3+ 单药的网络药理分析

背景：糖尿病肾病（DN）是一种严重的并发症，在糖尿病患者中很常见。丹参（SM）通常用于微血管相关疾病，如糖尿病神经病变和糖尿病视网膜病变。

方法：

1、利用TCMSP数据库筛选SM的活性成分；

2、利用TCMSP和SwissTargetPrediction数据库获取SM活性成分的靶点，并构建活性成分-靶点网络；

3、利用GeneCards和DisGeNET获取DN相关疾病靶点；

4、活性成分靶点和DN靶点取交集，得到药物-疾病靶点；

5、使用STRING数据库对交集靶点构建PPI网络；

6、交集靶点的GO和KEGG富集分析；

7、关键靶点与其活性成分进行分子对接。

筛选SM的活性成分

从TCMSP数据库中获得SM的202种成分，筛选得到65种活性成分。此外，还纳入了已知的活性化合物salvianolic acid B。共选择66种活性成分进行进一步分析。

SM靶点的鉴定

从TCMSP和SwissTargetPrediction数据库搜索SM活性成分的靶点，删除重复数据后，确定了189个靶点，并构建了“活性成分-靶点”网络（图2）。

图2

DN相关靶点的确定

分别从GeneCards和DisGeNET数据库中检索到1189个和3084个DN相关疾病靶点。

药物-疾病交集靶点

SM活性成分的189个靶点以及1189、3084 个DN相关靶点取交集，得到64个药物-疾病靶点（图3） 。

图3

PPI网络分析

使用STRING数据库构建PPI网络（图4A），网络包括64个节点和704个边。使用Cytoscape软件统计网络图中的节点的degree（图4B），排名前10的是AKT1、VEGFA、IL6、TNF、MAPK1、TP53、EGFR、STAT3、MAPK14和JUN。

图4

GO富集分析

利用Metascape数据平台对64个靶点进行富集分析。结果表明，BP主要包括细胞因子介导的信号通路、凋亡信号通路、细胞迁移的正向调节、活性氧代谢过程、炎症反应的调节、细胞-细胞粘附的调节、对氧水平、细胞对生长因子刺激的反应以及蛋白质丝氨酸/苏氨酸激酶活性的调节（图 5A）。

MF主要包括蛋白激酶结合、转录因子结合、细胞因子受体结合、整合素结合、参与凋亡过程的半胱氨酸型内肽酶活性、激酶调节剂活性、血红素结合、蛋白结构域特异性结合、内肽酶。活性、一氧化氮合酶调节剂活性（图 5B）。

MF主要包括膜筏、RNA聚合酶II转录因子复合物、质膜外侧、细胞外基质、粘附连接和谷氨酸能突触（图5C）。 

图5

KEGG通路富集分析

使用Cytoscape插件ClueGO对64个靶点进行了KEGG通路富集分析（图6）。结果显示，富集到的KEGG通路主要包括糖尿病并发症中的AGE-RAGE信号通路、TNF信号通路、JAK-STAT信号通路、FoxO信号通路和HIF-1信号通路。此外，还发现了一些其他途径，包括流体剪切应力和动脉粥样硬化、血小板活化和松弛素信号通路。这些结果表明，SM通过提高人体免疫力、抗炎作用、降低晚期糖基化终产物水平、抗氧化应激反应以及调节其他途径来缓解DN。

图6

分子对接

根据KEGG通路富集分析结果，选择参与基因比例最大的糖尿病并发症中AGE-RAGE信号通路进行进一步分析。改信号通路富集的16种靶蛋白分别为AKT1、BCL2、CASP3、EDN1、ICAM1、IL6、JUN、MAPK1、MAPK14、MMP2、NOS3、NOS2、RELA、STAT3、TNF和VEGFA。 基于药物-靶标网络，选择了经过实验验证的活性分子tanshinone IIA和salvianolic acid B进行分子对接。16个靶标与salvianolic acid B的结合更稳定。

挑选salvianolic acid B分子对接中能量值最低的几种靶蛋白，包括TNF、NOS2和AKT1，结合能分别为–9.3、–6.6和–6.4 kcal/mol（图7）。这表明丹salvianolic acid B对这些靶点具有良好的结合能力。

图7

今天的分享就到这里啦，对上述分析方法感兴趣或者没有研究思路的小伙伴，欢迎扫下方二维码前来咨询哦！先到先得，欲购从速！