|
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。 |
|
|
