用生物信息学,网络药理学和分子建模方法对毒症中的基因表达和生物标志物的全面分析
Zhengyun Tian1, Weiwei Wang2, Hao Hao1
1Emergency Intensive Care Medicine Center, Shandong University of Traditional Chinese Medicine Affiliated Hospital, Jinan, China.
Biotechnology and applied biochemistry
|September 10, 2025
概括
传统中医药化合物显示出毒症关键基因向的潜力. 这项生物信息学研究通过分析基因表达和分子相互作用来确定败血症和COVID-19的新药候选者.
科学领域:
- 生物信息学是一种生物信息学.
- 计算生物学 计算生物学
- 药理学 药理学是指药理学的学科.
背景情况:
- 差异表达基因 (DEGs) 对于理解疾病机制和确定治疗点至关重要.
- 传统中医 (TCM) 提供了丰富的生物活性化合物的来源,具有调节疾病相关点的潜力.
- 败血症和COVID-19共享复杂的病理,涉及显著的基因表达改变.
研究的目的:
- 通过基因表达分析来调查败血症和COVID-19的生物标志物.
- 通过分子建模验证TCM衍生化合物作为关键DEGs与败血症相关的潜在调节剂.
- 通过整合生物信息学和TCM衍生化合物来确定新的治疗策略.
主要方法:
- 使用R Studio (limma包) 来识别DEGs的基因表达数据分析.
- 通过基因本体学 (GO) 和KEGG通路丰富的功能注释.
- 蛋白与蛋白相互作用 (PPI) 网络构建 (STRING,Cytoscape) 来识别枢纽蛋白.
- 分子对接和100ns分子动力学 (MD) 模拟以评估TCM化合物的结合亲和力和稳定性与标蛋白.
主要成果:
- 识别了432个关键的DEG,这些DEG富含了与疾病相关的途径.
- 确定了RRM2,AURKB和CDK1作为具有治疗潜力的关键枢纽蛋白.
- 萨尔维阿诺酸C,hesperidin和gallocatechin gallate表现出强大的结合亲和力,以准蛋白质.
- MD模拟证实了精选的蛋白质-连接体复合物的稳定性.
结论:
- TCM化合物可以有效地准血症病理学中关键的DEGs.
- 综合生物信息学方法可以识别出新的败血症候选药物.
- 对于已识别的TCM衍生药物候选药物,需要进一步的实验验证.
