基于网络药理学与分子对接技术的清瘟护肺颗粒防治新型冠状病毒肺炎(COVID-19)的潜在药效物质研究

本文通过网络药理学和分子对接技术探讨清瘟护肺颗粒防治新型冠状病毒肺炎(COVID-19)的潜在药效物质。首先,通过TCMSP数据库,BATMAN-TCM数据库及TCMIP数据库检索清瘟护肺颗粒中十六味药的化学成分及作用靶点,利用GeneCards和OMIM数据库检索COVID-19的相关疾病靶点。然后,通过venny2.1.0获取清瘟护肺颗粒防治COVID-19的潜在靶点,利用R语言对潜在靶点进行GO功能和KEGG通路富集分析,并结合文献对富集所得通路进行分析。最后,利用Cytoscape3.7.1软件构建网络图,采用AutoDock4.2.1软件评价清瘟护肺颗粒中潜在药效成分和新型冠状病毒SARS-CoV-23CL水解酶、血管紧张素转化酶II(ACE2)和RNA依赖的RNA聚合酶(RdRp)的结合作用。网络药理学得到清瘟护肺颗粒防治COVID-19的473个活性成分和123个靶点,KEGG结果及文献分析预测到清瘟护肺颗粒可通过调控MAPK、小细胞肺癌、肺结核、PI3K-AKT等多条信号通路而发挥作用,分子对接结果显示清瘟护肺颗粒中潜在药效成分和SARS-CoV-23CL水解酶、ACE2及RdRp具有良好的亲和性。本研究较为全面揭示了清瘟护肺颗粒治疗COVID-19“多成分、多靶点、多通路”的特点,为深入探讨清瘟护肺颗粒治疗COVID-19的作用机制提供参考依据。     

陆地生态系统环境控制实验的研究方法及技术体系

生物及生态系统与环境变化间的反馈关系及其过程机制是生态学研究的重要内容。不同类型的生物环境因素控制实验以及大尺度的联网野外控制实验被认为是认识生态系统响应和适应环境变化过程机制、精细定量表达的有效手段及认知过程的加速器。近年来发展了大型野外物理模拟实验装置网络(如ECOTRON)、生态系统分析与实验平台(AnaEE)、国际干旱实验研究网络(Drought Network)、氮沉降联合实验网络(Nutrient Network),以及基于各区域性生态观测实验站的联网控制实验(如USA-ILTER)。发展大陆尺度联网实验研究平台事业正日益受到学术界的重视,将会在认知生态系统环境响应过程机制方面发挥更重要的作用。基于以上背景,本文综述了生态系统环境控制实验的研究方法和实验体系的发展,明确指出各种类型的生物环境控制实验需要形成联合协作体系,共同解决生态系统对环境变化的响应及适应的基本科学问题。目前的控制实验包括: 1) 实验室封闭装置内的生物生理生态学控制实验;2) 野外实验场的半开放部分环境要素控制实验;3) 近自然状态的野外环境控制实验;以及4) 基于野外生态站的联网控制实验。进而,本文还深入讨论了陆地生态系统的环境响应及适应过程机制实验系统设计的发展趋势,分析了基于大尺度自然环境梯度实验及生态站尺度的要素控制实验的优势,提出了整合两种实验技术、发展新一代的野外联网实验体系的科学设想,讨论了基于野外联网控制实验的研究体系,论证了研究生态系统对环境变化短期响应和长期适应的规律和机制、生态系统环境响应定量表达的技术途径。若本文提出的控制实验体系设计方案能够得以实施,必将大大促进我国乃至全球生态系统和环境变化科学的研究水平,对我国应对气候变化和生态环境建设具有重要的科学意义。     

低氧mtDNA3010A/G基因型变异诱导的lncRNA-mRNA共表达网络变化

目的: 分析mtDNA3010A/G变异在急性缺氧条件下的长链非编码RNA(lncRNA)和信使RNA(mRNA)的共表达网络变化,探讨关键lncRNA和mRNA在低氧诱导的基因表达调控中的作用。方法: 筛选线粒体DNA(mtDNA)3010-5178-10400的基因型组合A-C-C和G-C-C,以骨肉瘤细胞经溴化乙锭处理后形成的无线粒体细胞(ρ⁰206细胞)为供体,构建mtDNA3010A和mtDNA3010G基因型融合细胞。经1%O₂处理24 h后,采用lncRNA-mRNA共表达芯片检测两种融合细胞的差异表达lncRNA和mRNA,荧光定量聚合酶链式法验证差异显著的mRNA,运用生物信息学方法构建lncRNA-mRNA共表达网络,预测差异lncRNA的靶基因,并对差异显著的mRNA和预测靶基因进行基因本体(GO)和京都基因与基因组大百科全书(KEGG)预测分析。结果: 经1%O₂处理24 h后,与mtDNA3010G融合细胞相比,mtDNA3010A融合细胞表达上调的lncRNA有688个,超过2倍的有21个,表达下调的lncRNA有1098个,超过2倍的有4个;表达上调的mRNA有1151个,超过2倍的有14个,表达下调的mRNA有539个,超过2倍的有3个。结论: mtDNA3010A/G基因型变异在缺氧条件下能够影响lncRNA-mRNA调控网络的变化,差异表达的lncRNA和mRNA可能在低氧诱导的基因表达调控网络中发挥重要作用,有望成为从线粒体角度调控低氧反应的靶点。     

基于MSPA和MCR模型的秦岭(陕西段)山地生态网络构建

快速的城市化发展破坏了生境斑块的连通性,而在应对此环境变化中,从斑块层构建区域生态网络的研究不足。本研究以秦岭(陕西段)为对象,采用形态学空间格局分析(MSPA)辨别生态源地,利用最小阻力模型(MCR)提取潜在生态廊道,构建秦岭生态网络;基于重力模型对生态网络内部斑块的重要性进行分级,并分析了网络的结构特征及景观构成。结果表明: 秦岭(陕西段)生态网络由10个生态源地、45条潜在生态廊道和38个脚踏石构成,生态源地总面积29686.15 km²;网络闭合度(0.11)、线点率(1.18)、网络连接度(0.42)、成本比(0.99)综合表明,网络结构中潜在生态廊道和生态节点的连通性较好,而源地间的连通程度低,构建网络的成本较高;重要生态廊道主要由林地、草地、耕地等景观类型构成,其中,林地面积最大,为571.00 km²,约占廊道总面积的89.2%,景观结构良好;在生态网络中应加强保护生态源地,优先建立并保护重要生态廊道和生态节点。研究结果可为秦岭生态环境保护与高质量发展提供科学的参考和依据。     

既主内政, 又辖外交——以PHR为中心的基因网络调控植物-菌根真菌的共生

磷是植物生长发育必需的大量矿质营养元素, 但自然界大部分土壤都存在严重缺磷的问题。为了适应这一营养逆境, 植物演化出一系列低磷胁迫应答反应。通过改变基因的转录水平调控低磷胁迫应答反应, 而转录因子PHR1在调控植物对低磷胁迫的转录响应中起关键作用。此外, 大部分陆生植物还能与丛枝菌根真菌建立共生关系, 通过丛枝菌根真菌更有效地从土壤中获取磷元素。最近, 中国科学院分子植物科学卓越创新中心王二涛研究组发现, 以PHR为中心的转录调控网络控制植物-丛枝菌根真菌共生的建立。因此, PHR不但在维持植物细胞自身的磷稳态中发挥作用, 而且参与植物与外界微生物的相互作用, 为植物有效地从环境中获得磷元素提供了另外一条途径。     

蛹虫草组学研究进展

作为虫草属的模式种,蛹虫草是目前虫草类真菌中研究和应用最为广泛的物种之一。随着基因组序列的公布,蛹虫草组学水平的研究近年来取得了明显的进展。本文从基因组、线粒体基因组、甲基化组、转录组、蛋白质组、代谢网络等角度对蛹虫草组学水平的研究现状进行综述,期望对进一步推动蛹虫草的深入研究提供帮助。     

伴中央颞区棘波的儿童良性癫痫注意网络功能影响因素的研究进展

摘要：儿童良性癫痫伴中央颞区棘波（BECTS）是目前已知常见和著名的儿童癫痫之一,既往临床中普遍认为其预后良好,但随着神经心理学研究的深入,学者们发现其反复发作可以引起神经、认知、心理、行为、注意网络功能等多重障碍。本文将从注意网络功能的定义、注意网络功能评定方法以及BECTS患儿引起注意网络功能损害的影响因素如发病年龄、睡眠结构改变、大脑结构改变等几方面进行综述。     

Multiomics metabolic and epigenetics regulatory network in cancer: A systems biology perspective

Genetic, epigenetic, and metabolic alterations are all hallmarks of cancer. However, the epigenome and metabolome are both highly complex and dynamic biological networks in vivo. The interplay between the epigenome and metabolome contributes to a biological system that is responsive to the tumor microenvironment and possesses a wealth of unknown biomarkers and targets of cancer therapy. From this perspective, we first review the state of high-throughput biological data acquisition(i.e. multiomics data)and analysis(i.e. computational tools) and then propose a conceptual in silico metabolic and epigenetic regulatory network(MER-Net) that is based on these current high-throughput methods. The conceptual MER-Net is aimed at linking metabolomic and epigenomic networks through observation of biological processes, omics data acquisition, analysis of network information, and integration with validated database knowledge. Thus, MER-Net could be used to reveal new potential biomarkers and therapeutic targets using deep learning models to integrate and analyze large multiomics networks. We propose that MER-Net can serve as a tool to guide integrated metabolomics and epigenomics research or can be modified to answer other complex biological and clinical questions using multiomics data.