Summary
本研究では、ネットワーク薬理学と遺伝子発現オムニバス(GEO)データセットの相乗的な統合により、外用薬投与のメカニズムを解明することを目指しました。この記事では、肛門湿疹の治療におけるShiDuGao(SDG)の実現可能性、標的、およびメカニズムを評価しました。
Abstract
肛門湿疹は、肛門周辺に影響を与える慢性および再発性の炎症性皮膚疾患です。病変は主に肛門と肛門周囲の皮膚に発生しますが、会陰や生殖器にも広がる可能性があります。ShiDuGao(SDG)は、肛門掻痒、滲出抑制、水分減少、皮膚修復に対する重要な修復特性を有することがわかっています。しかし、肛門湿疹に対するSDGの遺伝子標的や薬理学的メカニズムは、まだ包括的に解明され、議論されていません。そこで、本研究では、ネットワーク薬理学的アプローチを採用し、遺伝子発現オムニバス(GEO)データセットを利用して遺伝子標的を調査しました。さらに、タンパク質間相互作用ネットワーク(PPI)が確立され、その結果、「薬物-標的-疾患」相互作用ネットワーク内の149の標的が同定され、そのうち59がハブ遺伝子と見なされました。
肛門周囲湿疹治療におけるSDGの遺伝子機能は、京都遺伝子ゲノム事典(KEGG)と遺伝子オントロジー(GO)解析を用いて評価した。その後、ネットワーク薬理学的分析で特定された抗肛門周囲湿疹機能とSDGの潜在的な経路が、分子ドッキング法を使用して検証されました。肛門湿疹の治療におけるSDG標的遺伝子およびタンパク質に関連する生物学的プロセスには、主にサイトカインを介した応答、炎症反応、およびリポ多糖に対する応答などが含まれます。経路濃縮と機能アノテーション解析の結果は、SDGが赤痢症および単純ヘルペスウイルス1感染経路を調節することにより、肛門湿疹の予防と管理に重要な役割を果たしていることを示唆しています。ネットワーク薬理学とGEOデータベース分析は、肛門湿疹の治療におけるSDGのマルチターゲット性、特にTNFおよびMAPKシグナル伝達経路の重要なハブターゲットであるTNF、MAPK14、およびCASP3を調節することによって確認されています。これらの知見は、SDGの肛門湿疹の治療メカニズムをさらに調査するための明確な方向性を示すとともに、この衰弱性疾患に対する効果的な治療法としての可能性を強調している。
Introduction
肛門湿疹は、肛門周囲領域と粘膜に影響を与えるアレルギー性皮膚疾患であり、さまざまな臨床症状を示します1。特徴的な症状には、肛門紅斑、丘疹、水疱、びらん、滲出液、痂皮などがあります。これらの症状は、主に患部の引っ掻き傷、肥厚、ざらつきによって生じます2。
肛門湿疹は、病気の長期化、再発性発作、困難な治療を特徴とし、患者の身体的および精神的健康に悪影響を与える可能性があります3。肛門湿疹の病因はまだ明らかになっておらず、現代医学では、局所的な肛門病変、食事、環境、遺伝学、その他の要因に関連している可能性が示唆されています4。肛門湿疹の治療は、刺激物や潜在的なアレルゲンとの接触を避けることに加えて、主に炎症の抑制、抗アレルギー、かゆみの緩和などの方法に焦点を当てています5。
SDGは、肛門湿疹やその他の肛門疾患の治療に広く利用されています。SDGは、肛門の皮膚の滲出を調節し、水分を減らし、肛門の皮膚を修復し、掻痒症に効果的に対処します6,7,8。さらに、SDGは花膜微生物叢を調節し、それによって肛門湿疹を改善する可能性があります9,10。
ネットワーク薬理学は、人工知能とビッグデータの領域における斬新で学際的な最先端のバイオインフォマティクスアプローチであり、伝統的な中国医学の詳細な探求を提供します。この分野では、生態学的ネットワークの観点から、薬物と疾患の間の分子相関規則の体系的な説明に重点を置いています。ハーブ抽出物の主要な有効成分の特定、それらの全体的な作用機序の解読、薬剤の組み合わせの処方、処方適合性の研究など、さまざまな側面で広く採用されています。伝統的な中国の処方箋は、多成分および多標的の属性を示しており、ネットワーク薬理学の領域への実質的な適応性を示しています。この方法論に後押しされ、複雑な漢方薬システムの検討に新たな視点が浮かび上がり、臨床応用の合理化と医薬品の革新のための強力な技術サポートを提供しています11,12,13,14。
この研究は、肛門湿疹の治療におけるSDGの有効性のメカニズムを調査することを目的としています。この調査活動は、ネットワーク薬理学とGEOデータセットの相乗的な統合を使用して、局所薬投与のメカニズムを解明することを目指しました。この知見は、肛門湿疹の管理におけるSDGの有効性と根底にあるメカニズムに関する貴重な洞察を提供し、この疾患に対する効果的な治療アプローチとしての可能性を示している。この調査の詳細なワークフロー図を 図 1 に示します。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
この研究は、倫理的な承認と参加への同意に言及していません。本研究で用いたデータは、遺伝子データベースから得られた。
1. 疾患ターゲットの予測
- GeneCardsデータベース(https://www.genecards.org)およびオンラインMendelian inheritance in manデータベース(OMIM、https://www.omim.org)にアクセスし、「肛門湿疹」を疾患ターゲットの検索語として使用します。
- 疾患ターゲットのスプレッドシートをダウンロードします。肛門湿疹のターゲットを取得するために、繰り返されるターゲットを削除します。
2. 有効成分の選定
- 漢方薬システムの薬理データベース(TCMSP、http://tcmspw.com/tcmsp.php)でキーワード「indigo naturalis, golden cypress, calcined gypsum, calamine, and Chinese Gall」を検索し、SDGsの有効成分候補とターゲットのリストを取得します。
- この成分をスイスのADMEデータベース(http://www.swissadme.ch/index.php)に委託し、GI吸収が「高い」成分の詳細を抽出し、少なくとも2つの「はい」DL値を活性元素として組み合わせます。
注:通常、データベース内の薬物様(DL)値が≥0.18の成分のみが有効成分として含まれます。
3. PPIネットワークの構築とコアタンパク質のスクリーニング
- Venny2.1(https://bioinfogp.cnb.csic.es/tools/venny/index.html)では、SDGと肛門湿疹のターゲットをそれぞれLIST1とLIST2に入力します。交差点の視覚的表現が即座に生成されます。共有領域をクリックすると、[結果 ]セクションに共通のターゲットが表示されます。
- STRING データベース (https://string-db.org/) にアクセスします。「名前のリスト」フィールドにターゲットを入力します。次に、生物としてホモサピエンスを選択し、検索>続行に進みます。
- 結果が利用可能になったら、[ 詳細設定 ]を開き、ネットワーク内の切断されたノードを非表示にします。[ Minimum Required Interaction Score] で、最も高い信頼度 (0.900) を設定し、[ Update] をクリックします。
- Exportsをクリックして、タンパク質間相互作用(PPI)ネットワークのテキストを.pngおよび.tsv形式でダウンロードします。
4. 薬剤成分・疾患・標的ネットワークの構築
- Cytoscape 3.9.1を開き、手順3.4で説明した.tsvファイルをインポートします。コントロールパネルの スタイル バーをクリックして、ネットワークノードの色、フォント、および側面を最適化します。
- ネットワーク トポロジ解析には、[ ネットワークの解析] 機能を使用します。ハブ遺伝子を取得するには、Cytoscapeソフトウェアで CytoHubba を使用します。薬物-成分-疾患-標的ネットワークを確立します。
5. GOおよびKEGGエンリッチメント分析
- MetascapeのWebサイト(https://metascape.org/)にアクセスします。ファイルを選択するか、遺伝子リストをダイアログボックスに貼り付けて、Submitボタンをクリックします。次に、[入力] を [種] として、[分析] を [種] として [H. sapiens] を選択します。その後、カスタム分析機能を有効にします。
- エンリッチメントオプションで、 GO Molecular Functions、GO Biological Processes、GO Cellular Components、および KEGG Pathwayデータベースを選択します。 [選択的 GO クラスターの選択] をオンにして、[ エンリッチメント分析 ] ボタンをクリックします。プログレスバーが完成したら、 分析レポートページ をクリックしてエンリッチメント結果を取得します。
6. GEO遺伝子チップデータセット解析
- GEO2Rツール(https://ncbi.nlm.nih.gov/geo/geo2r/)を用いてGEO遺伝子チップデータセット(GDS3806)を検索・解析し、異なるデータ群(対照群-非アトピー性皮膚炎、実験群-アトピー性皮膚炎)における中心遺伝子の発現を調べます。
- GEOデータベースのWebサイト(https://www.ncbi.nlm.nih.gov/geo/)に入ります。キーワードまたはGEO Accessionを入力し、検索 ボタンをクリックします。最適な一致結果を選択します。参照系列 (GSE26952) を見つけます。
- GEO2RツールのWebサイト(https://ncbi.nlm.nih.gov/geo/geo2r/)に入り、GEO Accession ボックスに参照シリーズを入力し、[ 設定 ]ボタンをクリックします。実験群として アトピー性皮膚炎 を選択し、対照群として 非アトピー性コントロール を選択し、 分析 ボタンをクリックします。計算が完了すると、結果が表示されます。
7. 分子ドッキング
- TCMSPデータベースを開き、選択した成分の3D構造をダウンロードします。 [化学名 ]検索ボックスを使用して、選択した成分名を検索し、対応する 3D 構造ファイルを mol2 形式でダウンロードします。
- RCSBタンパク質データベース(http://www.pdb.org/)を開き、主要なターゲットの結晶構造をダウンロードします。検索ボックスでターゲット名を検索し、対応する結晶構造ファイルをpdb形式でダウンロードします。
- 成分とターゲット構造ファイルを解析ソフトウェアにインポートします。 [編集]>[水の削除]をクリックして、水分子を削除します。[ Edit > Hydrogens] > [Add] をクリックして、水素を追加します。成分をリガンドとしてセットし、ターゲット全体をレセプターとして選択し、ブラインドドッキングを実行します。
- 分子ドッキングの範囲を決定します。
- 受容体とリガンドを順番に選択します。 [グリッド]>[グリッドボックス]をクリックして 、モデル全体が含まれるようにグリッドボックスを調整します。[ファイル] > [現在の保存 を閉じる] をクリックして 、グリッド ボックスの状態を保存します。ファイルを gpf 形式で保存します。
- [Run]>[Run Autogrid4 > Parameter Filename > Browse]をクリックし、GPFファイルを選択して[Launch]ボタンをクリックします。
- AutoDock 4を使用して分子ドッキングを行います。
- Docking > Macromolecule > Set Rigid Filenameをクリックし、レセプターを選択します。Docking > Ligand > Open/ Chooseをクリックしてリガンドを選択します。
- [ ドッキング > 検索パラメータ ] をクリックして操作アルゴリズムを設定し、[ ドッキング > ドッキング パラメータ ] をクリックしてドッキング パラメータを設定します。dpfファイルを選択し、[起動]ボタンをクリックします。ファイルを dpf 形式で保存します。
- Analyze > Docking > Openをクリックし、dlgファイルを選択し、Analyze > Macromoleculeをクリックして受容体を開き、Analyze > Conformations > Play, Ranked by Energyをクリックして結果を分析します。Set Play > Write Complexをクリックし、結果をpdbqtフォーマットで保存します。
- ドッキングファイルをPyMOLソフトウェアにインポートして、さらなる可視化を構築します。
- 配位子を選択し、Action > Find > Polar Contacts > To Other Atoms in Objectをクリックして、配位子と外部環境との間の水素結合を表示します。cをクリックして色を変更します。
- [ Action > Extract Object] をクリックします。 Show > Sticks をクリックすると、受容体のスティック構造が表示されます。リガンドに結合した残基を同定し、スティック構造を示します。
- Hide > Sticksをクリックして、レセプターのスティック構造を非表示にします。Wizard > Measurementをクリックし、2つの原子を順番にクリックします。Label > Residueをクリックして、残基のラベルを表示します。必要に応じて、背景色と透明度を調整します。[ファイル]>[名前を付けて画像をエクスポート]をクリックして、画像を保存します。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
肛門湿疹関連遺伝子、SDGs標的遺伝子、共通標的
合計958の潜在的な遺伝子候補をGenecardsで、634をOMIMデータベースでスクリーニングし、重複は除外した。肛門湿疹関連遺伝子を包括的に理解するために、複数のデータベースからの知見を統合し、合計958の異なる遺伝子が得られました。その結果、肛門湿疹に特異的なタンパク質間相互作用ネットワーク(PPI)が細心の注意を払って処方されました。SDGは、藍のナチュラリス、ゴールデンヒノキ、焼成石膏、カラミン、中国の胆汁15,16の5つの伝統的な漢方薬で構成されています。焼石膏の主成分は無水硫酸カルシウム(CaSO4)であり、カラミンの主成分は炭酸亜鉛(ZnCO3)です。インディゴナチュラリス、ゴールデンヒノキ、チャイニーズゴールには複雑な成分が含まれています。TCMSPデータベースから、薬物には92の化合物成分が含まれており、合計867の信頼できる薬物標的が得られています(表1)。
両方の標的遺伝子データセットを重ね合わせることで、共存する標的遺伝子を合計149個ピンポイントで特定し(図2A)、その後、必須の標的タンパク質間相互作用(PPI)ネットワークを構築しました(図2B)。程度、近さ、および媒介性の中央値に基づくスクリーニング法を通じて、59の主要な標的が潜在的な肛門湿疹治療薬の標的として選択されました。主要ターゲットの次数、近さ、媒介性のスコアの中央値は、それぞれ49、40.31947、0.522でした。高次スコアの上位10遺伝子には、AKT1、TNF、TP53、EGFR、STAT3、SRC、JUN、CASP3、HRAS、およびPTGS2が含まれていました(表2)。これらの遺伝子は、肛門湿疹と非常に関連しています。
共通のターゲットが関与する経路とネットワーク
KEGGおよびGO濃縮法を利用して59の主要なターゲットを分析し、218の関連経路と3000を超える関連する生物学的プロセスを明らかにしました。解析により、チェリーシンプレックスウイルス1感染、赤痢症、TNFシグナル伝達経路、EGFRチロシンキナーゼ阻害剤耐性、ヒトサイトメガロウイルス感染、T細胞受容体シグナル伝達経路など、SDGおよび肛門湿疹タンパク質と強く相関する経路が明らかになりました(図3A)。これらの経路は、主にAKT1、TNF、TP53、STAT3、SRC、EGFR、CASP3などの遺伝子に関連しています。図3Bは、標的遺伝子と経路を詳細に描写したものです。GO解析は、生物学的プロセス(BP)、細胞組成(CC)、および分子機能(MF)について行いました(図4A)。結果は、この研究が主に生物学的プロセスにおけるSDGと肛門湿疹の一般的な標的に焦点を当てており、いくつかはCCとMFに関連していることを示唆しています。特に関連性のある生物学的機能には、ペプチジルチロシンのリン酸化、ペプチジルチロシン修飾、細胞間接着の調節、細胞接着の正の調節、T細胞の活性化、白血球細胞間接着の調節などがあります(図4B-D)。
肛門湿疹標的に対するSDGs有効成分の結合の予測
程度、近さ、媒介性の中央値に基づいて、AKT1、TNF、TP53、EGFR、STAT3、SRC、JUN、CASP3、HRAS、およびPTGS2を含む59の主要なターゲットをスクリーニングしました。GEOデータベースをさらに解析したところ、実験群ではPPARG、EGFR、TNFがアップレギュレーションされ、PTPRC、MMP9、MAPK14、CASP3がダウンレギュレーションされていることが明らかになりました(図5)。一般的な遺伝子経路の濃縮の解析を通じて、これらの遺伝子は主にTNFシグナル伝達カスケードおよびMAPKシグナル伝達経路に関与していることが決定されました。TNFシグナル伝達経路では、TNF発現がアップレギュレーションされ、MMP9、MAPK14、およびCASP3発現がダウンレギュレーションされました。MAPKシグナル伝達経路では、EGFRとTNFの発現がアップレギュレーションされ、MAPK14とCASP3がダウンレギュレーションされました(図6)。これらの知見に基づき、TNF、MAPK14、およびCASP3は、SDG療法の潜在的な標的として検討されました。
SDGの有効成分の候補ターゲットを検証するために、ドッキング分析を使用して、有効成分構造と潜在的なターゲットタンパク質の間の精度をテストしました。これらの標的タンパク質は、様々な機能的結合に関与し、ネットワークの上位ノードであり、肛門湿疹に対するSDG応答に重要な役割を果たしていることが示唆されています。ドッキング結合エネルギーの負の値は、SDGがin vivoで疾患標的とドッキングする能力を示し、負の値が多いほどドッキングが容易であることを示します。この調査では、コア活性成分と主要ターゲットとの分子ドッキングに成功し、ドッキング結合エネルギーは負の値で、値は -1 kcal/mol 未満でした。インディゴとベルベルビンは良好な結合活性を有し、結合エネルギーは-5 kcal/mol未満である(表3、 図7)。まとめると、これらの結果は、遺伝子座に対応するこれらのタンパク質が肛門湿疹のSDG標的として作用し得るというさらなる証拠を提供する。
図1:ネットワーク薬理学解析ワークフロー GO、遺伝子オントロジー;KEGG,京都遺伝子ゲノム事典;TCMSP、伝統的な漢方薬システム薬理学データベースおよび分析プラットフォーム。GEO、遺伝子発現オムニバス。 この図の拡大版をご覧になるには、ここをクリックしてください。
図2:共通ターゲットのベン図とPPIネットワーク。 (A)創薬標的と疾患標的の交点のベン図。(B)STRINGによる共通ターゲットPPIネットワーク。 この図の拡大版をご覧になるには、ここをクリックしてください。
図3:KEGG経路濃縮分析。 (A)KEGG経路濃縮分析。上位 10 の KEGG 経路は、 p 値に従って昇順でランク付けされます。(B)経路とターゲット間の接続:経路(黄色)、ターゲット(赤)。 この図の拡大版をご覧になるには、ここをクリックしてください。
図4:GOエンリッチメント分析 (A) 3つのオントロジーのGO結果。(B)生物学的プロセス(BP)バブルチャート。(C)セル成分(CC)バブルチャート。(D)分子機能(MF)バブルチャート。 この図の拡大版をご覧になるには、ここをクリックしてください。
図5:潜在的なターゲットの予測結果。 (A)GEOデータベースにおけるハブ遺伝子発現のヒートマップ、グループAは実験グループ(アトピー性皮膚炎)、グループBは対照グループ(非アトピー性皮膚炎)。(B)PPIネットワークノードはタンパク質を表し、エッジは関係を表します。 この図の拡大版をご覧になるには、ここをクリックしてください。
図6:シグナル伝達経路。 (A)MAPKシグナル伝達経路。(B)TNFシグナル伝達経路。 この図の拡大版をご覧になるには、ここをクリックしてください。
図7:コア遺伝子と成分の分子ドッキング。 マゼンタはSDGのコアコンポーネントを表し、青はコア遺伝子の残基を表します。 この図の拡大版をご覧になるには、ここをクリックしてください。
| 漢方薬 | 有効成分 | ||
| インディゴナチュラリス | 9α,13α-ジヒドロキシルイソプロピリデニルイサチシン,a,ビシンジゴチン, インダイカント, イサタンB, イサチシン,a, イソオリエンチン, イソスコパリン, イソビテキシン, (+)-イソラリシルレシノール, 10h-インドロ,[3,2-b],キノロン, イソインジゴ, サポナリン, インディゴ, トリプタントリン, 6-(3-オキソインドリン-2-イリデン)インドロ[2,1-b]キナゾリン-12-オン | ||
| インジルビン、β-シトステロール、ラリシレジノール、ノナコサン、イソビテキシン、ドトリアコンタノール | |||
| 黄金のヒノキ | ベルベリン、コプチシン、ダウリシン(8CI)、ジャワニシン、(±)-リョニレジノール、キハダラクトンA、オバクノイン酸、オバクノン、フェラビン、Phellavin_qt、フェロデンドリン、デルタ7-スチグマステノール、フェロプテリン、バニロロシド、コニフェリン、デヒドロタンシノンII A、デルタ7-デヒドロソフォラミン、アムレンシン、Amurensin_qt、ジヒドロニロチシン、ヒスピドールB、キハダラクトンB、キハダニンA、ニロチシン、ノミリン、ルタエカルピン、スキミアニン、チェレリトリン、スティグマステロール、ウォレニン、カンペステリルフェルレート、カビジン、キャンドルトキシンA、ヘリセノンH、 ヒスピドン、シリギン、β-シトステロール、マグノグランジオリド、(2S,3S)-3,5,7-トリヒドロキシ-2-(4-ヒドロキシフェニル)クロマン-4-オン、パルミジンA、マグノフロリン、メニスポルフィン、パルマチン、フマリン、イソコリパルミン、ケルセチン、シトグルシド、フリーデリン | ||
| STOCK1N-14407、ジャトロリジン、メニスペリン、phellamurin_qt、(S)-カナジン、コロンバミン、ポリフェラスト-5-エン-3ベータ-オール、マグノフロリン、ベルベルビン、フェロデンドリン、リモニン、ハイペリン、カンペステロール、SMR000232320、カンチン-6-オン、4-[(1R,3aS,4R,6aS)-4-(4-ヒドロキシ-3,5-ジメトキシフェニル)-1,3,3a,4,6,6a-ヘキサヒドロフロ[4,3-c]フラン-1-イル]-2,6-ジメトキシフェノール、ジヒドロニロチシン、メリアノン、フェロチン、タリフェンジン、バニロロシド、オーラプテン | |||
| 焼成石膏 | 無水硫酸カルシウム(CaSO4) | ||
| カラミン | 炭酸亜鉛(ZnCO3) | ||
| 中国の胆汁 | 二枚舌 | ||
表1:SDGsの有効成分
| 遺伝子 | 度 | 媒介中心性 | 近接中心性 |
| AKT1 さん | 204 | 1669.1692 | 0.765625 |
| TNFの | 202 | 1988.4543 | 0.761658 |
| TP53の | 190 | 1590.9288 | 0.73134327 |
| EGFRの | 174 | 686.3063 | 0.7033493 |
| STAT3の | 168 | 673.03723 | 0.6869159 |
| SRCの | 162 | 568.1574 | 0.69014084 |
| 6 月 | 162 | 435.33737 | 0.6805556 |
| キャスプ3 | 156 | 483.45276 | 0.67431194 |
| HRASの | 148 | 515.28815 | 0.65625 |
| PTGS2(ポイントガス2) | 134 | 761.34094 | 0.6447368 |
表2:上位10のハブ遺伝子の特徴。
| ターゲット(PDB ID) | 親和性(kcal/mol) | ||
| インジゴ | ベルベルビン | ジガレート | |
| TNF(1A8M) | -5.96 | -5.19 | -2.22 |
| MAPK14 (1A9U) | -5.51 | -5.41 | -1.93 |
| CASP3(1CP3) | -5.77 | -4.98 | -1.06 |
表3:成分とコア遺伝子の分子ドッキング結合エネルギー。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
アトピー性皮膚炎は、湿疹と根本的なメカニズムを共有する湿疹の一種です。この疾患に関連すると考えられているハブ遺伝子は、TNF、MAPK14、およびCASP3です。肛門湿疹に対するSDGの治療効果は、主にこれら3つのハブ遺伝子を介したTNFおよびMAPKシグナル伝達経路に対するSDGの作用に起因しています17。
SDGには、インディゴナチュラリス、ゴールデンヒノキ、焼成石膏、カラミン、チャイニーズゴールの5つの異なる薬物が含まれています。伝統的な中国医学では、焼成石膏とカラミンは創傷治癒を促進し、湿気を乾燥させる役割を果たし、藍の天然物、黄金の糸杉、中国の胆汁は熱を取り除き、解毒し、湿気を乾燥させることができます。これらのハーブの組み合わせは、水分を排出し、創傷治癒を促進し、熱を取り除き、風を払拭する効果を達成することができる18。
これまでの研究で、SDGの主成分には抗炎症作用があることが示されています。Indigo naturalis(IN)は、大腸炎、乾癬、および急性前骨髄球性白血病を治療することが示されています19,20,21。INの機能は、潰瘍性大腸炎(UC)患者の炎症を軽減し、腸粘膜の治癒を促進するTLR4/MyD88/NF-κBシグナル伝達の阻害に関連している可能性があります。また、DSS誘発UCマウスモデル22,23で実証されているように、腸内細菌叢を調節することもできます。最近の研究では、UCは腸内細菌叢の不均衡と結びついていることが多いことが強調されています。INは、腸内細菌叢に応じて、腸内生態学のバランスを効果的に整え、胃腸系を保護することができます24。炎症性サイトカインを抗炎症性サイトカインにシフトさせることにより、ゴールデンヒノキはTリンパ球とDC誘導性T細胞およびIL-12p70サイトカイン分泌物の増殖を減少させ、DCとTregの間の相互作用を促進します25。サポナリンとカンペステロールは、抗アレルギー効果のある天然の抗炎症剤として作用します26,27,28。トリプタントリンは抗菌作用を示す29。Melianonenは、真菌と微生物叢の両方に実質的な阻害効果を示し、肛門湿疹の治療に寄与する可能性があります30,31。
研究によると、にきび、刺激性接触皮膚炎、アレルギー性接触皮膚炎などの皮膚疾患の重症度は、腸内の微生物叢に関連していることがわかっています。急性肛門湿疹と慢性肛門湿疹の微生物叢分布を比較したところ、急性肛門湿疹患者のブドウ球菌小細菌叢は慢性群の方が豊富であることが示された32。アトピー性湿疹と腸内細菌叢の多様性が低い乳児は、微生物の存在量と皮膚疾患の間に相関関係があることが実証されています33。SDGの様々な成分が腸内細菌叢に及ぼす影響から、SDGが微生物叢を調節することで肛門湿疹を改善できる可能性は否定できません。さらに、SDGのメリアノンは真菌に作用して肛門湿疹を予防することもできます。
メカニズムの研究は、薬草処方調査の最も複雑な側面として認識されています。ネットワーク薬理学は現在、製薬分野のさまざまな側面に浸透しており、従来の生物医学から現代的な生物医学へのパラダイムシフトを示し、伝統的な漢方薬(TCM)の開発を再定義しています34,35,36。ネットワークターゲットを基盤として、TCM、有効成分、ターゲット、および障害をリンクするネットワーク図を構築して、関連する治療ターゲットを予測します。ネットワーク薬理学は、薬物と疾患標的の相互作用を網羅的に解明し、連想ネットワーク機構を体系的に調べることで、重要な代謝経路を予測します。その使用法は、さまざまなハーブの作用機序を調査するために戦略的に実施されています。さらに、KEGGおよびGO濃縮経路の構築とともに、疾患創薬標的PPIネットワークを確立することにより、ネットワーク薬理学は、漢方薬が疾患に影響を与える複雑なメカニズムの予測を容易にし、苦痛の病因を探ることを容易にしました37,38,39。この研究では、ネットワーク薬理学とGEOデータセットを組み合わせて、局所薬のメカニズムを特定しました。
ネットワーク薬理解析は、単に薬物成分と標的を予測し、動物実験や臨床試験を必要とする正確なメカニズムを検証するだけです。本研究では、動物実験や臨床実験を行わずに、分子ドッキングシミュレーションによる検証のみを行いました。中国伝統医学のネットワーク薬理学フレームワークは、精度は低いものの、個々のハーブの予測標的を組み合わせたものです。GEOデータセットを組み込むことで、この精度が大幅に向上します。
本研究では、複数のデータベースを組み合わせることでデータ活用を最大化するために、純粋データ生成法を用いた。特に、動物モデルの構築が困難な疾患については、主に疾患や創薬標的の予測・検証にオンラインデータを活用し、研究の方向性の指針となるとともに、その後の実験検証の基盤となります。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
著者は何も開示していません。
Acknowledgments
何一つ。
Materials
| Name | Company | Catalog Number | Comments |
| AutoDockTools | AutoDock | https://autodocksuite.scripps.edu/adt/ | |
| Cytoscape 3.9.1 | Cytoscape | https://cytoscape.org/ | |
| GeneCards database | GeneCards | https://www.genecards.org | |
| GEO database | National Center for Biotechnology Information | https://www.ncbi.nlm.nih.gov/geo/ | |
| GEO2R tool | National Center for Biotechnology Information | https://ncbi.nlm.nih.gov/geo/geo2r/ | |
| Metascape | Metascape | https://metascape.org/ | |
| Online Mendelian inheritance in man database | OMIM | https://www.omim.org | |
| RCSB protein database | RCSB Protein Data Bank (RCSB PDB) | http://www.pdb.org/ | |
| STRING database | STRING | https://string-db.org/ | |
| Swiss ADME database | Swiss Institute of Bioinformatics | http://www.swissadme.ch/index.php | |
| Traditional Chinese Medicine system's pharmacology database (TCMSP) | Traditional Chinese Medicine Systems Pharmacology Database and Analysis Platform | http://tcmspw.com/tcmsp.php | |
| Venny2.1 | BioinfoGP | https://bioinfogp.cnb.csic.es/tools/venny/index.html |
References
- Ma, M., Lu, H., Yang, Z., Chen, L., Li, Y., Zhang, X. Differences in microbiota between acute and chronic perianal eczema. Medicine. 100 (16), e25623 (2021).
- Dietrich, C. F., Hoch, F.
- Dietrich, A., Ruzicka, T., Hermans, C.
- Rohde, H.
- Havlickova, B., Weyandt, G. H. Therapeutic management of anal eczema: an evidence-based review. International Journal of Clinical Practice. 68 (11), 1388-1399 (2014).
- Rainer, B. M., et al. Characterization and analysis of the skin microbiota in Rosacea: A case-control study. American Journal of Clinical Dermatology. 21 (1), 139-147 (2020).
- Park, S. Y., Kim, H. S., Lee, S. H., Kim, S. Characterization and analysis of the skin microbiota in acne: Impact of systemic antibiotics. Journal of Clinical Medicine. 9 (1), 168 (2020).
- Woo, Y. R., Lee, S. H., Cho, S. H., Lee, J. D., Kim, H. S. Characterization and analysis of the skin microbiota in Rosacea: Impact of systemic antibiotics. Journal of Clinical Medicine. 9 (1), 185 (2020).
- Zheng, Y., et al. Alterations in the skin microbiome are associated with disease severity and treatment in the perioral zone of the skin of infants with atopic dermatitis. European Journal of Clinical Microbiology & Infectious Diseases. 38 (9), 1677-1685 (2019).
- Totté, J. E. E., et al. Nasal and skin microbiomes are associated with disease severity in paediatric atopic dermatitis. The British Journal of Dermatology. 181 (4), 796-804 (2019).
- Zhao, X. Y., Yang, Y. Y., Jl Feng,, Feng, C. I. Network pharmacology prediction and experimental validation of Trichosanthes-Fritillaria thunbergii action mechanism against lung adenocarcinoma. Journal of Visualized Experiments. (193), e64847 (2023).
- Zeng, B., et al. Network pharmacology prediction and metabolomics validation of the mechanism of Fructus Phyllanthi against hyperlipidemia. Journal of Visualized Experiments. (194), e65071 (2023).
- Wang, T., Jiang, X., Ruan, Y., Li, L., Chu, L. The mechanism of action of the combination of Astragalus membranaceus and Ligusticum chuanxiong in the treatment of ischemic stroke based on network pharmacology and molecular docking. Medicine. 101 (28), Baltimore. e29593 (2022).
- Wang, T., et al. Exploring the mechanism of luteolin by regulating microglia polarization based on network pharmacology and in vitro experiments. Scientific Reports. 13 (1), 13767 (2023).
- Qi-Yue, Y., et al. From natural dye to herbal medicine: a systematic review of chemical constituents, pharmacological effects and clinical applications of indigo naturalis. Chinese Medicine. 15 (1), 127 (2020).
- André, C., Dumur, J. P., Hrabina, M., Lefebvre, E., Sicard, H. Juniperus ashei: the gold standard of the Cuppressaceae. Allergie et Immunologie. 32 (3), 104-106 (2000).
- Weidinger, S., Novak, N.
- Cai, L. L., Wu, Y., He, J. Network pharmacology of Shidu ointment in the treatment of EGFR-TKIs induced acneiform eruptions. China Pharmaceuticals. 29 (16), 5 (2020).
- Gu, S., et al. Mechanisms of indigo naturalis on treating ulcerative colitis explored by GEO gene chips combined with network pharmacology and molecular docking. Scientific Reports. 10 (1), 15204 (2020).
- Lou, Y., Ma, Y., Jin, J., Zhu, H. Oral realgar-indigo naturalis formula plus retinoic acid for acute promyelocytic leukemia. Frontiers in Oncology. 10, 597601 (2021).
- Zhang, Q., et al. Psoriasis treatment using Indigo Naturalis: Progress and strategy. Journal of Ethnopharmacology. 297, 115522 (2022).
- Naganuma, M., et al. Efficacy of Indigo Naturalis in a multicenter randomized controlled trial of patients with ulcerative colitis. Gastroenterology. 154 (4), 935-947 (2018).
- Yang, Q. Y., et al. Exploring the mechanism of Indigo Naturalis in the treatment of ulcerative colitis based on TLR4/MyD88/NF-κB signaling pathway and gut microbiota. Frontiers in Pharmacology. 12, 674416 (2021).
- Sun, Z., et al. Indigo Naturalis alleviates dextran sulfate sodium-induced colitis in rats via altering gut microbiota. Frontiers in Microbiology. 11, 731 (2020).
- Cao, H., et al. Immune and metabolic regulation mechanism of Dangguiliuhuang decoction against insulin resistance and hepatic steatosis. Frontiers in Pharmacology. 8, 445 (2017).
- Min, S. Y., Park, C. H., Yu, H. W., Park, Y. J. Anti-inflammatory and anti-allergic effects of saponarin and its impact on signaling pathways of RAW 264.7, RBL-2H3, and HaCaT cells. International Journal of Molecular Sciences. 22 (16), 8431 (2021).
- Seo, K. H., et al. Saponarin from barley sprouts inhibits NF-κB and MAPK on LPS-induced RAW 264.7 cells. Food & Function. 5 (11), 3005-3013 (2014).
- Moreno-Anzúrez, N. E., et al. A cytotoxic and anti-inflammatory campesterol derivative from genetically transformed hairy roots of Lopezia racemosa Cav. (Onagraceae). Molecules. 22 (1), Basel, Switzerland. 118 (2017).
- Numao, N., et al. Tryptanthrin attenuates TLR3-mediated STAT1 activation in THP-1 cells. Immunologic Research. 70 (5), 688-697 (2022).
- Veni, A., Lokeswari, T. S., Pavithra, D., Sugapriya, T. Melianone inhibits secreted aspartic proteases (SAP), a virulence factor during hyphal formation in Candida albicans. Current Computer-Aided Drug Design. 18 (5), 327-336 (2022).
- Veni, A., Lokeswari, T. S., Krishna Kumari, G. N., Gayathri, D., Sudandiradoss, C. Bioactivity of melianone against Salmonella and in silico prediction of a membrane protein target. 3 Biotech. 10 (10), 460 (2020).
- Ma, M., Lu, H., Yang, Z., Chen, L., Li, Y., Zhang, X. Differences in microbiota between acute and chronic perianal eczema. Medicine. 100 (16), e25623 (2021).
- Williams, H. C., Chalmers, J.
- Nogales, C., Mamdouh, Z. M., List, M., Kiel, C., Casas, A. I., Schmidt, H. H. H. W. Network pharmacology: curing causal mechanisms instead of treating symptoms. Trends in Pharmacological Sciences. 43 (2), 136-150 (2022).
- Wang, T., Zhou, Y., Wang, K., Jiang, X., Wang, J., Chen, J. Prediction and validation of potential molecular targets for the combination of Astragalus membranaceus and Angelica sinensis in the treatment of atherosclerosis based on network pharmacology. Medicine (Baltimore). 101 (26), e29762 (2022).
- Jiang, X., et al. Exploration of Fuzheng Yugan mixture on COVID-19 based on network pharmacology and molecular docking. Medicine (Baltimore). 102 (3), e32693 (2023).
- Dong, Y., Zhao, Q., Wang, Y. Network pharmacology-based investigation of potential targets of astragalus membranaceous-angelica sinensis compound acting on diabetic nephropathy. Scientific Reports. 11 (1), 19496 (2021).
- Wang, T., Jiang, X., Lu, Y., Ruan, Y., Wang, J. Identification and integration analysis of a novel prognostic signature associated with cuproptosis-related ferroptosis genes and relevant lncRNA regulatory axis in lung adenocarcinoma. Aging (Albany NY). 15 (5), 1543-1563 (2023).
- Wang, T., Jiang, X., Ruan, Y., Zhuang, J., Yin, Y. Based on network pharmacology and in vitro experiments to prove the effective inhibition of myocardial fibrosis by Buyang Huanwu decoction). Bioengineered. 13 (5), 13767-13783 (2022).
