.swissadme.ch/index.php
Traditional Chinese Medicine system's pharmacology database (TCMSP)Traditional Chinese Medicine Systems Pharmacology Database and Analysis Platformhttp://tcmspw.com/tcmsp.php
Venny2.1BioinfoGPhttps://bioinfogp.cnb.csic.es/tools/venny/index.html

参考文献

  1. Ma, M., Lu, H., Yang, Z., Chen, L., Li, Y., Zhang, X. Differences in microbiota between acute and chronic perianal eczema. Medicine. 100 (16), e25623 (2021).
  2. Dietrich, C. F., Hoch, F. Anal eczema. Revue Therapeutique. 78 (9), 509-512 (2021).
  3. Dietrich, A., Ruzicka, T., Hermans, C. Differential diagnosis of anal eczema. Hautarzt. 66 (6), 400-407 (2015).
  4. Rohde, H. Anal eczema, condylomata acuminata. Deutsche Medizinische Wochenschrift. 133 (6), 245-246 (2008).
  5. Havlickova, B., Weyandt, G. H. Therapeutic management of anal eczema: an evidence-based review. International Journal of Clinical Practice. 68 (11), 1388-1399 (2014).
  6. Rainer, B. M., et al. Characterization and analysis of the skin microbiota in Rosacea: A case-control study. American Journal of Clinical Dermatology. 21 (1), 139-147 (2020).
  7. Park, S. Y., Kim, H. S., Lee, S. H., Kim, S. Characterization and analysis of the skin microbiota in acne: Impact of systemic antibiotics. Journal of Clinical Medicine. 9 (1), 168 (2020).
  8. Woo, Y. R., Lee, S. H., Cho, S. H., Lee, J. D., Kim, H. S. Characterization and analysis of the skin microbiota in Rosacea: Impact of systemic antibiotics. Journal of Clinical Medicine. 9 (1), 185 (2020).
  9. Zheng, Y., et al. Alterations in the skin microbiome are associated with disease severity and treatment in the perioral zone of the skin of infants with atopic dermatitis. European Journal of Clinical Microbiology & Infectious Diseases. 38 (9), 1677-1685 (2019).
  10. Totté, J. E. E., et al. Nasal and skin microbiomes are associated with disease severity in paediatric atopic dermatitis. The British Journal of Dermatology. 181 (4), 796-804 (2019).
  11. Zhao, X. Y., Yang, Y. Y., Jl Feng, ., Feng, C. I. Network pharmacology prediction and experimental validation of Trichosanthes-Fritillaria thunbergii action mechanism against lung adenocarcinoma. Journal of Visualized Experiments. (193), e64847 (2023).
  12. Zeng, B., et al. Network pharmacology prediction and metabolomics validation of the mechanism of Fructus Phyllanthi against hyperlipidemia. Journal of Visualized Experiments. (194), e65071 (2023).
  13. Wang, T., Jiang, X., Ruan, Y., Li, L., Chu, L. The mechanism of action of the combination of Astragalus membranaceus and Ligusticum chuanxiong in the treatment of ischemic stroke based on network pharmacology and molecular docking. Medicine. 101 (28), e29593 (2022).
  14. Wang, T., et al. Exploring the mechanism of luteolin by regulating microglia polarization based on network pharmacology and in vitro experiments. Scientific Reports. 13 (1), 13767 (2023).
  15. Qi-Yue, Y., et al. From natural dye to herbal medicine: a systematic review of chemical constituents, pharmacological effects and clinical applications of indigo naturalis. Chinese Medicine. 15 (1), 127 (2020).
  16. André, C., Dumur, J. P., Hrabina, M., Lefebvre, E., Sicard, H. Juniperus ashei: the gold standard of the Cuppressaceae. Allergie et Immunologie. 32 (3), 104-106 (2000).
  17. Weidinger, S., Novak, N. Atopic dermatitis. Lancet. 387 (10023), 1109-1122 (2016).
  18. Cai, L. L., Wu, Y., He, J. Network pharmacology of Shidu ointment in the treatment of EGFR-TKIs induced acneiform eruptions. China Pharmaceuticals. 29 (16), 5 (2020).
  19. Gu, S., et al. Mechanisms of indigo naturalis on treating ulcerative colitis explored by GEO gene chips combined with network pharmacology and molecular docking. Scientific Reports. 10 (1), 15204 (2020).
  20. Lou, Y., Ma, Y., Jin, J., Zhu, H. Oral realgar-indigo naturalis formula plus retinoic acid for acute promyelocytic leukemia. Frontiers in Oncology. 10, 597601 (2021).
  21. Zhang, Q., et al. Psoriasis treatment using Indigo Naturalis: Progress and strategy. Journal of Ethnopharmacology. 297, 115522 (2022).
  22. Naganuma, M., et al. Efficacy of Indigo Naturalis in a multicenter randomized controlled trial of patients with ulcerative colitis. Gastroenterology. 154 (4), 935-947 (2018).
  23. Yang, Q. Y., et al. Exploring the mechanism of Indigo Naturalis in the treatment of ulcerative colitis based on TLR4/MyD88/NF-κB signaling pathway and gut microbiota. Frontiers in Pharmacology. 12, 674416 (2021).
  24. Sun, Z., et al. Indigo Naturalis alleviates dextran sulfate sodium-induced colitis in rats via altering gut microbiota. Frontiers in Microbiology. 11, 731 (2020).
  25. Cao, H., et al. Immune and metabolic regulation mechanism of Dangguiliuhuang decoction against insulin resistance and hepatic steatosis. Frontiers in Pharmacology. 8, 445 (2017).
  26. Min, S. Y., Park, C. H., Yu, H. W., Park, Y. J. Anti-inflammatory and anti-allergic effects of saponarin and its impact on signaling pathways of RAW 264.7, RBL-2H3, and HaCaT cells. International Journal of Molecular Sciences. 22 (16), 8431 (2021).
  27. Seo, K. H., et al. Saponarin from barley sprouts inhibits NF-κB and MAPK on LPS-induced RAW 264.7 cells. Food & Function. 5 (11), 3005-3013 (2014).
  28. Moreno-Anzúrez, N. E., et al. A cytotoxic and anti-inflammatory campesterol derivative from genetically transformed hairy roots of Lopezia racemosa Cav. (Onagraceae). Molecules. 22 (1), 118 (2017).
  29. Numao, N., et al. Tryptanthrin attenuates TLR3-mediated STAT1 activation in THP-1 cells. Immunologic Research. 70 (5), 688-697 (2022).
  30. Veni, A., Lokeswari, T. S., Pavithra, D., Sugapriya, T. Melianone inhibits secreted aspartic proteases (SAP), a virulence factor during hyphal formation in Candida albicans. Current Computer-Aided Drug Design. 18 (5), 327-336 (2022).
  31. Veni, A., Lokeswari, T. S., Krishna Kumari, G. N., Gayathri, D., Sudandiradoss, C. Bioactivity of melianone against Salmonella and in silico prediction of a membrane protein target. 3 Biotech. 10 (10), 460 (2020).
  32. Ma, M., Lu, H., Yang, Z., Chen, L., Li, Y., Zhang, X. Differences in microbiota between acute and chronic perianal eczema. Medicine. 100 (16), e25623 (2021).
  33. Williams, H. C., Chalmers, J. Prevention of atopic dermatitis. Acta Dermato-Venereologica. 100 (12), (2020).
  34. Nogales, C., Mamdouh, Z. M., List, M., Kiel, C., Casas, A. I., Schmidt, H. H. H. W. Network pharmacology: curing causal mechanisms instead of treating symptoms. Trends in Pharmacological Sciences. 43 (2), 136-150 (2022).
  35. Wang, T., Zhou, Y., Wang, K., Jiang, X., Wang, J., Chen, J. Prediction and validation of potential molecular targets for the combination of Astragalus membranaceus and Angelica sinensis in the treatment of atherosclerosis based on network pharmacology. Medicine (Baltimore). 101 (26), e29762 (2022).
  36. Jiang, X., et al. Exploration of Fuzheng Yugan mixture on COVID-19 based on network pharmacology and molecular docking. Medicine (Baltimore). 102 (3), e32693 (2023).
  37. Dong, Y., Zhao, Q., Wang, Y. Network pharmacology-based investigation of potential targets of astragalus membranaceous-angelica sinensis compound acting on diabetic nephropathy. Scientific Reports. 11 (1), 19496 (2021).
  38. Wang, T., Jiang, X., Lu, Y., Ruan, Y., Wang, J. Identification and integration analysis of a novel prognostic signature associated with cuproptosis-related ferroptosis genes and relevant lncRNA regulatory axis in lung adenocarcinoma. Aging (Albany NY). 15 (5), 1543-1563 (2023).
  39. Wang, T., Jiang, X., Ruan, Y., Zhuang, J., Yin, Y. Based on network pharmacology and in vitro experiments to prove the effective inhibition of myocardial fibrosis by Buyang Huanwu decoction). Bioengineered. 13 (5), 13767-13783 (2022).

转载和许可

请求许可使用此 JoVE 文章的文本或图形

请求许可

探索更多文章

JoVE 203 TNF MAPK GEO

This article has been published

Video Coming Soon

JoVE Logo

政策

使用条款

隐私

联系我们

向图书馆推荐

JoVE 新闻简报

科研

教育

发表

图书馆员

关于 JoVE

版权所属 © 2025 MyJoVE 公司版权所有，本公司不涉及任何医疗业务和医疗服务。