Para comenzar, abra la base de datos y la plataforma de análisis de farmacología de los sistemas de medicina tradicional china. Ingrese la composición medicinal de Jiawei Shengjiang San, o JWSJS, y aplique los criterios de selección. A continuación, utilizando la base de datos, recupere los objetivos correspondientes a los ingredientes.
Obtener los principios activos de Bombyx batryticatus y Cicadidae Periostracum en las bases de datos de medicina tradicional china y composición química. Después de seleccionar compuestos con números de servicio de resumen químico, descargue los diagramas de estructura 2D de los ingredientes activos de PubChem. Con SwissADME, se detectan los componentes con alta absorción gastrointestinal como similitud farmacológica cuyos dos ítems o más fueron afirmativos.
Impórtelos a la base de datos para la predicción de proteínas objetivo. En el UniProt, establezca el estado como revisado y la especie como humana y estandarice los objetivos. Busque nefropatía diabética, o DN, a través de varias bases de datos y obtenga los objetivos.
Después de combinar y desduplicar. Usando nuestro software 4.2.0, filtre los objetivos comunes de JWSJS y DN para dibujar diagramas de Venn. Importe los ingredientes activos y los posibles objetivos de JWSJS en el software Cytoscape 3.8.0 para crear un diagrama de red de dianas de ingredientes de medicamentos que visualice la conexión entre fármacos, ingredientes, dianas y enfermedades.
Para analizar los genes que se cruzan en la plataforma STRING, establezca la especie en Homo sapiens y la puntuación de interacción mínima requerida en más de 0,9 para construir la red utilizando un modo de análisis de proteínas múltiples. Con Cytoscape 3.8.0, analice la red topológicamente y calcule la centralidad de intermediación, la centralidad de cercanía, la centralidad de grado, la centralidad de vector propio, el método basado en conectividad promedio local y los valores de centralidad de red para cada nodo. A continuación, obtenga los ID de los objetivos de intersección con orghs.eg.
db. Uso del org.hs.eg del generador de perfiles de clúster. db, enrichplot y ggplot2, realizan análisis de enriquecimiento.
Realice un análisis de enriquecimiento de ontología génica funcional en los 10 principales resultados biológicos con un valor p corregido inferior a 0,05 y seleccione las 30 vías principales con el mayor enriquecimiento para el análisis de la Enciclopedia de genes y genomas de Kioto. Busque en la base de datos de PubChem para obtener el archivo SDF de la estructura 2D de los componentes principales de JWSJS. Utilizando el software ChemBio3D Ultra 14.0, genere y optimice su estructura 3D.
Guárdalo en formato MOL2 para usarlo como archivo de ligando. Encuentre y descargue el formato PDB de la estructura 3D de los objetivos principales de la base de datos del banco de datos de proteínas del colaboratorio de investigación para bioinformática estructural. Con el software PyMOL 2.4.0, elimine las moléculas de agua y los ligandos de la estructura de la proteína y guárdelos como archivo del receptor PDB.
Importe el archivo de proteína receptora en el software AutoDock Tools 1.5.7 para la hidrogenación y convierta tanto la proteína receptora como el ligando de molécula pequeña al formato PDBQT. Establezca la bolsa activa para la proteína receptora con el coeficiente de espaciado establecido en uno. Utilizando AutoDock Vina 1.2.0 para el acoplamiento molecular, calcule la energía de enlace.
Visualice los resultados del acoplamiento utilizando el software PyMOL 2.3.0 y LigPlot 2.2.5. Llevar a cabo investigaciones de dinámica molecular o MD en un trío de los complejos de ligandos derivados más prometedores, y utilizar el entorno acuoso SBC con cloruro de sodio 0,15 molar. Inicie una fase de minimización de energía durante 100 picosegundos utilizando los parámetros predeterminados de Desmond.
Garantice una temperatura y presión estables de 26,85 grados Celsius y 1,01325 bar en todos los sistemas de producción a través de la cadena Nose-Hoover y las metodologías Martyna-Tobias-Kline. Ejecute la simulación MD durante 100 nanosegundos con un paso de tiempo de dos femtosegundos, registrando las coordenadas atómicas cada 100 picosegundos. Abra el diagrama de interacciones de simulación o el módulo SID y cargue los archivos de datos de resultados de simulación en él.
Una vez completado el análisis, visualice e interprete los resultados dentro de la interfaz del módulo SID. Inyectar al animal del grupo modelo una inyección intraperitoneal de estreptozotocina. Después de 72 horas, mida los niveles de azúcar en la sangre a través de una muestra de sangre de las venas de la cola.
Observar los cambios histopatológicos en el riñón de rata para confirmar el éxito del modelo de DN. A continuación, administre los fármacos adecuados a la rata por sonda nasogástrica oral una vez al día. Recolecta muestras de sangre de la aorta abdominal de la rata anestesiada.
Finalmente, después de sacrificar a la rata, recoja los riñones para análisis bioquímicos y microscópicos. La tinción de Schiff con ácido peryódico mostró que el grupo modelo tenía un aumento de los volúmenes glomerulares, un engrosamiento de la membrana basal y un aumento de la matriz mesangial en comparación con el grupo normal. Estas manifestaciones patológicas se aliviaron significativamente en cada grupo de fármaco administrado.
La microscopía electrónica de transmisión indicó que la membrana basal glomerular en el grupo modelo estaba engrosada en comparación con el grupo normal. Las manifestaciones microscópicas de las ratas en cada grupo de administración se aliviaron en diversos grados en comparación con el grupo modelo. En comparación con el grupo modelo, hubo una reducción significativa en la expresión de p-EGFR, p-MAPK3/1 y BAX, y una regulación positiva de la expresión de BCL-2 en los tejidos renales de rata de cada grupo de dosificación en diversos grados.
