CN117153428A - 一种防治放射性肺损伤的用药规律及作用机制的研究方法 - Google Patents
一种防治放射性肺损伤的用药规律及作用机制的研究方法 Download PDFInfo
- Publication number
- CN117153428A CN117153428A CN202310977108.5A CN202310977108A CN117153428A CN 117153428 A CN117153428 A CN 117153428A CN 202310977108 A CN202310977108 A CN 202310977108A CN 117153428 A CN117153428 A CN 117153428A
- Authority
- CN
- China
- Prior art keywords
- lung injury
- treating
- traditional chinese
- preventing
- analysis
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 208000004852 Lung Injury Diseases 0.000 title claims abstract description 93
- 206010069363 Traumatic lung injury Diseases 0.000 title claims abstract description 93
- 231100000515 lung injury Toxicity 0.000 title claims abstract description 93
- 230000002285 radioactive effect Effects 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000009471 action Effects 0.000 title claims abstract description 24
- 238000011160 research Methods 0.000 title claims abstract description 20
- 230000007246 mechanism Effects 0.000 title claims abstract description 19
- 230000002265 prevention Effects 0.000 title claims description 10
- 239000003814 drug Substances 0.000 claims abstract description 84
- 238000012216 screening Methods 0.000 claims abstract description 21
- 230000005855 radiation Effects 0.000 claims abstract description 17
- 230000037361 pathway Effects 0.000 claims abstract description 11
- 238000012098 association analyses Methods 0.000 claims abstract description 8
- 238000007619 statistical method Methods 0.000 claims abstract description 8
- 108090000623 proteins and genes Proteins 0.000 claims description 30
- 239000000463 material Substances 0.000 claims description 28
- 229940126680 traditional chinese medicines Drugs 0.000 claims description 28
- 238000004458 analytical method Methods 0.000 claims description 27
- 239000004480 active ingredient Substances 0.000 claims description 17
- 230000000694 effects Effects 0.000 claims description 16
- 229940079593 drug Drugs 0.000 claims description 14
- 239000000203 mixture Substances 0.000 claims description 11
- 235000008216 herbs Nutrition 0.000 claims description 10
- 238000003012 network analysis Methods 0.000 claims description 10
- 238000010201 enrichment analysis Methods 0.000 claims description 9
- 241000628997 Flos Species 0.000 claims description 7
- 230000006916 protein interaction Effects 0.000 claims description 7
- 239000009636 Huang Qi Substances 0.000 claims description 6
- 229940126678 chinese medicines Drugs 0.000 claims description 5
- 238000010219 correlation analysis Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 241000218671 Ephedra Species 0.000 claims description 3
- 241001465251 Ephedra sinica Species 0.000 claims description 3
- 235000013361 beverage Nutrition 0.000 claims description 3
- 239000002552 dosage form Substances 0.000 claims description 3
- 238000001647 drug administration Methods 0.000 claims description 3
- 239000003596 drug target Substances 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 235000013305 food Nutrition 0.000 claims description 3
- 230000014509 gene expression Effects 0.000 claims description 3
- 230000036541 health Effects 0.000 claims description 3
- 230000005865 ionizing radiation Effects 0.000 claims description 3
- 230000014759 maintenance of location Effects 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 239000003795 chemical substances by application Substances 0.000 claims 1
- 230000010534 mechanism of action Effects 0.000 claims 1
- 230000000144 pharmacologic effect Effects 0.000 claims 1
- 208000005623 Carcinogenesis Diseases 0.000 abstract description 6
- 239000000126 substance Substances 0.000 abstract description 6
- 244000303040 Glycyrrhiza glabra Species 0.000 abstract description 5
- 235000006200 Glycyrrhiza glabra Nutrition 0.000 abstract description 5
- 201000001320 Atherosclerosis Diseases 0.000 abstract description 4
- 102000010907 Cyclooxygenase 2 Human genes 0.000 abstract description 4
- 108010037462 Cyclooxygenase 2 Proteins 0.000 abstract description 4
- 101000861454 Homo sapiens Protein c-Fos Proteins 0.000 abstract description 4
- 108090001005 Interleukin-6 Proteins 0.000 abstract description 4
- 210000000582 semen Anatomy 0.000 abstract description 4
- 230000019491 signal transduction Effects 0.000 abstract description 4
- 108090001007 Interleukin-8 Proteins 0.000 abstract description 3
- 208000000501 Lipidoses Diseases 0.000 abstract description 3
- 206010024585 Lipidosis Diseases 0.000 abstract description 3
- 108091054455 MAP kinase family Proteins 0.000 abstract description 3
- 102000043136 MAP kinase family Human genes 0.000 abstract description 3
- 230000004913 activation Effects 0.000 abstract description 3
- 238000007621 cluster analysis Methods 0.000 abstract description 3
- LPLVUJXQOOQHMX-QWBHMCJMSA-N glycyrrhizinic acid Chemical compound O([C@@H]1[C@@H](O)[C@H](O)[C@H](O[C@@H]1O[C@@H]1C([C@H]2[C@]([C@@H]3[C@@]([C@@]4(CC[C@@]5(C)CC[C@@](C)(C[C@H]5C4=CC3=O)C(O)=O)C)(C)CC2)(C)CC1)(C)C)C(O)=O)[C@@H]1O[C@H](C(O)=O)[C@@H](O)[C@H](O)[C@H]1O LPLVUJXQOOQHMX-QWBHMCJMSA-N 0.000 abstract description 3
- 150000002632 lipids Chemical class 0.000 abstract description 3
- 235000011477 liquorice Nutrition 0.000 abstract description 3
- 108090000174 Interleukin-10 Proteins 0.000 abstract description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 abstract description 2
- 239000001301 oxygen Substances 0.000 abstract description 2
- 229910052760 oxygen Inorganic materials 0.000 abstract description 2
- UAJTZZNRJCKXJN-UHFFFAOYSA-M sodium;2-dodecoxy-2-oxoethanesulfonate Chemical compound [Na+].CCCCCCCCCCCCOC(=O)CS([O-])(=O)=O UAJTZZNRJCKXJN-UHFFFAOYSA-M 0.000 abstract description 2
- 102000004169 proteins and genes Human genes 0.000 description 10
- 210000004072 lung Anatomy 0.000 description 6
- 240000000691 Houttuynia cordata Species 0.000 description 4
- 244000018633 Prunus armeniaca Species 0.000 description 4
- 235000009827 Prunus armeniaca Nutrition 0.000 description 4
- 230000004568 DNA-binding Effects 0.000 description 3
- 235000013717 Houttuynia Nutrition 0.000 description 3
- 230000027455 binding Effects 0.000 description 3
- 239000000796 flavoring agent Substances 0.000 description 3
- 230000009456 molecular mechanism Effects 0.000 description 3
- 101710132601 Capsid protein Proteins 0.000 description 2
- 206010011224 Cough Diseases 0.000 description 2
- 208000000059 Dyspnea Diseases 0.000 description 2
- 206010013975 Dyspnoeas Diseases 0.000 description 2
- 235000001453 Glycyrrhiza echinata Nutrition 0.000 description 2
- 235000017382 Glycyrrhiza lepidota Nutrition 0.000 description 2
- 102000009572 RNA Polymerase II Human genes 0.000 description 2
- 108010009460 RNA Polymerase II Proteins 0.000 description 2
- 208000019155 Radiation injury Diseases 0.000 description 2
- 244000081426 Ranunculus ficaria Species 0.000 description 2
- 235000002226 Ranunculus ficaria Nutrition 0.000 description 2
- 108091023040 Transcription factor Proteins 0.000 description 2
- 102000040945 Transcription factor Human genes 0.000 description 2
- 238000003766 bioinformatics method Methods 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 235000019634 flavors Nutrition 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 229940010454 licorice Drugs 0.000 description 2
- 208000037841 lung tumor Diseases 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004634 pharmacological analysis method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 210000000952 spleen Anatomy 0.000 description 2
- 230000010415 tropism Effects 0.000 description 2
- 230000007730 Akt signaling Effects 0.000 description 1
- 102000003952 Caspase 3 Human genes 0.000 description 1
- 108090000397 Caspase 3 Proteins 0.000 description 1
- 206010008479 Chest Pain Diseases 0.000 description 1
- 208000002249 Diabetes Complications Diseases 0.000 description 1
- 206010012655 Diabetic complications Diseases 0.000 description 1
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 208000000616 Hemoptysis Diseases 0.000 description 1
- 208000029433 Herpesviridae infectious disease Diseases 0.000 description 1
- 101001052493 Homo sapiens Mitogen-activated protein kinase 1 Proteins 0.000 description 1
- 101000589316 Homo sapiens N-cym protein Proteins 0.000 description 1
- 101001059454 Homo sapiens Serine/threonine-protein kinase MARK2 Proteins 0.000 description 1
- 235000013719 Houttuynia cordata Nutrition 0.000 description 1
- 241001502974 Human gammaherpesvirus 8 Species 0.000 description 1
- 206010062717 Increased upper airway secretion Diseases 0.000 description 1
- 108010000684 Matrix Metalloproteinases Proteins 0.000 description 1
- 102100024193 Mitogen-activated protein kinase 1 Human genes 0.000 description 1
- 102100032847 N-cym protein Human genes 0.000 description 1
- 240000002948 Ophiopogon intermedius Species 0.000 description 1
- 240000005001 Paeonia suffruticosa Species 0.000 description 1
- 235000003889 Paeonia suffruticosa Nutrition 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 206010035664 Pneumonia Diseases 0.000 description 1
- 101710098940 Pro-epidermal growth factor Proteins 0.000 description 1
- 108010009341 Protein Serine-Threonine Kinases Proteins 0.000 description 1
- 102000009516 Protein Serine-Threonine Kinases Human genes 0.000 description 1
- 102000004022 Protein-Tyrosine Kinases Human genes 0.000 description 1
- 108090000412 Protein-Tyrosine Kinases Proteins 0.000 description 1
- 240000007164 Salvia officinalis Species 0.000 description 1
- MTCFGRXMJLQNBG-UHFFFAOYSA-N Serine Natural products OCC(N)C(O)=O MTCFGRXMJLQNBG-UHFFFAOYSA-N 0.000 description 1
- 102100028904 Serine/threonine-protein kinase MARK2 Human genes 0.000 description 1
- 208000005392 Spasm Diseases 0.000 description 1
- AYFVYJQAPQTCCC-UHFFFAOYSA-N Threonine Natural products CC(O)C(N)C(O)=O AYFVYJQAPQTCCC-UHFFFAOYSA-N 0.000 description 1
- 239000004473 Threonine Substances 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 208000031971 Yin Deficiency Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 150000001408 amides Chemical class 0.000 description 1
- 230000002924 anti-infective effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005779 cell damage Effects 0.000 description 1
- 208000037887 cell injury Diseases 0.000 description 1
- 230000007012 clinical effect Effects 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 208000017574 dry cough Diseases 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 208000002672 hepatitis B Diseases 0.000 description 1
- 241000411851 herbal medicine Species 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 208000024697 human cytomegalovirus infection Diseases 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 208000030159 metabolic disease Diseases 0.000 description 1
- 230000000626 neurodegenerative effect Effects 0.000 description 1
- 230000008506 pathogenesis Effects 0.000 description 1
- 208000026435 phlegm Diseases 0.000 description 1
- 230000029279 positive regulation of transcription, DNA-dependent Effects 0.000 description 1
- 230000003334 potential effect Effects 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 239000003642 reactive oxygen metabolite Substances 0.000 description 1
- 235000005412 red sage Nutrition 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 208000013220 shortness of breath Diseases 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 239000003053 toxin Substances 0.000 description 1
- 231100000765 toxin Toxicity 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/40—ICT specially adapted for the handling or processing of medical references relating to drugs, e.g. their side effects or intended usage
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/90—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to alternative medicines, e.g. homeopathy or oriental medicines
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Pharmacology & Pharmacy (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Chemical & Material Sciences (AREA)
- Data Mining & Analysis (AREA)
- Toxicology (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Alternative & Traditional Medicine (AREA)
- Medicines Containing Plant Substances (AREA)
Abstract
本发明公开了一种防治放射性肺损伤的用药规律及作用机制的研究方法,本发明的法收集治疗放射性肺损伤的中药处方,对收集的处方进行统计分析、关联分析、聚类分析及复杂网络等;通过网络药理学探讨治疗放射性肺损伤核心处方的作用靶点及相关通路。筛选中药处方17项,共包含153味中药,药物出现频次较高的有甘草、生地黄;常用的药对为玄参‑生地黄、苦杏仁‑甘草、鱼腥草‑甘草、生地黄‑玄参;核心处方组成包括甘草、生地黄、苦杏仁、玄参和鱼腥草;核心处方防治放射性肺损伤的主要靶点可能为JUN、IL‑6、PTGS2、FOS、IL‑8、IL‑10等,相关的作用通路有脂质与动脉粥样硬化、化学致癌‑受体激活、化学致癌‑活性氧物种、PI3K‑Akt、MAPK信号通路等。
Description
技术领域
本发明属于生物医药技术领域,具体涉及一种防治放射性肺损伤的用药规律及作用机制的研究方法。
背景技术
放射性肺损伤(Radiation induced lung injury,RILI)是肺部肿瘤患者在放疗或核泄漏等过程中正常肺组织受到一定剂量的照射后而发生的损伤,一般放射性肺损伤是不可逆转的,早期肺部主要以肺炎为主,随着发展晚期表现为肺纤维化,临床上主要表现为干咳、气短等,严重者表现为呼吸困难,胸痛,咳血等。肺部对射线较敏感,这不仅限制了对肺部肿瘤的照射剂量和疗效,同时降低了生活质量。目前治疗放射性肺损伤常用激素、抗感染等药物,临床效果并不理想,易引起副作用。
中医认为放射性肺损伤病机为肺气阴虚,血瘀热毒淤积,治疗以清热解毒药为佳。但并没有中药用于临床肺部辐射损伤治疗研究。
发明内容
针对现有技术所存在的上述技术问题,本发明的目的在于提供一种防治放射性肺损伤的用药规律及作用机制的研究方法。
为实现上述发明目的,本发明采用的技术方案如下:一种防治放射性肺损伤的用药规律及作用机制的研究方法,收集防治放射性肺损伤的内用中药处方,统计分析核心组方,获得活性成分和相应的靶点,通过数据库构建蛋白相互作用网络,对作用靶点进行GO富集及KEGG通路分析得到防治放射性肺损伤的用药规律数据。
进一步地,所述防治放射性肺损伤的用药规律及作用机制的研究方法,包括以下步骤:
(1)收集以关键词“放射性肺损伤”“电离辐射肺损伤”“辐射性肺损伤”的内容,并检索内容进行统一、去重、筛选,得到与放射性肺损伤防治相关的材料;
(2)对上述收集的材料中出现的中药名称进行规范化统一处理录入系统;
(3)对录入系统的材料中的中药频次、属性、功效、组方进行统计分析、关联分析、层次聚类和复杂网络分析,得到核心中药的分析结果;
(4)根据核心中药的分析结果筛选核心重要的活性成分、相应靶点,构建PPI,并进行GO富集和KEGG通路富集分析得到,得到可视化数据。
进一步地,所述步骤(1)中,对检索内容进行统一、去重、筛选的标准为:明确用于防治放射性肺损伤的中药处方专利及名称未提及关于放射性肺损伤的防治作用,但内容明确具有防治放射性肺损伤作用的资料保留;材料中食品、饮品、保健品类组方、中药与西药联用组方、用法除内服以外的组方、具有不能明确中药来源的中药提取物及处方组成不明确的均不予采用。
进一步地,所述步骤(2)中,对收集的材料中出现的中药名称规范化统一处理,规则如下:①对中药名称进行统一,“生芪”规范为“黄芪”、“生地”规范为“生地黄”、“双花”规范为“金银花”;②对炮制过的药物进行统一,若药物的药性在炮制前后基本一致,则统一为同种药物,如“炙麻黄”“规范为“麻黄”。
进一步地,所述步骤(2)中,对于2020年版《中华人民共和国药典》未收录的药物则参考2006年版《中药大辞典》、1999年版《中华本草》进行统一规范。
进一步地,所述步骤(2)中,存在药物组成相同而剂型、制备工艺等不同的材料仅录入1次,且仅录入内服用的中药处方。
进一步地,所述步骤(3)中,使用“古今医案云平台”分析平台,在“数据挖掘”模块中选择统计分析、关联分析、层次聚类和复杂网络分析等分析方法;对材料处方中药的频次、属性、功效、组方规律等进行分析。
进一步地,所述步骤(3)中,关联分析处方的配伍规律,设置支持度≥0.1,置信度≥0.5,提升度>1;层次聚类选择距离类型为“欧式距离”,聚类方法为“最长距离法”,对使用中药频次前10位的中药进行聚类分析;使用类型为“多尺度的backbone网络算法”模式对中药进行复杂网络分析。
进一步地,所述步骤(4)中,通过中药系统药理学技术平台(TCMSP)和BATMAN-TCM数据库获得活性成分和相应的靶点,利用Genecards和OMIM数据库筛选与放射性肺损伤相关的靶点,通过string数据库构建蛋白相互作用网络,利用R语言软件对作用靶点进行GO富集及KEGG通路分析。
进一步地,所述步骤(4)中,以口服利用度(OB)≥30%和类药性(DL)≥0.18作为筛选条件,在中药系统药理学分析平台(TCMSP,http://tcmspw.com/tcmsp.php),检索核心中药活性成分、相应靶点;在中医药分子机制生物信息学分析工具(BATMAN-TCM,http://bionet.ncpsb.org.cn/batman-tcm)数据库中选择Herb,设置Score≥20,P-value≤0.05。利用UniProt数据库(http://www.uniprot.org/)将所得靶点转化为相应的基因Symbol。
进一步地,所述步骤(4)中,以“放射性肺损伤”为关键词,通过基因名片数据库(Genecards,http://www.genecards.org)、在线人类孟德尔遗传数据库(OMIM,http://www.omim.org),挖掘放射性肺损伤的潜在靶点;将所有筛选结果合并去重,使用R软件中的“VennDiagram”包对核心中药靶基因和放射性肺损伤靶基因取交集得到中药防治放射性肺损伤的靶基因并进行可视化。
进一步地,所述步骤(4)中,将药物靶点基因上传至在线String 11.5(http://string-db.org),导入基因表达产物,根据度值,筛选关键核心靶点,构建PPI网络互作图。
进一步地,所述步骤(4)中,获得核心中药防治放射性肺损伤的靶点后,用R软件(包括“DOSE”、“clusterProfiler”、“pathview”三个packages)进行GO富集和KEGG通路富集分析,并对数据进行可视化。
采用本发明的技术方案带来的有益效果是,本发明的防治放射性肺损伤的用药规律及作用机制的研究方法,通过收集防治放射性肺损伤的内用中药处方,统计分析核心组方,获得活性成分和相应的靶点,通过数据库构建蛋白相互作用网络,对作用靶点进行GO富集及KEGG通路分析得到防治放射性肺损伤的用药规律数据;得到防治放射性肺损伤的核心处方组成,包括甘草、生地黄、苦杏仁、玄参和鱼腥草;核主要靶点可能为JUN、IL-6、PTGS2、FOS、IL-8、IL-10等,相关的作用通路有脂质与动脉粥样硬化、化学致癌-受体激活、化学致癌-活性氧物种、PI3K-Akt、MAPK信号通路等。为后续防治放射性肺损伤的用药规律、标志物发现与分子机制研究提供了有效的基础数据支撑。
附图说明
图1a是本发明实施例二防治放射性肺损伤专利中药处方药物属性结果;
图1b是本发明实施例二防治放射性肺损伤专利中药处方药物属性结果;
图1c是本发明实施例二防治放射性肺损伤专利中药处方药物属性结果;
图2是本发明实施例二防治放射性肺损伤专利中药处方药物功效结果;
图3是本发明实施例二防治放射性肺损伤中药聚类分析结果;
图4是本发明实施例二防治放射性肺损伤中药复杂网络分析结果;
图5是本发明实施例二防治放射性肺损伤作用靶点相互关联结果。
具体实施方式
下面结合附图和实施例对本发明进行详细的描述。
实施例一
本发明实施例提供了一种防治放射性肺损伤的用药规律及作用机制的研究方法,收集防治放射性肺损伤的内用中药处方,统计分析核心组方,获得活性成分和相应的靶点,通过数据库构建蛋白相互作用网络,对作用靶点进行GO富集及KEGG通路分析得到防治放射性肺损伤的用药规律数据。
优选地,所述防治放射性肺损伤的用药规律及作用机制的研究方法,包括以下步骤:
(1)收集以关键词“放射性肺损伤”“电离辐射肺损伤”“辐射性肺损伤”的内容,并检索内容进行统一、去重、筛选,得到与放射性肺损伤防治相关的材料;
(2)对上述收集的材料中出现的中药名称进行规范化统一处理录入系统;
(3)对录入系统的材料中的中药频次、属性、功效、组方进行统计分析、关联分析、层次聚类和复杂网络分析,得到核心中药的分析结果;
(4)根据核心中药的分析结果筛选核心重要的活性成分、相应靶点,构建PPI,并进行GO富集和KEGG通路富集分析得到,得到可视化数据。
优选地,所述步骤(1)中,对检索内容进行统一、去重、筛选的标准为:明确用于防治放射性肺损伤的中药处方专利及名称未提及关于放射性肺损伤的防治作用,但内容明确具有防治放射性肺损伤作用的资料保留;材料中食品、饮品、保健品类组方、中药与西药联用组方、用法除内服以外的组方、具有不能明确中药来源的中药提取物及处方组成不明确的均不予采用。
优选地,所述步骤(2)中,对收集的材料中出现的中药名称规范化统一处理,规则如下:①对中药名称进行统一,“生芪”规范为“黄芪”、“生地”规范为“生地黄”、“双花”规范为“金银花”;②对炮制过的药物进行统一,若药物的药性在炮制前后基本一致,则统一为同种药物,如“炙麻黄”“规范为“麻黄”。
优选地,所述步骤(2)中,对于2020年版《中华人民共和国药典》未收录的药物则参考2006年版《中药大辞典》、1999年版《中华本草》进行统一规范。
优选地,所述步骤(2)中,存在药物组成相同而剂型、制备工艺等不同的材料仅录入1次,且仅录入内服用的中药处方。
应用Excel软件,双人双机分别录入和校对中药处方数据。将按照医案模板整理后的Excel表导入“古今医案云平台”数据库,由双人负责审核及核对后纳入“分析池”待进行数据分析。
优选地,所述步骤(3)中,使用“古今医案云平台”分析平台,在“数据挖掘”模块中选择统计分析、关联分析、层次聚类和复杂网络分析等分析方法对材料处方中药的频次、属性、功效、组方规律等进行分析。
优选地,所述步骤(3)中,关联分析处方的配伍规律,设置支持度≥0.1,置信度≥0.5,提升度>1;层次聚类选择距离类型为“欧式距离”,聚类方法为“最长距离法”,对使用中药频次前10位的中药进行聚类分析;使用类型为“多尺度的backbone网络算法”模式对中药进行复杂网络分析。
优选地,所述步骤(4)中,通过中药系统药理学技术平台(TCMSP)和BATMAN-TCM数据库获得活性成分和相应的靶点,利用Genecards和OMIM数据库筛选与放射性肺损伤相关的靶点,通过string数据库构建蛋白相互作用网络,利用R语言软件对作用靶点进行GO富集及KEGG通路分析。
优选地,所述步骤(4)中,以口服利用度(OB)≥30%和类药性(DL)≥0.18作为筛选条件,在中药系统药理学分析平台(TCMSP,http://tcmspw.com/tcmsp.php),检索核心中药活性成分、相应靶点;在中医药分子机制生物信息学分析工具(BATMAN-TCM,http://bionet.ncpsb.org.cn/batman-tcm)数据库中选择Herb,设置Score≥20,P-value≤0.05。利用UniProt数据库(http://www.uniprot.org/)将所得靶点转化为相应的基因Symbol。
优选地,所述步骤(4)中,以“放射性肺损伤”为关键词,通过基因名片数据库(Genecards,http://www.genecards.org)、在线人类孟德尔遗传数据库(OMIM,http://www.omim.org),挖掘放射性肺损伤的潜在靶点;将所有筛选结果合并去重,使用R软件中的“VennDiagram”包对核心中药靶基因和放射性肺损伤靶基因取交集得到中药防治放射性肺损伤的靶基因并进行可视化。
优选地,所述步骤(4)中,将药物靶点基因上传至在线String 11.5(http://string-db.org),导入基因表达产物,根据度值,筛选关键核心靶点,构建PPI网络互作图。
优选地,所述步骤(4)中,获得核心中药防治放射性肺损伤的靶点后,用R软件(包括“DOSE”、“clusterProfiler”、“pathview”三个packages)进行GO富集和KEGG通路富集分析,并对数据进行可视化。
实施例二
采用本发明实施例一的方法研究防治放射性损伤的用药规律,包括以下步骤:
(1)经以关键词检索共获得94项相关材料,通过筛选与去重后纳入分析17项,均属于防治放射性肺损伤的内服类中药处方,材料公开时间为2006年9月至2022年8月;
(2)对上述收集的材料中出现的中药名称进行规范化统一处理录入系统;
(3)对录入系统的材料中的中药频次、属性、功效、组方进行统计分析、关联分析、层次聚类和复杂网络分析,得到核心中药的分析结果;
(4)根据核心中药的分析结果筛选核心重要的活性成分、相应靶点,构建PPI,并进行GO富集和KEGG通路富集分析得到,得到可视化数据。
优选地,所述步骤(3)中,纳入的17项材料涉及到17个处方,153味中药,用药总频次为216次,处方中药味最多的有18味中药,最少的有5味中药,使用频率较高的中药有甘草(9次,52.94%)、生地黄(5次,29.41%)、牡丹皮(4次,23.53%),苦杏仁(4次,23.53%)、鱼腥草(4次,23.53%)、丹参(4次,23.53%)、玄参(4次,23.53%)、麦冬(4次,23.53%)等,详见表1。
表1药物频次统计分析结果(频次≥3)
优选地,所述步骤(3)中,对17项材料中药处方进行药物属性的分析,包括四气、五味及归经。四气总频次为140次,以寒(35次)、微寒(34次)、瓶平(29次)、温(16次)、微温(14次)为主;五味总频次为209次,以甘(74次)、苦(60次)、辛(35次)、微苦(17次)为主;归经总频次为301次,以肺(79次)、心(48次)、脾(43次)、胃(40次)、肝(38次)、肾(27次)为主,如图1所示。
优选地,所述步骤(3)中,将153味中药按照功效分类共有20种不同的功效,总频次为417次;以清热解毒(26次)、清热凉血(14次)、补脾益气(9次)、疏散风热(9次)、缓急止痛(9次)、去痰止咳(9次)为主;如图2所示。
优选地,所述步骤(3)中,利用古今医案云平台的关联分析纳入的17项材料中中药处方防治放射性肺损伤的配伍关系,条件设置为支持度≥0.1,置信度≥0.8,提升度≥1。共筛选出20组中药配伍,详见表2;其中频次较高的为玄参-生地黄(4次,24%)、苦杏仁-甘草(4次,24%)、鱼腥草-甘草(4次,24%)、生地黄-玄参(4次,24%)等。
表2药物配伍关联分析结果
优选地,所述步骤(3)中,对17项材料中使用频次前10味的中药进行聚类分析。
参照附图3,当距离大于2.2时,可将10味中药分为3类,第一类为甘草,第二类为鱼腥草、苦杏仁、金银花,第三类为牡丹皮、麦冬、生地黄、玄参、丹参、当归。
优选地,所述步骤(3)中,使用复杂网络中类型为“多尺度的backbone网络算法”模式对17项防治放射性肺损伤的中药处方进行分析,权重值设为≥3。
参照附图4,选择网络中边权重大于等于4的中药作为核心药物进行更进一步的分析,本发明实施例的方法所筛选核心的中药包括甘草、苦杏仁、鱼腥草、生地黄和玄参共5味。
优选地,所述步骤(4)中,TCMSP设置OB≥30%和DL≥0.18为筛选条件,BATMAN-TCM设置Score≥20和P≤0.05为筛选条件,前期筛选的5味中药(甘草、苦杏仁、鱼腥草、生地黄、玄参)分别具有92、19、9、9、7个活性成分,共136个,去除重复的共126个。利用TCMSP和BATMAN-TCM数据库得到126个活性成分所对应的潜在靶点蛋白,并在Uniprot数据库中对靶点蛋白进行校正和去重后,共筛选出314个靶点。
优选地,所述步骤(4)中,利用Genecards数据库和OMIM数据库检索放射性肺损伤靶蛋白,选择相关性≥10的靶点作为放射性肺损伤的关键靶点,整合去重后得到相关靶点1770个。将126个活性成分对应的潜在靶蛋白与放射性肺损伤相关蛋白匹配后取交集,得到138个重复靶点,表明这些靶点与5味核心药物防治放射性肺损伤密切相关。
优选地,所述步骤(4)中,将138个与防治放射性肺损伤关键靶点导入String数据库中,条件选择隐藏1个无相互作用的节点,minimum required interaction score≥0.900,得到PPI网络。
将PPI网络图导入Cytoscape 3.8.0软件中,结果显示137个蛋白有相互作用。根据Degree值筛选出排名前20的核心靶蛋白,Y轴为基因名,X为相应基因邻接节点数目。网络分析结果显示,有70个节点,907条边。关联性较强的基因有JUN、IL-6、PTGS2、FOS、EGF、MMP9、IL-8、MAPK1、CASP3和IL-1β等,选取了前20个关联性强的基因。
参照附图5,在前20个关联性较强的基因里选取degree值大于50的为核心靶蛋白,包括JUN、IL-6、PTGS2、FOS,表明这些蛋白质可能是5味核心中药防治放射性肺损伤的关键靶点。
优选地,所述步骤(4)中,利用R软件对防治放射性肺损伤的138个核心蛋白靶点进行在线GO富集分析,设定筛选标准P<0.01。GO功能富集分析结果显示,138个核心蛋白富集主要涉及DNA结合和转录因子结合(28个靶点)、RNA聚合酶II特异性DNA结合和转录因子结合(25个靶点)、蛋白质丝氨酸/苏氨酸/酪氨酸激酶活性(20个靶点)、蛋白丝氨酸/苏氨酸激酶活性(18个靶点)、酰胺结合(17个靶点)、DNA结合转录激活活性RNA聚合酶II特异性(17个靶点)、DNA结合转录激活剂活性(17个靶点)。本发明实施例的方法筛选的5味中药防治放射性肺损伤的作用可能通过参与多种机体内多种位点的结合和调控酶的活性等过程,与射线引起细胞损伤、代谢紊乱密切相关。
本发明实施例的研究方法揭示了5味中药防治放射性肺损伤潜在的作用机制,对138个靶点通过R软件进行KEGG分析,得到与防治放射性肺损伤的172条相关通路。其通路包括脂质与动脉粥样硬化(36个靶点)、化学致癌-受体激活(31个靶点)、化学致癌-活性氧物种(27个靶点)、MAPK信号通路(27个靶点)、PI3K-Akt信号通路(27个靶点)、AGE-RAGE信号通路在糖尿病并发症中的作用(26个靶点)、卡波西肉瘤相关疱疹病毒感染(26个靶点)、人巨细胞病毒感染(26个靶点)、流体剪切应力与动脉粥样硬化(25个靶点)、乙型肝炎(25个靶点)、神经变性途径-多种疾病(25个靶点)等。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若对本发明的这些修改和变型属于本发明权利要求及其同等技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种防治放射性肺损伤的用药规律及作用机制的研究方法,其特征是:收集防治放射性肺损伤的内用中药处方,统计分析核心组方,获得活性成分和相应的靶点,通过数据库构建蛋白相互作用网络,对作用靶点进行GO富集及KEGG通路分析得到防治放射性肺损伤的用药规律数据。
2.根据权利要求1所述的一种防治放射性肺损伤的用药规律及作用机制的研究方法,其特征是:包括以下步骤:
(1)收集以关键词“放射性肺损伤”“电离辐射肺损伤”“辐射性肺损伤”的内容,并检索内容进行统一、去重、筛选,得到与放射性肺损伤防治相关的材料;
(2)对上述收集的材料中出现的中药名称进行规范化统一处理录入系统;
(3)对录入系统的材料中的中药频次、属性、功效、组方进行统计分析、关联分析、层次聚类和复杂网络分析,得到核心中药的分析结果;
(4)根据核心中药的分析结果筛选核心重要的活性成分、相应靶点,构建PPI,并进行GO富集和KEGG通路富集分析得到,得到可视化数据。
3.根据权利要求2所述的一种防治放射性肺损伤的用药规律及作用机制的研究方法,所述步骤(1)中,对检索内容进行统一、去重、筛选的标准为:明确用于防治放射性肺损伤的中药处方专利及名称未提及关于放射性肺损伤的防治作用,但内容明确具有防治放射性肺损伤作用的资料保留;材料中食品、饮品、保健品类组方、中药与西药联用组方、用法除内服以外的组方、具有不能明确中药来源的中药提取物及处方组成不明确的均不予采用。
4.根据权利要求2所述的一种防治放射性肺损伤的用药规律及作用机制的研究方法,所述步骤(2)中,对收集的材料中出现的中药名称规范化统一处理,规则如下:①对中药名称进行统一,“生芪”规范为“黄芪”、“生地”规范为“生地黄”、“双花”规范为“金银花”;②对炮制过的药物进行统一,若药物的药性在炮制前后基本一致,则统一为同种药物,如“炙麻黄”“规范为“麻黄”。
5.根据权利要求1所述的一种防治放射性肺损伤的用药规律及作用机制的研究方法,所述步骤(2)中,存在药物组成相同而剂型、制备工艺等不同的材料仅录入1次,且仅录入内服用的中药处方。
6.根据权利要求2所述的一种防治放射性肺损伤的用药规律及作用机制的研究方法,所述步骤(3)中,关联分析处方的配伍规律,设置支持度≥0.1,置信度≥0.5,提升度>1;层次聚类选择距离类型为“欧式距离”,聚类方法为“最长距离法”,对使用中药频次前10位的中药进行聚类分析;使用类型为“多尺度的backbone网络算法”模式对中药进行复杂网络分析。
7.根据权利要求2所述的一种防治放射性肺损伤的用药规律及作用机制的研究方法,所述步骤(4)中,通过中药系统药理学技术平台和BATMAN-TCM数据库获得活性成分和相应的靶点,利用Genecards和OMIM数据库筛选与放射性肺损伤相关的靶点,通过string数据库构建蛋白相互作用网络,利用R语言软件对作用靶点进行GO富集及KEGG通路分析。
8.根据权利要求7所述的一种防治放射性肺损伤的用药规律及作用机制的研究方法,将药物靶点基因上传至在线String 11.5(http://string-db.org),导入基因表达产物,根据度值,筛选关键核心靶点,构建PPI网络互作图。
9.根据权利要求8所述的一种防治放射性肺损伤的用药规律及作用机制的研究方法,获得核心中药防治放射性肺损伤的靶点后,用R软件进行GO富集和KEGG通路富集分析,并对数据进行可视化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310977108.5A CN117153428A (zh) | 2023-08-04 | 2023-08-04 | 一种防治放射性肺损伤的用药规律及作用机制的研究方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310977108.5A CN117153428A (zh) | 2023-08-04 | 2023-08-04 | 一种防治放射性肺损伤的用药规律及作用机制的研究方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117153428A true CN117153428A (zh) | 2023-12-01 |
Family
ID=88905179
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310977108.5A Pending CN117153428A (zh) | 2023-08-04 | 2023-08-04 | 一种防治放射性肺损伤的用药规律及作用机制的研究方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117153428A (zh) |
-
2023
- 2023-08-04 CN CN202310977108.5A patent/CN117153428A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liu et al. | Chinese herbs combined with Western medicine for severe acute respiratory syndrome (SARS) | |
CN106803012B (zh) | 基于概率主题模型和中药基本属性的方剂功能预测方法 | |
CN101751479B (zh) | 传统药物专利方剂信息的相似性匹配方法和匹配系统 | |
Bu et al. | FangNet: mining herb hidden knowledge from TCM clinical effective formulas using structure network algorithm | |
CN112185479B (zh) | 一种槐蕾茶抗新型冠状病毒感染的靶点筛选方法 | |
Li et al. | INPUT: An intelligent network pharmacology platform unique for traditional Chinese medicine | |
Yang et al. | Multistage analysis method for detection of effective herb prescription from clinical data | |
CN111370140A (zh) | 一种基于节点相似度的Kmeans中药材功效聚类方法 | |
CN112667922B (zh) | 基于协同过滤的新型冠状病毒中药组方推荐方法及系统 | |
CN110544536A (zh) | 一种基于数据挖掘分析法的肺癌治疗核心处方发现方法 | |
Huang et al. | Parecat: Patient record subcategorization for precision traditional chinese medicine | |
Shen et al. | [Retracted] Effect of Traditional Chinese Medicine on Allergic Rhinitis in Children under Data Mining | |
Zhang et al. | [Retracted] Analysis of Prescription Medication Rules of Traditional Chinese Medicine for Diabetes Treatment Based on Data Mining | |
CN117153428A (zh) | 一种防治放射性肺损伤的用药规律及作用机制的研究方法 | |
Wang et al. | Reveal the patterns of prescriptions for recurrent respiratory tract infections’ treatment based on multiple illustrious senior traditional Chinese medicine practitioners | |
Chen et al. | Application of NER and association rules to traditional Chinese medicine patent mining | |
Xin-Di et al. | Research on herb pairs of classical formulae of ZHANG Zhong-Jing using big data technology | |
Yang et al. | Understanding traditional Chinese medicine via statistical learning of expert‐specific Electronic Medical Records | |
CN117976242A (zh) | 一种防治放射性肠炎的用药规律及作用机制的分析方法 | |
Chen et al. | Research hotspot and frontier analysis of traditional Chinese medicine in asthma using bibliometric methods from 1991 to 2021 | |
Zhao et al. | Network pharmacology-based study of Chinese Herbal Qixiong formula in treating oligoasthenospermia | |
CN111383740A (zh) | 一种基于多任务深度神经网络的中药功效预测方法 | |
Wang et al. | Data Mining-Based and Network Pharmacology-Based Analysis of Medication Rules and Action Mechanism of Professor Zhou Zhongying in Lung Cancer Treatment | |
Zhang et al. | Study on the rule of prescription for bronchial asthma treated by master of traditional Chinese medicine. | |
Xiaorui et al. | The TCM medication rule analysis for emotional diseases caused by panic disorder based on data mining |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |