中药复方肠复康抗结直肠癌血管生成作用靶基因网络药理学研究

目的运用网络药理学方法,研究中药复方肠复康(CFK)对结直肠癌(colorectal cancer,CRC)血管生成作用靶基因,为揭示其作用机制奠定理论基础。方法采用TTD、DrugBank数据库、OMIM数据库、GAD和PharmGKB等5个数据库分别检索CRC基因;采用TSMSP数据库及基于VBA工具的有效成分筛选方式检索CFK所含的5味中药,利用ADME参数进行有效成分筛选,通过TCMSP数据库检索各个有效成分的靶基因,利用cytoscape 3.2.1软件及其插件ClueGO、Bisogenet、CytoNCA对靶基因进行分析并构建CFK成分靶点网络图,并结合KEGG数据库进一步说明CFK与CRC血管生成靶基因的关系。结果 CRC靶基因339个,CFK靶基因182个;通过cytoscape构建并结合网络拓扑分析,ADRA1A、ADRA1B、ADRA1D、ADRB1、CHRM1、CHRM2、CHRM3、CHRM4、INSR、PIK3CG、RXRA、BAX、BCL2、CASP8、ICAM1、NFKBIA、CASP9、KDR、MAP2、PRKCA、PTGS2等靶点与血管生成相关;CFK治疗CRC过程中BRCA1、CDK2、CDKN1A、ITGA4、MDM2、YWHAG、CREBBP、CUL2、EP300、VHL、FLNA、SHC1、TRAF6、XPO1、EGFR、GRB2、IKBKG、NTRK1、TP53、 YWHAB、YWHAE与血管生成相关;主要通过调控PI3K-Akt、MAPK、HIF-1及VEGF信号通路抑制CRC患者新生血管生成。结论 CFK可能会通过VBRCA1、CDK2、CDKN1A、ITGA4、MDM2、YWHAG、CREBBP、CUL2、EP300、VHL、FLNA、SHC1、TRAF6、XPO1、EGFR、GRB2、IKBKG、NTRK1、TP53、 YWHAB、YWHAE等靶点调控PI3K-Akt、MAPK、HIF-1及VEGF等信号通路,进而发挥抑制CRC患者新生血管生成作用,具体机制有待进一步研究。     

基于网络药理学探讨祛湿通脉法在类风湿性关节炎中的作用

目的通过网络药理学探究全蝎、益母草、金钱草治疗类风湿性关节炎(rheumatoid arthritis,RA)的药理机制,为祛湿通脉法的临床运用提供理论依据。方法基于TCMSP、TCMID数据库搜集全蝎、益母草、金钱草成分及靶点,通过Cytoscape软件构建成分-靶点网络;通过TTD、DrugBank数据收集RA相关靶点,在STRING数据库构建靶点互作PPI网络。在Genomics数据库分析药物和疾病共有靶点,并利用Cytoscape软件中Cluego插件分析共同靶点的信号通路,最后构建成分-靶点-通路网络图并分析。结果益母草、金钱草、全蝎发挥治疗RA的成分可能是槲皮素、山柰酚等;发挥治疗作用的靶点可能包括IL-6、TNF、JUN、PTGS1、PTGS2、PIK3CG等;其关键作用通路包括L-17信号通路、肿瘤坏死因子信号通路、NF-κB信号通路等13条。结论益母草、金钱草、全蝎治疗RA作用的药理学机制可能是通过多组分、多靶点、多通路实现,祛湿通脉法运用于RA治疗具有一定的价值。     

基于网络药理学和分子对接技术的抗病毒颗粒治疗新型冠状病毒肺炎（COVID-19）的潜在物质基础研究

目的通过网络药理学及分子对接技术探寻抗病毒颗粒治疗新型冠状病毒肺炎(COVID-19)的潜在物质基础。方法借助TCMSP检索抗病毒颗粒中板蓝根、连翘、石膏、知母、芦根、地黄、广藿香、石菖蒲、郁金的化学成分和作用靶点。通过Uni Prot数据库查询靶点对应的基因,进而运用Cytoscape3.6.1构建药材-化合物-靶点(基因)网络,通过DAVID进行基因本体(GO)功能富集分析和KEGG通路富集分析,预测其作用机制,将药材-化合物-靶点网络中排名前15的成分与新型冠状病毒(SARS-Co V-2)3CL水解酶进行分子对接,同时将比枯枯灵、木犀草素、槲皮素与血管紧张素转化酶Ⅱ(ACE2)进行分子对接。结果药材-化合物-靶点(基因)网络包含药材8个、化合物75个、靶点255个。GO功能富集分析得到GO条目161个(P0.05),其中生物过程(BP)条目65个,细胞组成(CC)条目36个,分子功能(MF)条目60个。KEGG通路富集筛选得到131条信号通路(P0.05)。分子对接结果显示抗病毒颗粒中比枯枯灵、木犀草素、槲皮素等核心活性化合物与SARS-Co V-23CL水解酶的亲和力与临床推荐化学药相似。结论抗病毒颗粒中的活性化合物比枯枯灵、木犀草素、槲皮素等能通过与ACE2结合作用于PTGS2、HSP90AB1、PTGS1等靶点调节多条信号通路,从而可能发挥对COVID-19的治疗作用。     

一种度量细胞网络结构的方法

文题释义： 复杂网络：是指具有自组织、自相似、小世界、无标度中部分或全部特征的网络。小世界效应和无标度特性是复杂网络最显著的特点。小世界是指网络具有大的簇系数和较小的平均路径长度，无标度是指网络节点的连接度分布服从幂律分布。 细胞网络：在多细胞生物体中，单个细胞除了完成自身功能外，各个细胞间的通讯联络是必不可少的，如维持生物体的生长发育、各种生理活动的协调等。如果将每个细胞抽象为一个节点，每两个细胞间的通讯抽象为一条边，那么众多细胞及其之间的通讯将抽象成为一个巨大的细胞网络。 背景：在多细胞组成的生物体社会中，细胞之间的通讯必不可少。众多细胞之间相互通讯、相互联系，形成了一个复杂的细胞网络结构。对细胞网络结构相关属性值进行度量和评价，显得极其重要。 目的：基于复杂网络，提出了一种细胞网络结构的度量方法。 方法：结合文献研究及实际应用，搭建细胞网络结构的度量框架，分别从细胞节点的度、细胞网络的度分布、细胞网络的平均路径长度、细胞网络的簇系数等方面对细胞网络结构进行度量。以某小型实验为例，进行了实例验证。 结果与结论：细胞网络的度分布中，绝大部分细胞节点的度值比较小，只有较少量细胞节点的度值较高。细胞网络中细胞节点的度分布P(k)的幂律分布特点越是明显，则此细胞网络结构越是合理，细胞网络越正常；同时，许多细胞网络结构具有较小的平均路径长度。细胞网络的簇系数越大，表明该细胞网络具有较高的聚集特性。一般情况下，细胞网络结构越“紧密”，细胞网络结构的“集团化”特性越明显，细胞网络越正常。 ORCID: 0000-0002-2483-032X(张雨) 中国组织工程研究杂志出版内容重点：干细胞；骨髓干细胞；造血干细胞；脂肪干细胞；肿瘤干细胞；胚胎干细胞；脐带脐血干细胞；干细胞诱导；干细胞分化；组织工程     

基于网络药理学和分子对接技术的款冬花在清肺排毒汤治疗新型冠状病毒肺炎（COVID-19）中的作用分析

目的采用网络药理学和分子对接法分析款冬花在清肺排毒汤治疗新型冠状病毒肺炎(COVID-19)中发挥的作用。方法基于课题组前期研究,确定款冬花中的主要成分。采用SwissTargetPrediction和BATMAN-TCM数据库对款冬花主要化学成分的潜在靶点进行整理;在GenCLiP 3和GeneCard数据库搜索COVID-19相关靶点,运用Cytoscape 3.7.1软件绘制款冬花成分-靶点-疾病网络图;使用String数据库构建靶点PPI网络;通过DAVID数据库进行GO富集分析和KEGG通路富集分析;将各成分与新型冠状病毒(SARS-CoV-2)3CL水解酶和血管紧张素转化酶II(ACE2)进行分子对接。结果款冬花治疗COVID-19的化合物-靶点-疾病网络包含化合物14个、靶点104个、疾病4个。GO功能富集分析得到GO条目444个(P0.05),其中包括生物过程(BP)条目325个、细胞组成(CC)条目44个、分子功能(MF)条目75个。KEGG通路富集筛选得到94条信号通路(P0.05)。分子对接结果显示异绿原酸B(3,4-dicaffeoylquinicacid)和异绿原酸C(4,5-dicaffeoylquinic acid)与蛋白的亲和力要优于瑞德西韦。结论款冬花中主要化合物能通过与SARS-Co V-2 3CL水解酶和ACE2结合,作用于多靶点调节多条信号通路,从而发挥对COVID-19的防治作用。     

华细辛和北细辛HPLC特征图谱识别与抗炎靶点及抗炎成分分析

建立华细辛和北细辛HPLC特征图谱并结合聚类分析研究2种来源细辛的识别方法;应用网络药理学方法预测细辛潜在抗炎靶点并寻找潜在抗炎成分。对89批细辛药材(12批华细辛和77批北细辛)的数据进行分析确定了11个特征峰,用对照品、紫外光谱和LC-MS指认了11个特征成分。特征峰面积聚类分析显示华细辛和北细辛被分为2类,且利用特征峰面积比值可实现两者区分,当特征峰9(细辛素)/参照峰S(卡枯醇)峰面积比值大于5时为华细辛,小于2时为北细辛。对119种细辛成分进行网络药理学分析的结果表明细辛抗炎作用可能与COX-2,COX-1,iNOS,MAPK14,LAT4H,NR3C1,PPARG和TNF等8个靶点相关,其中COX-2最为关键,与5种特征成分细辛脂素、芝麻脂素、细辛素、甲基丁香酚和黄樟醚均存在相互作用。此外,细辛脂素、芝麻脂素与iNOS,MAPK14也存在相互作用关系,黄樟醚和细辛素可作用于iNOS,COX-1,LAT4H,甲基丁香酚可作用于COX-1,LAT4H。细辛脂素与芝麻脂素均可作用在COX-2,iNOS和MAPK143个靶点上,提示它们是细辛发挥抗炎作用的活性成分;COX-2分子对接结果和COX-2活性实验结果验证了细辛脂素、芝麻脂素可抑制COX-2活性,为细辛抗炎作用活性成分。基于HPLC特征图谱的华细辛和北细辛识别方法简便易行;预测到的细辛抗炎靶点和抗炎成分为完善细辛质量评价体系奠定了基础。     

肠炎清合剂治疗慢性复发型溃疡性结肠炎大肠湿热证的临床观察

目的:观察肠炎清合剂对慢性复发型溃疡性结肠炎(UC)大肠湿热证患者诱导缓解效果及维持治疗对复发的影响,并从神经-内分泌-免疫炎症网络方面探讨了其作用机制。方法:将112例符合要求的患者随机分成对照组55例和观察组57例。对照组内服美沙拉嗪肠溶片,1.0 g/次,4次/d;Mayo评分系统≥7分者,加服醋酸泼尼松片,0.75 mg·kg^-1·d^-1;加用双歧杆菌活菌散剂,1包/次,2次/d,餐后温水冲服。观察组在对照组治疗的基础上服用肠炎清合剂,1包/次,分早晚2次服用。两组疗程均为连续治疗6周,再每周门诊复诊1次。进入缓解期后,两组患者均给予美沙拉嗪肠溶片,0.5 g/次,3次/d,维持治疗;观察组仍内服肠炎清合剂内服,至大肠湿热证评分减少≥90%以上。记录进入6周内缓解期的人数和缓解时间;进行治疗前后结肠镜检查,并进行Geboes指数和Baron法评价;进行治疗前后大肠湿热证评分和Mayo评分;检测治疗前后外周血白细胞介素-6(IL-6),IL-8,IL^-10,IL^-17,血管活性肠肽(VIP),胃动素(MTL)和神经肽Y(NPY);随访24周,记录复发情况。结果:经6周治疗后,观察组临床有效率为100%,黏膜愈合率为96.4%,均分别高于对照组的89.09%和81.82%(P<0.05),两组患者内镜应答率均为100%;经6周治疗后,观察组临床缓解率为91.23%,高于对照组的76.36%(χ2=4.581,P<0.05),观察组平均缓解时间短于对照组(P<0.01);治疗后观察组结肠黏膜评分,Geboes指数、大肠湿热证评分和Mayo评分均低于对照组(P<0.01);观察组患者外周血IL-6,IL-8和IL^-17水平均低于对照组(P<0.01),IL^-10水平高于对照组(P<0.01);观察组患者外周血VIP,MTL水平均低对照组(P<0.01),NPY水平高于对照组(P<0.01);观察组复发率为17.54%,低于对照组的38.18%(χ2=5.955,P<0.05);观察组平均复发时间长于对照组(P<0.01)。结论:在常规西医治疗的基础上,肠炎清合剂用于慢性复发型UC大肠湿热证的治疗,可诱导病情缓解,缩短病程,并能降低复发率,推迟复发时间,并对神经-内分泌-免疫炎症网络具有调节作用,从而可改善病情。     

A Multi-Scale DNN Algorithm for Nonlinear Elliptic Equations with Multiple Scales

Algorithms based on deep neural networks (DNNs) have attracted increasing attention from the scientific computing community. DNN based algorithms are easy to implement, natural for nonlinear problems, and have shown great potential to overcome the curse of dimensionality. In this work, we utilize the multi-scale DNN-based algorithm (MscaleDNN) proposed by Liu, Cai and Xu (2020) to solve multi-scale elliptic problems with possible nonlinearity, for example, the p-Laplacian problem. We improve the MscaleDNN algorithm by a smooth and localized activation function. Several numerical examples of multi-scale elliptic problems with separable or non-separable scales in low-dimensional and high-dimensional Euclidean spaces are used to demonstrate the effectiveness and accuracy of the MscaleDNN numerical scheme.     

Prospective Analysis Using a Novel CNN Algorithm to Distinguish Atypical Ductal Hyperplasia From Ductal Carcinoma in Situ in Breast

IntroductionWe previously developed a convolutional neural networks (CNN)-based algorithm to distinguish atypical ductal hyperplasia (ADH) from ductal carcinoma in situ (DCIS) using a mammographic dataset. The purpose of this study is to further validate our CNN algorithm by prospectively analyzing an unseen new dataset to evaluate the diagnostic performance of our algorithm.Materials and MethodsIn this institutional review board-approved study, a new dataset composed of 280 unique mammographic images from 140 patients was used to test our CNN algorithm. All patients underwent stereotactic-guided biopsy of calcifications and underwent surgical excision with available final pathology. The ADH group consisted of 122 images from 61 patients with the highest pathology diagnosis of ADH. The DCIS group consisted of 158 images from 79 patients with the highest pathology diagnosis of DCIS. Two standard mammographic magnification views (craniocaudal and mediolateral/lateromedial) of the calcifications were used for analysis. Calcifications were segmented using an open source software platform 3D slicer and resized to fit a 128 × 128 pixel bounding box. Our previously developed CNN algorithm was used. Briefly, a 15 hidden layer topology was used. The network architecture contained 5 residual layers and dropout of 0.25 after each convolution. Diagnostic performance metrics were analyzed including sensitivity, specificity, accuracy, and area under the receiver operating characteristic curve. The “positive class” was defined as the pure ADH group in this study and thus specificity represents minimizing the amount of falsely labeled pure ADH cases.ResultsArea under the receiver operating characteristic curve was 0.90 (95% confidence interval, ± 0.04). Diagnostic accuracy, sensitivity, and specificity was 80.7%, 63.9%, and 93.7%, respectively.ConclusionProspectively tested on new unseen data, our CNN algorithm distinguished pure ADH from DCIS using mammographic images with high specificity.