桂厚山,叶路芬,陈昕,马浩
糖尿病肾病(Diabetic Nephropathy,DN)是糖尿病长期微血管病变常见的合并症之一,是由糖尿病导致的慢性肾脏病,DN已经成为很多国家终末期肾脏病的首要病因[1].由于我国人口老龄化严重,糖尿病发病率居高不下,DN患者数量呈上升趋势[2].现代研究发现,DN的发生机制与炎症反应、Toll样受体等有关,受TGF-beta、Wnt、PI3K/Akt等多种信号通路的调控[3-4].
目前,临床上对于DN患者使用中医治疗能达到显著的治疗效果.“消渴”“肾消”“尿浊”等中医学描述与DN患者的临床表现极为相似.水陆二仙丹(SLEP)出自《洪氏集验方》,由芡实末(Euryale ferox Salisb.ex Konig et Sims)、金樱子(Rosa Laevigata Michx)制为小丸,并用盐汤送服,有益肾滋阴、收敛固摄之功.有研究发现,对163例DN早期患者使用SLEP治疗4周后患者的临床症状和尿白蛋白、肾功能等指标均有改善[5].本研究通过系统网络药理学方法探究SLEP治疗DN的有效成分、关键靶点、信号通路以及分子对接验证,以期为SLEP治疗DN具体分子机制探究,以及临床合理用药提供理论依据.
本研究的具体操作流程如图1所示.
图1 流程图
根据2020版《中国药典》的药物规范名称,当SLEP由金樱子、芡实两味中药组成,通过TCMSP数据库检索金樱子和芡实,设置“OB≥30%,DL≥0.18”,获取并整理活性成分及靶点.结合PubMed文献数据库查询相关文献,最终得到SLEP有效成分数据.将上述靶点利用Uniprot数据库进行标准化处理.文章使用数据库如表1所示.
表1 本研究使用的数据库及分析平台
以“diabetic kidney disease”“diabetic nephropathy”为检索词,筛选GeneCards数据库、CTD数据库、DisGeNET数据库得到DN疾病靶点.利用微生信云平台绘制SLEP靶点与DN基因靶点之间的Venn图,得到交集靶点.
在获得SLEP的有效成分靶点与DN疾病靶点的交集靶点的基础上,利用Cytoscape 3.7.1构建SLEP的网络模型,在String数据库中将交集靶点带入,构建“SLEP-DN”治疗靶点相互作用(PPI)网络,以“种属人、互作分数值为0.4”为筛选标准.计算各靶点间Degree值,Betweenness centrality值、Closeness centrality值,取三者平均值之上的靶点作为核心治疗靶点.
将核心靶点导入DAVID数据库,选择物种为“Homo sapiens”,进行GO富集分析和KEGG信号通路分析.本研究中GO富集分析以“FDR<0.01”为筛选条件,使用python的seaborn包进行绘制并以气泡图形式输出.KEGG信号通路分析的结果将在微生信在线作图软件中以气泡图形式输出.
将得到的关键化合物与关键靶点进行分子对接验证,从PDB数据库下载关键靶点的结构,在PyMOL软件中去除靶蛋白中的配体和非蛋白分子.从PubChem数据库中下载筛选出的关键成分3D结构,利用PyMOL软件对其进行处理,最后运用AutoDock vina软件进行分子对接,使用PyMOL软件对结果进行可视化,将对接良好的分子带入ProteinsPlus平台导出2D结构图.
通过TCMSP数据库的筛选得到SLEP两味药物有槲皮素、山奈酚、β-谷甾醇等9种活性化合物成分(表2),其主要对应靶点193个.通过检索GeneCards数据库、DisGeNET数据库、CTD数据库,检出与DN相关的靶点分别为3 379个、1 189个、19 264个,通过Venn图获得SLEP与DN疾病共有85个交集靶点(图2),由此可筛选得到SLEP治疗DN的交集靶点85个,随后通过Cytoscape 3.7.1软件绘制“化合物-靶点-疾病”中药网络调控图,详见图3.
表2 SLEP有效成分
图2 药物与疾病的Venn图
图3 化合物-靶点-疾病调控网络图
在String数据库中得到的85个交集靶点,限定参数(BC≥0.007 367,CC≥0.635,Degree≥34)拓扑筛选后获得27个核心靶点,使用Cytoscape 3.7.1软件绘制PPI网络图,见图4.最终筛选得到SLEP治疗DN的核心靶点27个,分别为
图4 SLEP治疗DN的核心靶点PPI网络图
AKT1、IL-6、TNF、VEGFA、ALB、TP53、MAPK1、CASP3、MAPK8、PTGS2、MMP9、JUN、CXCL8、EGFR、CCL2、EGF、IL1B、MMP2、NOS3、PPARG、SERPINE1、HMOX1、RELA、MPO、PTEN、STAT1、CAV1.
结果显示,共有GO条目251个,其中生物过程(BP)条目134个、分子功能(MF)条目84个、细胞组成(CC)条目43个(图5).BP主要涉及细胞对脂多糖的反应、细胞对缺氧的反应、血管形成、血管收缩的正向调节等过程;MF主要涉及相同蛋白质结合、酶结合等方面;CC主要涉及细胞外间隙、胞外区等方面.
图5 GO功能富集分析气泡图
SLEP对治疗DN共涉及92条通路KEGG通路富集结果(图6和图7).结果显示,SLEP治疗DN的通路主要涉及TNF、FoXO、MAPK、PI3K/Akt、NOD样受体等信号通路.
图6 KEGG通路富集分析气泡图
图7 靶点-KEGG通路-疾病图
本研究选取交集靶点PPI网络中度值排名前五的蛋白(AKT1、ALB、IL-6、TNF、VEGFA)、排名前三的活性化合物(山奈酚、槲皮素、β-谷甾醇)与上述关键靶点进行分子对接验证.核心靶点蛋白基本信息(表3),核心化合物和核心靶点对接得分热图(图8),具有良好的结合活性(图9).结果表明,通过筛选得到的核心化合物和关键靶点具有较好的结合活性.
表3 核心靶点蛋白基本信息
图8 SLEP核心化合物和核心靶点对接得分热图
图9 核心活性成分与核心靶点的分子对接图
本次研究主要涉及3个核心成分(山奈酚、槲皮素和β-谷甾醇).槲皮素是黄酮类化合物之一,对肿瘤、病毒的增殖有一定的抑制作用,并且对心血管疾病和肾脏疾病等也有一定的治疗作用.LEI等[17]研究发现,槲皮素治疗8周可延缓小鼠肾小球系膜细胞增殖,减轻肾功能损伤,并在16周时激活db/db小鼠肾皮质Hippo通路,槲皮素能有效抑制高糖诱导的肾小球系膜细胞增殖.JIANG等[18]研究表明,槲皮素可以降低糖尿病小鼠的血尿素氮、血糖、甘油三酯等生物指标,还可以改善小鼠的蛋白尿,但是对小鼠的高密度脂蛋白胆固醇无明显影响.此外,LDLR、HMGCR、SREBP-2和SCAP的表达明显下调,可减轻db/db小鼠肾脏脂质谱的改变和脂滴的积累,从而减轻db/db小鼠的肾脏损伤.山奈酚是一种天然的多黄酮醇,作为抗糖尿病药物受到广泛关注.有研究发现[19],山奈酚通过促进GLP-1、胰岛素的释放和抑制RhoA/Rho激酶改善肾损伤和纤维化.β-谷甾醇可以降低胆固醇和防治心脑血管疾病.BABU等[20]实验发现β-谷甾醇与受体后胰岛素信号分子β-arrestin-2、c-Src和IRS-1以及Akt蛋白具有高亲和力,能够减弱胰岛素抵抗,减轻高脂饮食诱发脂肪组织损伤.
通过对27个预测治疗靶点构建PPI网络,通过计算其拓扑学参数,获得4个关键基因,别是AKT1、IL-6、TNF、VEGFA.AKT1是一种丝氨酸/苏氨酸激酶,能够调节胰岛素代谢.研究表明[21-22],AKT1是PI3K/Akt通路的重要因子,PI3K/Akt细胞信号通路在调节葡萄糖稳态、脂质代谢、蛋白质合成以及细胞存活等方面起到了重要作用,且胰岛素能够通过PI3K/Akt信号通路调节胰岛B细胞功能.TNF-α、IL-6是脂肪细胞分泌的炎性细胞因子,能够参与能量代谢、脂质代谢等,在生殖系统和心血管等方面起到重要作用[23].高血糖可以通过诱导氧化应激反应来促进内皮细胞的损伤,从而改善微血管的通透性,通过促进TNF-α、IL-6等的分泌来加剧炎症反应[24].有实验证明,VEGFA可以增加内皮细胞的增殖和分化,诱导血管扩张、改善血管的通透性,在肾脏发育中起着重要作用,与糖尿病肾病密切相关[25].
信号通路富集分析结果显示:SLEP治疗DN的通路有TNF、FoxO、MAPK、PI3K/Akt、NOD样受体等信号通路.TNF信号通路中的TNF-α能诱导炎症的发生,且含量与DN的损伤程度呈正相关,在早期高血糖、脂代谢紊乱及胰岛素抵抗均发生微炎症的产生[26].FoxO主要通过生长因子信号等来调控细胞的凋亡、增殖和氧化应激等,FoxO信号通路为研究DN机制提供科学依据[27].MAPK信号通路由细胞外信号相关激酶如ERK、JUN等调控MAPK,涉及多种细胞功能,包括细胞增殖、分化和迁移[28].PI3K/Akt信号通路参与细胞生长、凋亡等过程,是胰岛素的主要下游分子通路,胰岛素抵抗2型糖尿病发生的基本机制都与该通路异常有关[29-30],糖尿病状态下会使PI3K/Akt通路受到抑制,功能下调导致糖尿病大鼠肾小管凋亡[31],PI3K/Akt信号通路能通过调控肾 组 织 中AQP-1的 表 达 能 改 善DN症 状[32].NOD样受体通路是重要的信号通路之一,具有激活免疫的作用[33],在接收到刺激后会通过信号传递的方式引发机体的炎性反应,增加炎性细胞的浸润和炎症因子的表达,从而使得该通路对启动和调节免疫系统有着重要的作用[34].
运用网络药理学以及分子对接技术阐述SLEP治疗DN的潜在作用机制,其中槲皮素、山奈酚、β-谷甾醇等化合物可能通过IL-6、TNF、VEGFA等靶点及TNF、FoxO、PI3K/Akt等信号通路发挥抗炎、免疫调节等多种功效,用以改善糖尿病肾病.由于生物信息数据库依旧有待完善,通过网络药理学分析结果可能存在部分偏倚,仍需后续进行基础研究用以佐证.