肾透明细胞癌Caki-1细胞系差异表达基因的生物信息学分析

目的比较肾透明细胞癌Caki-1细胞系与正常肾上皮细胞系ASE-5063中的差异表达基因（DEGs）,寻找潜在的肾透明细胞癌特异性分子标志物。 方法利用GEO数据库自带的GEO2R在线分析工具分析基因芯片GSE78179,将筛选出的DEGs分别导入Metascape、STRING以及Cytoscape进行综合分析并筛选出核心基因。最后使用FunRich等软件对筛选出的核心基因进行GO和KEGG富集分析。 结果共筛选出562个DEGs,其中上调基因345个,下调基因217个。进一步使用MCODE筛选出36个关键基因,GO功能分析发现这些基因与细胞粘附分子活性、趋化因子活性、细胞通讯和信号转导等密切相关;KEGG通路富集结果则表明差异基因主要集中在趋化因子信号通路、TNF信号通路以及NF-κB信号通路等多种与肿瘤相关的通路上。 结论运用生物信息学方法筛选出肾透明细胞癌Caki-1细胞系中DEGs,其中数个核心基因广泛参与多种肿瘤的病理进程,但尚未在肾透明细胞癌有相关研究报道,提示其可能是治疗肾透明细胞癌的潜在靶点。     

基于拓扑分析方法鉴定与胃癌相关的生物标志物

胃癌(gastric cancer, GC)是最常见的恶性肿瘤之一。由于GC发病隐匿的特性,其早期检测困难。因此,研究与GC早期诊断和预后相关的生物标志物至关重要。从GEO数据库下载了3组基因表达数据集GSE79973、 GSE19826和GSE13911,通过Limma包筛选差异表达基因(differentially expressed genes, DEGs),并使用DEGs、 STRING V11数据库和Cytoscape构建了DEGs的蛋白质-蛋白质相互作用(protein-protein interaction, PPI)网络,通过4种拓扑分析方法取交集筛选hub基因,并通过单变量Cox分析、多变量Cox分析、 Lasso回归分析、生存分析、通路分析以及文献法验证hub基因。从3个数据集中分别筛选了1 599个、 333个和662个DEGs。通过拓扑分析方法筛选了4个hub基因,即CDK1、AURKA、PTTG1和UBE2C。GO和KEGG富集分析结果表明4个hub基因参与了细胞外基质-受体相互作用、糖尿病并发症中的AGE-RAGE信号通路、小细胞肺癌和蛋白质消化吸收等通路。...     

一种新的泛素化-铁死亡相关基因特征用于肝细胞癌患者预后分析

本研究通过筛选泛素化-铁死亡相关基因构建肝细胞癌(hepatocellular carcinoma, HCC)预后模型,并探究泛素化-铁死亡相关基因对HCC预后的影响。使用R包DESeq2对TCGA-LIHC数据集进行差异分析,获取HCC差异表达基因(HCC＿DEGs)。将HCC＿DEGs、泛素化相关基因(ubiquitination related genes, URGs)和铁死亡差异表达基因(ferroptosis＿differentially expressed genes, FERR＿EDGs)取交集获得泛素化和铁死亡相关基因(UBFE＿EDGs),将UBFE＿EDGs依次进行LASSO回归分析、单因素Cox回归分析和多因素Cox回归分析以筛选出最佳独立预后基因用于构建HCC预后模型(ubiquitination and ferroptosis-related prognostic model, UBFE)。由生存曲线、 ROC曲线和校正曲线评估UBFE的预测准确性。单因素Cox回归分析、多因素Cox回归分析评估UBFE风险评分是否为HCC的预后独立危险因素,并构建列线图模型。...     

家族性双侧大结节性肾上腺增生症生物标志物的生信分析

为寻找与家族性双侧大结节性肾上腺皮质增生症发展有关的潜在治疗靶点和生物标志物。从GEO数据库中下载GSE171558数据集,筛选受家族影响的肾上腺结节与正常的肾上腺组织之间的差异表达基因(Differentially expressed genes, DEGs),并进行基因功能富集分析和蛋白质-蛋白质相互作用网络分析。通过Cytoscape v3.9.1软件中的插件cytoHubba筛选出关键基因,进一步经NetworkAnalyst分析TF-miRNA共调控网络和蛋白质-化合物相互作用。共鉴定出336个DEGs,这些基因主要富集在细胞粘附过程、细胞增殖的正调节过程和RNA加工过程等生物过程,并涉及钙信号通路、PI3K-Akt信号通路和cAMP信号通路等。通过cytoHubba插件获得5个hub基因,经验证分析,多功能蛋白聚糖(Versican,VCAN)、双糖链蛋白聚糖(Biglycan,BGN)被认为是家族性双侧大结节性肾上腺皮质增生症的潜在生物标志物。进一步的GSEA分析结果显示,VCAN主要与丁酸代谢、ECM-受体相互作用和类固醇生物合成等有关。BGN主要涉及剪接体、皮质醇的合...     

急性髓系白血病铁死亡相关基因筛选及预后模型的建立

基于急性髓系白血病(Acute Myeloid Leukemia,AML)临床大数据及多组学数据库探讨铁死亡相关基因在AML中的作用,并建立铁死亡基因表达相关预后模型。整合TCGA数据库中151例AML患者和GTEx数据库中337例正常人外周血的临床和转录组数据。将Wilcoxon检验和单因素Cox分析结果取交集,筛选出预后相关差异表达基因(Differential Expression Genes, DEGs),使用Lasso回归建立基因标志物预后模型,利用受试者工作特征曲线(Receiver Operating Characteristic Curve,ROC曲线)评价预测价值,Kaplan-Meier法进行生存分析,对AML患者临床数据进行单因素和多因素Cox回归分析,使用差异基因表达分析等方法比较高、低风险患者间的组学差异,最后,利用BeatAML数据库对基因标志物进行验证。将差异基因表达分析和单因素分析结果取交集,得到13个预后相关DEGs。构建了8个基因标志物的预后评分模型,并将患者分为高、低风险两组;ROC曲线分析证实了模型良好的预测性能;生存分析提示高、低风险组患者的生存率具有显著差异;单因素分析显示年龄和风险评分与患者整体生存显著相关,多因素分析显示,年龄和风险评分是独立预后指标。在2个风险组之间筛选出384个DEGs,GO富集分析结果显示,富集的基因大多与中性粒细胞和白细胞的趋化与迁移等免疫相关分子和通路显著相关,KEGG富集通路主要与TNF信号通路、细胞因子与细胞因子受体相互作用相关。BeatAML数据库验证结果显示,5个基因与预后显著相关。铁死亡相关基因在AML中显著表达,且高风险患者预后较差,该研究对AML铁死亡相关潜在生物标志物的发现和应用奠定了一定的基础。     

多种机器学习模型构建阿尔兹海默病失巢凋亡相关预测模型

阿尔兹海默病(AD)是最常见的神经退行性疾病。失巢凋亡(Anoikis)是一种新型的程序性细胞死亡方式,可导致多种疾病的发展。本研究旨在探讨失巢凋亡相关基因(ANRGs)在AD中的作用,并建立预测模型。基于GSE33000数据集筛选到1 666个AD与正常脑组织相比差异表达的基因,与53个ANRGs取交集,得到10个基因。利用上述基因,对310例AD患者进行无监督聚类,将其分为3个亚型,进一步分析不同亚型间的免疫微环境差异。之后,采用WGCNA算法筛选与AD相关的特征基因,选取4种机器学习算法(RF,GLM,SVM和XGB),构建AD罹患风险的预测模型,并在3个外部队列中进行验证(GSE5281,GSE29378,GSE122063)。最后,基于XGB模型中的5个AD特征基因(TM6SF1,SMYD3,OXCT1,MAP1B和ITPKB),成功构建一个列线图,为AD的临床预测提供参考。     

三棱内酯B调控人冠状动脉内皮细胞基因表达谱的生物信息学分析

目的:分析三棱内酯B在人冠状动脉内皮细胞中的表达谱数据集,寻找三棱内酯B调控血管内皮功能的关键作用靶点。方法:基于GEO公共数据库,下载原始表达谱数据集(GSE44598),经过差异基因筛选,功能注释,通路富集,信号通路网络以及基因互作网络分析,找出三棱内酯B对人冠状动脉内皮细胞基因表达谱产生影响的关键基因和信号通路。结果:同对照组相比,三棱内酯B给药组共有5224个基因有显著性差异,包括2628个上调基因和2596个下调基因。基因功能注释和信号通路富集分析表明,差异基因主要参与了细胞周期过程。网络分析显示,MAPK信号通路、细胞周期通路以及PLCG2,PRKACA和ADCY4等为关键信号通路和基因。结论:三棱内酯B通过影响PLCG2,PRKACA,ADCY4等基因的表达,参与MAPK和细胞周期等信号通路,从而调节人冠状内皮细胞的功能。这些关键基因和信号通路是三棱内酯B在心血管疾病治疗应用中潜在的作用靶点。     

应用GSEA和WGCNA方法分析细菌性败血症宿主关键差异基因及意义

【目的】采用生物信息学方法分析公共数据库来源的细菌性败血症患者全血转录组学表达谱,探讨细菌败血症相关的宿主关键差异基因及意义。【方法】基于GEO数据库中GSE80496和GSE72829全血转录组基因数据集,采用GEO2R、基因集富集分析(GSEA)联用加权基因共表达网络分析(WGCNA)筛选细菌性败血症患者相比健康人群显著改变的差异基因,通过R软件对交集基因进行GO功能分析和KEGG富集分析。同时,通过String 11.0和Cytoscape分析枢纽基因,验证枢纽基因在数据集GSE72809(Health组52例,Definedsepsis组52例)全血标本中的表达情况,并探讨婴儿性别、月(胎)龄、出生体重、是否接触抗生素等因素与靶基因表达谱间的关系。【结果】分析GSE80496和GSE72829数据集分别筛选得到932个基因和319个基因,联合WGCNA枢纽模块交集得到与细菌性败血症发病相关的10个枢纽基因(MMP9、ITGAM、CSTD、GAPDH、PGLYRP1、FOLR3、OSCAR、TLR5、IL1RN和TIMP1);GSEA分析获得关键通路(氨基酸糖类-核糖代谢、PPAR信号通路、聚糖生物合成通路、自噬调控通路、补体、凝血因子级联反应、尼古丁和烟酰胺代谢、不饱和脂肪酸生物合成和阿尔兹海默症通路)及生物学过程(类固醇激素分泌、腺苷酸环化酶的激活、细胞外基质降解和金属离子运输)。【结论】本项研究通过GEO2R、GSEA联用WGCNA分析,筛选出与细菌性败血症发病相关的2个枢纽模块、10个枢纽基因以及一些关键信号通路和生物学过程,可为后续深入研究细菌性败血症致病机制奠定理论依据。     

慢性鼻-鼻窦炎伴鼻息肉基因表达谱的生物信息学分析

本研究从美国国立生物信息中心(NCBI)的子数据库基因表达数据库(GEO)中选择基因表达谱GSE36830数据集,采用GEO2R筛选正常钩突和鼻息肉组织之间的差异表达基因(DEGs),对关键通路和差异表达基因进行数据库挖掘和分析,经筛选后的差异表达基因采用戴维在线工具对其进行基因本体富集分析(GO)、京都基因和基因组百科全书(KEGG)分析,然后将DEGs导入String数据库进行蛋白质互作网络分析,绘制差异表达基因互作网络图,将其数据导入Cytoscape软件中,筛选网络中心节点和关键基因,分析关键子网络。共筛选出699个DEGs,其中475个基因为上调表达基因,224个基因为下调表达基因。在GO分析中,针对生物过程,上调的DEGs包括:炎症反应、免疫反应、细胞趋化性、炎症反应的正向调节和细胞的粘附等;下调的DEGs主要参与:唾液分泌、生物矿物组织发展、细胞氨基酸生物合成过程、视网膜内稳态及离子跨膜转运等。在KEGG分析中,上调的DEGs主要在参与造血细胞系、细胞因子-细胞因子受体相互作用、破骨细胞分化、趋化因子信号通路、癌症中的转录失调、哮喘、金黄色葡萄球菌感染等信号通路中富集,而下调的DEGs在唾液腺分泌及胆汁分泌信号通路中富集。差异表达基因互作网络图筛选出前10个关键基因:ITGAM、IL10、CD86、TLR8、ITGAX、CCL2、CCR7、SRC、EGF及ITGB2。本研究得到了一组鼻息肉差异表达基因的生物信息学分析结果,但仍需进一步用基础试验来验证。本文分析的结论为慢性鼻-鼻窦炎、鼻息肉的研究提供了新的研究方向,也为鼻息肉发病机制研究的思路提供了一定的建设性作用。     

内质网应激相关基因能预测骨肉瘤预后并与肿瘤免疫微环境相关

以内质网应激相关基因构建骨肉瘤患者的风险模型,探索其与肿瘤免疫微环境的关系。采用生物信息学分析法,训练集的转录组数据及临床数据下载于UCSC Xena数据库,验证集的相应数据下载于GEO数据库(GSE21257,GSE39058)。采用单因素COX回归分析、LASSO回归分析及多因素COX回归分析提取风险特征基因构建风险模型,使用决策曲线分析、受试者工作特征曲线分析验证模型的准确性,随后构建列线图进一步预测骨肉瘤患者预后;根据风险评分将患者分为高、低风险组,使用Kaplan-Meier生存曲线评估高、低风险组间的生存差异,对差异表达基因(Differentially expressed genes, DEGs)进行GO/KEGG联合富集分析、基因集富集分析(Gene set enrichment analysis, GSEA)及基因集变异分析(Gene set variation analysis, GSVA);采用ESTIMATE算法、微环境种群计数器(Microenvironment cell population counter, MCP counter)方法、单样本基因集富集分析(Single sample gene set enrichment analysis, ssGSEA)进行免疫分析;最终在验证集中验证上述结果。6个风险特征基因中VEGFA、PTGIS及SERPINH1与骨肉瘤患者的不良预后相关,而TMED10、MAPK10及TOR1B与与骨肉瘤患者的良好预后相关,高、低风险组患者之间具有显著生存差异;GO/KEGG联合富集分析、GSVA、GSEA结果表明DEGs与免疫状态相关;免疫分析显示高风险组具有更低的免疫评分及免疫景观;列线图进一步准确地预测了骨肉瘤患者的预后。内质网应激相关基因构建的风险模型能准确预测骨肉瘤患者预后,并与肿瘤免疫微环境相关。     

IgA 肾病患者与膜性肾病患者外周血单核细胞mRNA分析

为了寻找诊断、鉴别IgA肾病(IgAN)和膜性肾病(MN)的血液特异性标记物,利用公共数据库中的IgAN和MN患者的外周血单核细胞(PBMCs)的转录组表达谱数据集识别特异性生物标记物,为诊断和鉴别提供简便、可靠的依据补充。从公共基因表达数据库(GEO)下载IgAN患者组(n=15)和MN患者组(n=8)芯片数据集,筛选前250个差异表达基因(DEGs)。通过分析筛选关键基因和途径,进行基因本体(GO)富集分析、京都基因与基因组百科全书(KEGG)通路分析和蛋白质与蛋白质相互作用关系(PPI)分析等进一步了解DEGs。通过分析共发现75个显著DEGs,其中73个上调基因,2个下调基因。GO富集分析的生物学过程(BP)主要包括蛋白质转运、内溶酶体到溶酶体转运、趋化因子介导的信号通路作用等。显著富集差异表达基因KEGG通路分析包括Endocytosis和Hepatitis B的相关信号通路。PPI筛选出EPS15、STAT4、CCL2、SUN2、SEC24C、SEC31A、GOLGB1、F2R,RAB12和PTK2B等关键基因。成功筛选出核心差异表达基因,为IgAN和MN的诊断和鉴别提供简便、可靠的依据补充,甚至提供治疗的新靶点。     

胰腺癌中CDK1的表达与预后的生物信息学分析

为探讨胰腺癌的发病机制并为胰腺癌的防治提供生物信息学依据,用GEO2R在线工具分析GSE16515中胰腺癌患者肿瘤组织和相应正常组织的差异表达基因(differentially expressed genes, DEGs),通过DAVID数据库对DEGs进行GO分析和KEGG通路富集分析,然后通过STRING数据库构建蛋白质相互作用(protein-protein interaction, PPI)网络,用Cytoscape软件进行关键基因(hub基因)筛选和功能模块分析,并在GEPIA数据库对hub基因进行验证,用CCLE数据库检测靶基因在胰腺癌组织及细胞系中的表达水平。分析结果显示胰腺癌中筛选出的376个DEGs主要涉及细胞周期、p53信号通路、蛋白质消化吸收、ECM-受体相互作用、PI3K-Akt信号通路、血小板激活信号通路。GEPIA数据库验证结果显示10个hub基因均在胰腺癌组织中高表达,其中8个hub基因与胰腺癌患者的不良预后有关。CCLE数据库检测结果显示周期蛋白依赖性激酶1 (cyclin-dependent kinase 1, CDK1)在胰腺癌组织和细胞中均有较高的表达水平。本研究结果表明CDK1可能与胰腺癌的发生发展最为相关,为进一步探究胰腺癌的发病机制提供了生物信息学依据。     

肾纤维化关键基因的生信筛选及分析

[目的]利用生物信息学技术筛选与肾纤维化相关基因，并预测与基因相关通路，疾病、细胞类型和有关药物。[方法]在公共基因芯片数据库(GEO)中获取与肾纤维化相关三个基因数据集，利用Venn图鉴定出共表达的差异基因，Metascape工具对差异基因进行功能(GO)和通路富集(KEGG)分析，还利用STRING构建蛋白相互作用网络(PPI)网络以及可视化工具Cytoscape筛选关键基因，最后用及Enrichr和Comparative Toxicogenomics Database(CTD)数据分析有关疾病、细胞类型和药物。[结果]与肾纤维化相关的数据集GSE148420、GSE38117、GSE54441经Venn图共得到83个DEGs。经Cytoscape对STRING工具得到的PPI网络可视化后，筛选出10个与肾纤维化相关的关键基因，分别是F13B、ALDH8A1、A1CF、PAH、KMO、ALDH6A1、SPP2、ACAT1、ABAT、CAT。GO和KEGG富集显示这些基因与氧化还原酶活性，血小板致密颗粒，色氨酸、结氨酸、亮氨酸和异亮氨酸等氨基酸代谢通路有关。利用Enrichr和CTD...     

小儿脓毒症休克相关基因的筛选及网络构建

为探究脓毒症休克与SIRS的差异表达基因及网络的构建,筛选潜在的核心基因,从GEO数据库下载相关基因表达谱GSE26378,数据分为脓毒症休克与SIRS各29个样本,通过在线软件GCBI对其进行标准化及差异基因筛选;对差异基因进行GO分析;基于KEGG进行功能通路分析以及基因信号网络分析;差异基因共表达网络分析。结果表明:两组中总共有1 456个基因被识别为差异基因(P0.05),与SIRS组相比,脓毒症休克组中有条859条下调基因,597条上调基因。GO功能富集分析显示差异基因主要参与了细胞周期、细胞免疫、细胞代谢。KEGG功能通路分析显示差异基因主要参与了MAPK信号通路、P53信号通路、wnt信号通路、细胞凋亡信号通路,细胞周期受体信号通路等。共表达分析发现基因CCNB1、NUSAP1、OIP5、SHCBP1、ZWINT、TOP2A、DLGAP5等位于网络中央部位,而基因信号网络分析发现基因PLCB1、PIK3CA、STAT3、CAMK2D、PRKCB、CREB1位于网络核心。基因芯片分析有助于发现脓毒症休克与SIRS患儿外周血单核细胞在转录组学上的改变,而生物信息学网络分析有助于发现潜在的靶点。     

生物信息学分析筛选结直肠癌靶基因及评估预后价值

为寻找与结直肠癌发展和预后相关的潜在关键基因及信号通路.从美国国立信息中心NCBI的GEO数据库获得结直肠癌基因表达数据集GSE106582,通过PCA对样本进行分组,利用GEO2R进行综合分析,筛选结直肠癌与癌旁对照组的差异表达基因;通过DAVID在线工具对差异表达基因进行GO本体分析和KEGG通路富集分析,初步分析...     

基于网络药理学、分子对接及实验验证探讨黄柏治疗痛风的作用机制CSCD

采用网络药理学、分子对接和体外细胞实验探讨黄柏抗痛风(gout)的物质基础与潜在作用机制。首先通过TCMSP数据库获得黄柏主要活性成分及其对应作用靶点信息;通过GeneCards、OMIM、TTD数据库获得痛风相关疾病靶点;将黄柏有效成分对应靶点与痛风靶点取交集,借助STRING平台及Cytoscape3.9.0软件,绘制交集基因蛋白互作(PPI)网络图;利用基因注释与分析平台(Metascape)数据库对核心靶点进行基因本体(GO)功能及京都基因与基因组百科全书(KEGG)通路富集分析,通过微生信云平台对富集结果可视化;借助AutoDock Tools软件对核心成分及关键靶点基因进行分子对接,并对核心化学成分抗痛风炎症作用进行实验验证。共筛选出25个黄柏抗痛风活性成分和70个关键交集靶点,PPI网络分析获得5个关键靶点包括蛋白激酶B1(AKT1)、肿瘤坏死因子(TNF)、过氧化物酶体增生激活受体γ(PPARγ)、白介素6(IL-6)、前列腺素内过氧化物合酶(PTGS 2);GO功能和KEGG通路富集显示,黄柏作用于细胞迁移的正向调控、细胞分化的负调控、炎症反应等生物学过程,调控PI3K-Akt、MAPK等信号通路,进而发挥抗痛风作用。分子对接结果显示,黄柏的5个主要活性成分与关键靶点间存在分子结合位点且结合能较强,均小于-5 kcal/mol;体外实验显示核心化学成分对尿酸钠诱导的炎症反应有较好的抑制作用,本研究初步揭示了黄柏具有多种潜在的抗痛风活性成分,其作用机理可能是通过作用于多靶点和多通路来实现的。     

基于网络药理学和分子对接探讨黄芪治疗特发性肺纤维化的分子机制

本研究旨在以黄芪活性成分为切入点,基于网络药理学及分子对接研究黄芪治疗特发性肺纤维化的分子机制。首先,通过TCMSP筛选黄芪的活性成分;利用Swiss Target Prediction预测黄芪化学成分潜在靶点;使用GeneCards和CTD筛选出特发性肺纤维化的相关基因,交集获得黄芪治疗特发性肺纤维化的潜在靶点,对潜在靶点进行生物信息学分析明确关键靶点。然后,通过采用分子对接(SYBYL 2.1.1)验证关键靶点与黄芪化学成分的结合程度。最后通过HE染色、Masson染色及ELISA实验验证网络药理学富集分析结果。最终,通过网络药理学初步筛选得到黄芪治疗特发性肺纤维化的信号通路29条(P0.05),靶点25个,其中IL-17信号通路、EGFR信号通路和HIF-1信号通路为疾病相关通路,PTGS2、VEGFA、MMP-9、STAT3和EGFR为关键靶点;通过分子对接明确黄芪中6个化学成分与5个关键靶点均有较好的结合;HE染色和Masson染色均提示黄芪及其活性成分叶酸对博来霉素诱导的大鼠特发性肺纤维化具有治疗作用,可降低大鼠特发性肺纤维化程度;ELISA实验证明黄芪及其活性成分叶酸能够降低大鼠血清IL-17、MMP-9的表达。本研究通过网络药理学、分子对接及实验验证结果可以明确黄芪治疗特发性肺纤维化的关键靶点及主要化学成分,为开发黄芪抗特发性肺纤维化的有效成分及作用机制提供新的思路方法,为临床有效应用黄芪治疗特发性肺纤维化提供理论依据。     

基于网络药理学及分子对接探讨桑叶-菊花治疗高血压的作用机制

本文旨在通过网络药理学和分子对接方法探讨桑叶-菊花治疗高血压的潜在分子作用机制。首先从GEO数据库下载基因芯片数据,使用R语言limma包筛选差异表达基因,通过中药系统药理学分析平台筛选桑叶-菊花有效成分及相应靶蛋白,利用Venn软件取药物与疾病交集靶点,运用Cytoscape3.7.2软件构建"化合物-靶点"网络及可视化分析,并用Bisogenet和CytoNCA插件对关键靶点进行蛋白网络互作及拓扑分析,通过David数据库和R语言clusterProfiler包对关键靶点进行GO功能富集及KEGG通路分析,应用AutoDock Vina软件对活性成分与关键靶点进行结果验证。结果显示桑叶-菊花成分作用于高血压的靶点41个,拓扑分析出156个核心靶点信息,GO分析共包含52条生物过程、13条分子功能、15条细胞组成等80条富集结果,KEGG通路分析发现39个条目,涉及IL-17信号通路、流体剪切应力与动脉粥样硬化信号通路、TNF信号通路等。分子对接结果显示与关键靶点对接较好的成分有槲皮素、木犀草素。本研究初步揭示了桑叶-菊花通过"多成分-多靶点-多途径"协同作用发挥降压作用,为深入研究其物质基础及作用机制奠定了基础。     

甘草苷治疗抑郁症和糖尿病共病的网络药理学作用机制研究

本研究旨在采用网络药理学的方法探究甘草苷治疗抑郁症和糖尿病的药理作用机制。首先应用PharmMapper、SEA、SIB等数据库查找出与甘草苷有关的作用靶点,登陆GeneCards、DrugBank数据库分别查找出文献中已报道的与抑郁症和糖尿病有关的靶点,将疾病靶点分别与甘草苷相关作用靶点进行映射,筛选出与甘草苷治疗抑郁症和糖尿病有关的潜在作用靶点,采用Cytoscape 3.6.0软件构建成分-靶点-疾病网络并进行可视化分析。然后通过生物学信息注释数据库DAVID对抑郁症与糖尿病相同潜在靶点进行GO富集分析以及KEGG代谢通路富集分析,使用BITOLA系统搜索与抑郁症和糖尿病"基因或基因产品"相关的所有中间概念,系统识别甘草苷治疗抑郁症和糖尿病相同靶点的部位归属。本研究筛选得到与甘草苷有关的靶点共312个,其中23个是甘草苷治疗抑郁症和糖尿病共同的潜在作用靶点,包括ESR1、HRAS、VEGFA、NOS3、PARP1、IGF1R等,主要通过调控PI3K-AKT信号通路、癌症信号通路、Ras信号通路发挥治疗抑郁症和糖尿病的作用。