注:为了方便大家,文末汇总了最近课程链接,大家记得看一看哟! 今天我们来看一篇2021年5月份发表在Frontiers in pharmacology期刊上题为“Identification of Tumor Necrosis Factor-Alpha (TNF-α) Inhibitor in Rheumatoid Arthritis Using Network Pharmacology and Molecular Docking”高分网络药理学文章。 这篇白芍治疗类风湿性关节炎(RA)也是采用了经典网络药理学文章套路。其基本套路如下: 1. 中药化学成分收集,并筛选出活性化合物 2. 活性化合物靶点预测 3. 疾病相关数据收集 4. 交集靶点 5. 蛋白互作分析 6. “化合物-靶点-疾病”网络构建 7. 生物学分析 8. 分子对接验证 (图片1,来源于frontiers in pharmacology) 所以从上面的步骤中,我们看出整篇论文不涉及实验过程,纯数据挖掘。接下来我们来看一下具体的内容: 一、化合物收集和活性成分筛选 首先在TCMSP搜索白芍,并收集相关化学成分。接着利用OB和DL值筛选出有效化学成分。一共收集到活性成分13个(如表1)。 (表1,来源于frontiers in pharmacology) 二、靶点预测 利用收集到的活性成分在TCMSP系统查找相应的靶点,共79个。所得靶点在Uniprot数据库中转换为相应的基因型。 三、RA相关基因收集 在Genecards和OMIM数据库中查找RA基因,删除重复基因后,得总基因。 四、交集靶点 利用Veeny 2.1网站画出韦恩图,并得到交集靶点49个(图2A和表2)。 (表2,来源于frontiers in pharmacology) 五、蛋白互作分析(PPI) 将上述得到的交集靶点带入STRING数据库中,进行PPI分析(图2B) (图片2,来源于frontiers in pharmacology) 六、“化合物-靶点-疾病”网络构建 利用Cytoscape软件构建“化合物-靶点-疾病”的网络,并利用拓扑网络筛选出核心化合物和重要靶点(图3和表3) (图片3,来源于frontiers in pharmacology) (表3,来源于frontiers in pharmacology) 七、生物学分析 生物学分析主要是GO分析和KEGG分析。本研究中利用R软件“clusterprofile”等语言包对交集靶点进行生物性分析,得到79个生物学功能(图4, 18个最显著生物功能)和50个信号通路(图5, 20个最显著信号通路) (图片5,来源于frontiers in pharmacology) 八、分子对接 TNF-α与丁子香萜, DPHCD, (+)-儿茶素,β-谷甾醇,芍药苷,谷甾醇和山奈酚等活性化合物进行分子对接,计算化合物与TNF-α结合能大小(表4),以其大小作为两者之间结合的强弱。图片7显示的是各化合物与TNF-α结合的空间构想。 (表4,来源于frontiers in pharmacology) (图片6,来源于frontiers in pharmacology) 从上面这篇高分SCI论文过程,我们不难看出,只要我们学习了网络药理学和分子对接技术相关实操,要实现这样一篇实验数据是非常容易的。 |
|