A Cisztanche-alapú hipoglikémiás-lipid-szabályozó formula kulcsfontosságú célpontjainak és mechanizmusainak azonosítása a glükolipid anyagcserezavarok javításában hálózati farmakológia és kísérleti validáció segítségével
Oct 30, 2025
Absztrakt
Célkitűzés:A Cistanche-alapú hipoglikémiás-lipid-szabályozó formula (HLF) jelentős hatékonyságot mutatott a glükóz- és lipidanyagcsere-zavarok javításában. Konkrét hatásmechanizmusai azonban továbbra is tisztázatlanok. Ennek a tanulmánynak az volt a célja, hogy feltárja a HLF lehetséges célpontjait és mechanizmusait a glükolipid metabolikus rendellenességek javításában hálózati farmakológia, molekuláris dokkolás, molekuláris dinamika (MD) szimulációk és kísérleti validáció révén.
Mód:
A glükolipid metabolikus rendellenességekkel kapcsolatos célpontokat a GeneCards adatbázisból kerestük ki. A HLF fő aktív komponenseinek akciócéljait a CTD és a SwissTargetPrediction adatbázisokból szereztük be. A STRING adatbázist és a Cytoscape szoftvert a protein-protein interakciós (PPI) hálózatok felépítésére használták. A lehetséges kulcsfontosságú célpontok azonosítása után a Gene Ontology (GO) és a Kyoto Encyclopedia of Genes and Genomes (KEGG) dúsítási elemzéseket végeztek a Metascape adatbázison keresztül, és létrehoztak egy "összetett-célút-útvonal" hálózatot. A molekuláris dokkolást az AutoDock és a PyMOL segítségével végezték, hogy ellenőrizzék a fő összetevők és a fő célpontok közötti kölcsönhatásokat. Ezután MD-szimulációkat végeztek a dokkolás során azonosított legjobb fehérje-ligandum komplexeken. A glükolipid metabolikus rendellenesség egérmodelljét hozták létrein vivoa hálózat farmakológiai eredményeinek validálása.
Eredmények:
A PPI hálózat topológiai elemzése 10 fő célpontot azonosított: TNF, CTNNB1, AKT1, NF-κB1, ESR1, FN1, TP53, IL-1, IL-6 és EGFR. A GO dúsítás azt mutatta, hogy ezek a célpontok főként a jelátvitelben és a transzkripció szabályozásában vesznek részt. A KEGG útvonal elemzése szignifikáns összefüggést mutatott ki a lipid- és érelmeszesedési útvonalakkal. A molekuláris dokkolás kedvező kötődési affinitást igazolt a HLF alapvető komponensei (pl. lovasztatin, koptizin, szalvianolsav B) és az olyan célpontok között, mint az AKT1, FN1 és IL-6. Az MD szimulációk további stabil kölcsönhatásokat mutattak ki, különösen az AKT1 és az olyan vegyületek között, mint a lovasztatin, koptizin és szalvianolsav B. Állatkísérletek azt mutatták, hogy a HLF terápiás hatást fejthet ki az AKT1, TP53, FN1 és EGFR expressziójának csökkentése révén, elnyomva a gyulladásos faktorokat, mint például az IL-1, NN1 és az {{4R1R1 és az {{4. Ezek a változások a vércukor- és lipidszintek javulásához vezettek a modell egerekben.
Következtetés:
A HLF szabályozhatja a glükóz- és lipidanyagcserét, és javíthatja az atheroscleroticus elváltozásokat azáltal, hogy megcélozza a lipidekkel és az ateroszklerózissal kapcsolatos útvonalakat. Átfogó terápiás stratégiát kínál az anyagcserezavarok és a kapcsolódó szövődmények megelőzésére és kezelésére.
Kulcsszavak:
Cisztanche alapú formula; Glükolipid anyagcserezavar; Hálózati farmakológia; Molekuláris dokkolás; Molekuláris dinamikai szimuláció;Lipid és érelmeszesedés út
Cisztanche kivonat akteozid összetevő a glükolipid anyagcserezavarok kezelésére
Ha többet szeretne megtudni a cistanche előnyeiről, lépjen kapcsolatba velünk
1. Bevezetés
A glükolipid anyagcserezavarok világszerte kiemelt közegészségügyi problémává váltak. 2021-ben a cukorbetegség globális prevalenciája elérte az 529 milliót, az előrejelzések szerint 2050-re több mint 1,31 milliárd eset. Kínában a legújabb tanulmányok szerint a cukorbetegség előfordulása 2018-ban 12,4%, szemben a 2013-as 10,9%-kal. A diszlipidémia a cukorbetegséggel, valamint a cerebrovascularis eseményekkel gyakran együtt jár. halandóság és rokkantság.
20 kínai felsőfokú kórház epidemiológiai felmérései azt mutatják, hogy a 2-es típusú cukorbetegségben (T2DM) szenvedő betegek 67,1%-a diszlipidémiában szenved. A CCMR-3B tanulmány arról számolt be, hogy a T2DM-betegek 72%-ának dyslipidaemiája és/vagy magas vérnyomása is volt, ami megkétszerezi a makro- és mikrovaszkuláris szövődmények kockázatát, összehasonlítva a csak cukorbetegekkel.
A glükolipid anyagcserezavarok összetett patogenezise és az átfogó anyagcsere-szabályozás alacsony aránya miatt a hatékony kezelések korlátozottak. A Cistanche-alapú hipoglikémiás-lipid-szabályozó formula (HLF), amelyet a „váladék zavarosság” elmélete alapján fejlesztettek ki, célja a hő eltávolítása, a zavarosság eltávolítása és az egyensúly helyreállítása. Nyolc gyógynövényből áll, köztükCistanche, Momordica charantia, Aloe vera, Scutellaria baicalensis, Schisandra chinensis, Zingiber officinale, Salvia miltiorrhiza, ésAtractylodes macrocephala, a HLF az anyagcserezavarok alapvető mechanizmusait célozza meg.
A HPLC-vel végzett ujjlenyomat-analízis kulcsfontosságú vegyületeket azonosított:mangiferin, koptizin, jatrorrhizin, szalvianolsav B, aloin, berberin, palmatin,éslovasztatin. Korábbi vizsgálatok megerősítették a HLF hatékonyságát a glükóz- és lipidszint csökkentésében, a szív- és érrendszeri kockázat csökkentésében és az inzulinrezisztencia javításában. Egy multicentrikus, randomizált, nyílt klinikai vizsgálatban 450, elhízással összefüggő T2DM-ben és diszlipidémiában szenvedő beteg vett részt, és megállapították, hogy a HLF hatékonyan csökkentette a vércukorszintet, szabályozta a lipidszintet, csökkentette a testsúlyt és javította az inzulinérzékenységet.
További kutatások arra utaltak, hogy a HLF módosíthatja a bél mikrobiotáját (pl.Faecalibacterium, Blautia), és befolyásolják az anyagcsere-utakat, például a zsírsav-lebontást és a glikolízist/glukoneogenezist. Bizonyított klinikai hatékonysága ellenére a pontos mechanizmusok továbbra is tisztázatlanok, ami korlátozza a szélesebb körű alkalmazást.
A hálózati farmakológia rendszerszintű megközelítést kínál a betegségmechanizmusok és a gyógyszerhatások tisztázására a bioinformatika és a nagy áteresztőképességű szűrés integrálásával. Ez a tanulmány hálózati farmakológiát, molekuláris dokkolást, molekuláris dinamikát és állatkísérleteket alkalmaz a HLF többcélú mechanizmusának feltárására a glükolipid metabolikus rendellenességek kezelésében.

2. Anyagok és módszerek
2.1 Műszerek
D3024R nagy sebességű hűtött centrifuga (SCILOGEX)
Y300C elektroforézis készülék és JY300C elektroforézis tartály (Junyi Oriental, Peking)
ChampGel 5000 képalkotó rendszer (Saizhi Innovation, Peking)
SMA-1000 spektrofotométer (Meilin Hengtong, Peking)
StepOne Plus qRT-PCR rendszer (ABI)
PowerPac univerzális elektroforézis egység (Bio-Rad)
PB-10 pH-mérő (Sartorius)
Tanon 5200 kemilumineszcens analizátor (Tanon, Shanghai)
2.2 Növényi gyógyszerek
A HLF formulát tartalmazza:
Cistanche (Cistanches Herba)
Momordica charantia
Scutellaria baicalensis
Aloe vera
Schisandra chinensis
Zingiber officinale
Salvia miltiorrhiza
Atractylodes macrocephala
Minden gyógynövény granulált formula kivonat volt (Tianjiang Pharmaceutical, Jiangyin).
Kontroll gyógyszer:Metformin-hidrokloridtabletták (0,5 g tablettánként, Bristol-Myers Squibb, Shanghai).
2.3 Reagensek és antitestek
TRIzol reagens (Invitrogen)
HiFiScript cDNS szintézis készlet (CW2569)
UltraSYBR keverék (High ROX, CW2602)
BCA Protein Assay Kit
A p-AKT, p-NF-κB p65, AKT, NF-κB p65, FN1, p53, IL-1, IL-6, EGFR, TNF-, -katenin, ESR1, -aktin ellen irányuló elsődleges antitestek
Másodlagos antitestek (HRP-konjugált kecske anti-nyúl/egér IgG)
2.4 Állatmodellek
Hím C57BL/6J egereket (7 hetes) vásároltunk és standard SPF-körülmények között tartottunk. Minden állatkísérletet jóváhagyott a Guang'anmen Kórház Etikai Bizottsága (jóváhagyási szám: IACUC-GAMH-2019-002).

2.5 Cél előrejelzése
A HLF-től származó aktív vegyületeket lekérdeztükCTDésSwissTargetPrediction(valószínűség > 0,1). A T2DM és a dyslipidaemia betegséggel kapcsolatos célpontjait innen kértük leGeneCards(relevancia pontszám > 1). A Venn-diagramok átfedő célpontokat azonosítottak a további PPI-analízishez.
2.6 PPI hálózatépítés
Átfedő célpontok kerültek beadásraHÚR(https://www.string-db.org), közepes megbízhatósággal (pontszám: 0,4 vagy nagyobb). A hálózatot vizualizálták és elemeztékCytoscapeés a fokközpontúság által azonosított alapvető célok.
2.7 GO és KEGG dúsítás
A kulcsfontosságú célokat benyújtottákMetascapea GO (BP, MF, CC) és a KEGG útvonal elemzéséhez (P < 0,01). A vizualizációt buborékábrák segítségével végeztük.
2.8 Összetett-cél-útvonal hálózat
A Cytoscape segítségével gyógynövényeket, vegyületeket, célpontokat és útvonalakat összekötő hálózatot építettek fel, illusztrálva a több célpont, több útvonal közötti kölcsönhatásokat.
2.9 Molekuláris dokkolás
A vegyületek 2D-s szerkezeteit aPubChemsegítségével PDB-vé konvertálvaNyissa meg a Babelt. A fehérjeszerkezeteket innen töltöttük leRCSB EKTben készültAutoDockTools, és segítségével dokkoltSailVina. Kötési affinitás A -4,25 kcal/mol vagy annál kisebb érték szignifikánsnak számított. A dokkolási eredményeket a következővel vizualizáltukPyMOL.
2.10 Molekuláris dinamikai szimuláció
Az MD szimulációkat aAmber18kiválasztott csúcskomplexumokhoz. Fehérje: borostyán14SB; ligandum: gaff; víz: OPC modell. Az RMSD-t és az RMSF-et 20 ns-os NPT szimulációkból számítottuk ki.
2.11 Az állatok csoportosítása és beavatkozása
Az egereket véletlenszerűen négy csoportba osztották: normál (N), modell (M), metformin (MET) és HLF. Az N csoport kivételével minden egeret magas zsírtartalmú étrenddel (HFD) etettek 6 hétig. A HLF-et 14 g/kg-ban (nyers gyógynövény-ekvivalens), a MET-et 250 mg/kg-ban adtuk be. 8 hét beavatkozás után vért és májszövetet vettünk elemzés céljából.

2,12 qRT-PCR
A teljes RNS-t TRIzol segítségével extraháltuk. A cDNS-t HiFiScript segítségével szintetizálták. A qPCR-t UltraSYBR és StepOne Plus segítségével végeztük. A relatív expressziót a 2^−ΔΔCt segítségével számítottuk ki.
2.13 Western Blot
A fehérjéket a májszövetből extraháltuk, mennyiségileg meghatároztuk, SDS-PAGE-val elválasztottuk, és PVDF membránokra vittük át. A blokkolást és az elsődleges és másodlagos antitestekkel való inkubálást követően a jeleket ECL-el tettük láthatóvá, és mennyiségileg meghatároztuk az ImageJ. -aktint használva a normalizáláshoz.
2.14 Statisztikai elemzés
Az adatokat a segítségével elemeztükSPSS 23.0ésGraphPad Prism 10.1.2. Egyutas ANOVA-t és t-tesztet alkalmaztunk, ahol a P < 0,05 statisztikailag szignifikánsnak tekinthető.







