使用生物信息学和老鼠抑郁模型识别和验证抗抑郁剂小分子

科学领域:

• 计算生物学和药理学
• 神经科学和精神药物发现

背景情况:

• 抑郁症是一种普遍的精神疾病,
• 使用生物信息学重新利用现有的小分子是开发新型抗抑郁药物治疗的有希望的策略.
• 之前的in silico研究已经确定了潜在的神经精神药物,但很少有人将计算预测与体内抑郁症验证相结合.

研究的目的:

• 通过生物信息学分析和体内实验验证识别潜在的抗抑郁药物小分子化合物.
• 探索药物再利用作为一种有效的方法来发现新的抑郁症治疗方法.

主要方法:

• 使用基因表达总量 (GEO) 数据库进行生物信息分析.
• 使用连接地图 (CMAP) 平台选潜在的抗抑郁药物小分子化合物.
• 在慢性克制压力 (CRS) 鼠标模型中验证了候选化合物的抗抑郁作用.

主要成果:

• 确定了与PI3K-Akt,MAPK和神经营养因子信号通路相关的311个差异表达基因 (DEG).
• 使用CMAP选了五种候选化合物; 甲胺,pifithrin-mu和mibefradil在CRS小鼠中显示出显著的抗抑郁作用.
• 这些化合物通过调节PI3K-Akt和神经营养因子通路中的关键蛋白质表达来改善抑郁行为,这在行为测试中可以通过增加运动和减少不运动来证明.

结论:

• 通过调节PI3K-Akt和神经营养因子信号传递,甲胺,pifithrin-mu和mibefradil具有缓解抑郁的潜力.
• 与新药开发相比,生物信息驱动的药物重新定位是一种更有效的抗抑郁药物发现方法.
• 这项研究为结合in silico预测和in vivo验证以确定新型抗抑郁药物候选药物的有效性提供了探索性证明.