Page 35 - 南京医科大学学报自然科学版
P. 35

第44卷第2期      石诺林，倪中亚，袁富文. 基于网络药理学及实验研究探讨臭椿皮散治疗结直肠癌的潜在机制［J］.
                  2024年2月                    南京医科大学学报（自然科学版），2024，44（2）：170-177，184                     ·173 ·


                GAPDH（1∶2 000）、STAT3抗体（1∶2 000）和p⁃STAT3                  A        GeneCards  PharmGKB
                抗体（1∶2 000），TBST洗涤3遍，洗涤后与辣根过氧化                                                  4
                                                                           GrugBank  9 029            TTD
                物酶（HRP）标记的羊抗兔或羊抗鼠二抗（1∶5 000）室                                             16
                                                                                  33               0
                温孵育 2 h，用增强型电化学发光（ECL）液进行曝
                                                                                      0         0
                                                                               10
                光，用Image J软件对条带进行灰度值分析。                                                               8
                1.3  统计学方法                                                          0      0     89
                    采 用 GraphPad Prism 8.0.2 软 件 进 行 数 据 分                             0       3
                析。结果以均数±标准差（x ± s）表示，实验数据两组                                                0
                间差异采用独立样本 t 检验，多组件差异采用单因                                 B       臭椿皮散靶点    结直肠癌靶点
                素方差分析。P < 0.05为差异有统计学意义。


                2  结 果
                                                                                 227     787    8 407
                2.1  臭椿皮散活性成分和靶点的获取
                    经 TCMSP 和 HERB 数据库共同检索臭椿皮散
                各组成的化学成分，筛选其中椿皮31种、鸡冠花5种、
                槐耳 2 种、附子 29 种、干姜 64、甘草 93 种，共检索出                    A：Venn diagram of CRC targets. B：Venn diagram of the intersec⁃
                化合物227种。去除重复成分后共获得臭椿皮散的                           tion betwee CRC and CCPS targets.
                有效成分共计117个。通过Swisstarget Prediction 数                  图1  臭椿皮散治疗结直肠癌相关靶点的韦恩图
                                                                  Figure 1  Venn diagram of the intersection of CCPS and
                据库筛选各成分的治疗靶点共计 7 836 个，再利用
                                                                           CRC targets
                蛋白质数据库（Uniprot）对筛选出来的靶点进行分
                析和注释，转换成基因名并删除重复值后，获得潜                            标准对关键基因进行分析和筛选，获得了17个核心
                在治疗靶点共920个。                                       基因（见图2B、C），结果分析显示STAT3在网络中的
                2.2  臭椿皮散治疗结直肠癌疾病相关靶点的获取                          相关度为 13，相似度为 0.84，中间性为 14.5，预测
                    从GeneCards数据库中以关键词“colorectal can⁃            STAT3是臭椿皮散治疗结直肠癌的最主要靶点。其
                cer”检索结直肠癌靶点，以相关性得分（relevance                     余基因为相对重要的靶点（表1）。
                score）≥10 位标准进行筛选，根据经验设定 Score 大                  2.4  KEGG和GO分析结果
                于中位数的目标靶点为结直肠癌的潜在靶点，同时                                使用R语言对臭椿皮散治疗结直肠癌相关靶点
                在 GrugBank、PharmGKB、TTD 数据库进行检索，几                 进行 KEGG 通路分析及 GO 功能富集分析。结果表
                组数据合并，去除重复值后共获得疾病靶点 9 194                         明多个靶点的功能与结直肠癌的发生密不可分。
                个（图1A）；将筛选的臭椿皮散活性成分靶点与结直                          臭椿皮散主要参与的生物学过程涉及对细胞凋亡、
                肠癌靶点取交集，通过绘制韦恩图，得到臭椿皮散⁃                           细胞衰老、外来生物刺激反应、细胞穿膜肽反应、氧
                结直肠癌共同靶点787个（图1B）。                                化应激反应、对细胞外刺激的反应等过程，参与的
                2.3  中药⁃疾病调控网络的构建和分析                              通路主要涉及癌症通路、脂质与动脉粥样硬化相关
                    利用 Cytoscape 软件构建“臭椿皮散⁃化合物⁃靶                  的信号通路、AGE⁃RAGE 信号通路、PI3K⁃Akt 信号
                点⁃结直肠癌”网络（图2A），臭椿皮散治疗结直肠癌                         通路等（图3）。
                存在多个化合物作用于同一个靶点和1个化合物与                            2.5  分子对接验证
                多个靶点发生作用的现象。通过软件的分析模块                                 根据网络药理学分析的最关键靶点 STAT3 与
                对网络图进行分析，结果表明相关度（degree）排名                        其 对 应 的 1 个 核 心 化 合 物 分 子 licochalcone A

                前 5 的 是 licochalcone A（MOL000497）、odoratin       （MOL000497）对接后，配体在靶标中的位置和作用
               （MOL005016）、licoricone（MOL004855）、licocouma⁃       方式的可视化处理（图4）。由图可见，STAT3与lico⁃
                rone（MOL004882）、quercetin（MOL000098）。 在           chalcone A结合能为-5.0 kJ/mol，接着用AutodockVina

                STRING 平台进行蛋白互作网络分析，使用 Cyto⁃                      软件进行受体蛋白⁃小分子配体评估两者的结合能
                scape 软件，以相关度（degree）≥2 倍中位数，并且相                  力，当结合能≤-5.0 kJ/mol时，认为配体可以和受体较
                似度（closeness）和中间性（betweenness）＞中位数为               好的结合，并且结合能力越低，越有利于构象的稳定。
   30   31   32   33   34   35   36   37   38   39   40