Nossa pesquisa inclui técnica experimental seriada e o protocolo tem esses detalhes que são necessários para que os leitores entendam nossos métodos. Nosso método integrado compensa a desvantagem da farmacologia de rede e metabolômica, e pode ser usado para a meta-análise terapêutica da medicina natural. Este método é usado para selecionar o composto ativo do ingrediente da empresa e o traje para corredores com composição química maciça, como uma medicina tradicional chinesa.
Para começar, selecione os ingredientes ativos e os principais alvos pesquisando a palavra-chave phyllanthi fructus no banco de dados de farmacologia de sistemas de medicina tradicional chinesa. Para obter a lista dos ingredientes ativos candidatos e alvos do frutus phyllanthi, ou FP, pesquise a palavra-chave hyperlipidemia no banco de dados de cartões gênicos, o banco de dados online de herança mendeliana no homem e o banco de dados de alvos terapêuticos para obter os respectivos alvos candidatos de hiperlipidemia. Baixe as planilhas de alvos da doença e salve-as em uma pasta e exclua as metas repetidas para obter a lista de alvos de hiperlipidemia.
Em seguida, copie as listas de ingredientes ativos de PF, alvos de PF e alvos de hiperlipidemia em uma nova planilha. Use a função de identificação de dados duplicados na barra de ferramentas para obter destinos de interseção. Importe a lista de alvos de interseção para a base de conhecimento UniProt para padronizar os nomes de genes e proteínas.
Para construir uma rede de interação proteica, cole a lista de alvos de interseção de FP contra hiperlipidemia na caixa de diálogo lista de nomes do banco de dados String 11.5. Selecione o homo sapiens em organismos. Clique em Pesquisar e continue.
Quando os resultados estiverem disponíveis, habilite os nós desconectados altos na rede em configurações avançadas. Defina a confiança mais alta para 0,900 na pontuação mínima de interação necessária. Em seguida, clique no botão de atualização.
Clique em exportações na barra de título e faça o download do pequeno texto tabular da rede de interação proteica em formato PNG e TSV. Para construir uma rede alvo de doença componente de medicamento, abra o Cytoscape 3.9.1 e importe o arquivo de formato TSV. Otimize a cor, a fonte e o lado dos nós de rede por meio da barra de estilos no painel de controle.
Usando a função de rede de análise para análise de topologia de rede, obtenha genes hub no CytoHubba no Cytoscape e estabeleça a rede de doenças alvo do ingrediente do medicamento. Para realizar análises de enriquecimento GO e KEGG, abra os recursos de bioinformática David. Clique em iniciar análise e cole a lista de destino na caixa de diálogo à esquerda.
Selecione o símbolo oficial do gene no identificador selecionado e o homo sapiens em espécies selecionadas. Em seguida, habilite a lista de genes no tipo de lista e clique em enviar lista. Em seguida, clique em agrupamento de anotação funcional em analisar a lista de genes acima com uma das ferramentas de David.
Habilite o termo GO BP direto, o termo GO CC direto, o termo GO MF direto e a ontologia gênica para análise de enriquecimento da função GO. Habilite a via KEGG em caminhos para análise de enriquecimento da via KEGG. Clique no gráfico de anotações funcionais para exibir os resultados.
Utilizar o software SIMCA P para análise estatística multivariada dos valores integrais obtidos a partir dos achados do LCMS. Use a análise discriminante de mínimos quadrados parciais ortogonais, ou OPLSDA, para os dados de centro médio e a modelagem de classes amostrais. Após o teste OPLSDA, considerar os metabólitos com importância variável integral na projeção, ou valores VIP, maiores que um e um valor de P menor que 0,05 do teste t de Student como potenciais metabólitos diferenciais.
Identificar os metabólitos perturbados e vias metabólicas por fontes de banco de dados abertas, incluindo metaboloma humano, enciclopédia de genes e genomas de Kyoto e MetaboAnalyst 5.0. Visualize as visualizações de resultados pelo MetaboAnalyst 5.0 e pela plataforma Wukong. Faça o download da estrutura 3D dos ingredientes FP selecionados do banco de dados de farmacologia dos sistemas de medicina tradicional chinesa.
Pesquise os nomes dos ingredientes na caixa de pesquisa de nomes químicos e baixe os arquivos de estrutura 3D correspondentes no formato MOL dois. Em seguida, baixe as estruturas cristalinas dos principais alvos do banco de dados de estrutura de proteínas da dobra alfa. Pesquise os nomes de destino na caixa de pesquisa e baixe os arquivos de estrutura cristalina correspondentes no formato PDB.
Em seguida, importe ingredientes e arquivos de estrutura de destino para o software de ferramentas AutoDock. Clique em editar e excluir água para excluir moléculas de água. Em seguida, clique em editar hidrogênios e adicionar para adicionar hidrogênios.
Defina os ingredientes como o ligante e execute o acoplamento cego selecionando todos os alvos como o receptor. Digite um valor na caixa atrás do centro e do tamanho para ajustar o espaço recém-desenvolvido, tornando possível abranger totalmente o ligante e o receptor. Salve os arquivos de ligante e receptor no formato PDBQT.
Use o AutoDock Vina para realizar o encaixe molecular. Defina a barra do receptor para o nome do ponto receptor PDBQT e a barra do ligante para o nome do ponto do ligante PDBQT. Obter o local ideal para a ligação do ligante ao receptor e registrar o valor da energia de ligação na posição ideal.
Importe os arquivos de encaixe para o criador de perfil de interação do ligante de proteína para obter o modelo visual do sistema. Baixe os arquivos de modelo no formato PSC e importe-os para o software PyMOL para construir uma visualização adicional. Através da farmacologia em rede, um total de 19 ingredientes e 134 ingredientes relacionados a ingredientes alvos de PF foram encontrados.
Após o pareamento dos alvos relacionados ao PF com os alvos relacionados à hiperlipidemia, 62 foram identificados como potenciais alvos do PF contra hiperlipidemia. A rede de interação proteica foi construída por String e Cytoscape. Os resultados do enriquecimento com GO sugeriram que os processos biológicos e a função molecular do PF contra a hiperlipidemia estavam relacionados principalmente à expressão gênica e à ligação proteica.
O enriquecimento de KEGG provou que o PF pode intervir no metabolismo lipídico e na aterosclerose. A análise OPLSDA foi usada para explorar a separação de metabólitos entre os grupos controle negativo, dieta rica em gordura e FP de alta dose, o que mostrou que as amostras do mesmo grupo se agruparam e amostras de grupos diferentes se diferenciaram bem. Um total de 16 e seis metabólitos foram identificados como metabólitos diferenciais em FP afetando camundongos HFD no plasma e fígado.
Mapas de calor plotados pelo MetaboAnalyst 5.0 mostraram que todos os metabólitos diferenciais no plasma e fígado foram alterados no grupo dieta hiperlipídica e a maioria foi revertida no grupo FP. O metabolismo do triptofano foi afetado significativamente no plasma. O metabolismo da taurina e hipotaurina foi afetado significativamente no fígado.
Metabólitos diferenciais foram importados para o plugin MetScape no Cytoscape e combinados com os genes hub identificados na farmacologia de rede para coletar as redes gênicas de enzimas de reação composta. Além disso, os ingredientes alvos metabólitos vias rede foi construída. O acoplamento molecular foi utilizado para analisar as interações entre o sítio ativo do ligante.
Esta tecnologia é um método abrangente de iniciar os ingredientes genéticos farmacológicos da medicina tradicional chinesa. Ele fornece uma nova ideia para a pesquisa envolvendo medicamentos com ingredientes completos.
