从生物信息与网络药理角度认识姜黄素治疗膝骨

0 引言 Introduction

膝骨关节炎是临床上常见的骨科疾病之一，其发病率正逐年上升，它是导致中老年人疼痛、功能障碍和残疾的最常见原因之一[1]。膝骨关节炎的具体发病机制尚不明确，与遗传、肥胖、年龄、性别、炎症、创伤和代谢功能障碍有关[2]。目前治疗膝骨关节炎主要是控制体质量、物理治疗、药物对症治疗及手术治疗，以缓解疼痛，改善膝关节功能[3]，其中药物治疗包括西药非类固醇类抗炎药和中药辨证论治治疗。

姜黄素是中药姜黄的主要活性成分，已有研究通过构建自发性与创伤性骨关节炎老鼠模型服用姜黄素[4]，证明姜黄素治疗改善了白细胞介素1β 诱导的自噬抑制、细胞活力降低和凋亡，表明姜黄素通过Akt/mTOR 信号传导途径诱导的自噬抗骨关节炎作用。也有研究通过构建内侧半月板不稳定的小鼠骨关节炎模型[5]，发现姜黄素和包裹姜黄素的纳米颗粒均抑制了软骨细胞中促炎性递质白细胞介素1β 和肿瘤坏死因子α、基质金属蛋白酶1(MMP1)，3 和13、聚集蛋白聚糖酶ADAMTS5 的mRNA 表达，并上调了软骨保护性转录调节因子CITED2。还有研究通过构建碘乙酸单钠(MIA)诱导的骨关节炎大鼠模型服用姜黄素[6]，表明姜黄素可以阻断骨关节炎大鼠的Toll 样受体4/核转录因子κB 信号通路降低炎症水平。上述研究都是通过前期基础研究或者查找文献发现可能的相关靶点和相关通路，研究的靶点和通路有限，但中药治疗疾病是多靶点多通路的作用机制，需要应用大数据挖掘现有所有关于姜黄素和膝骨关节炎有关的靶点通路。

文章通过生物信息学与网络药理学技术手段，筛选和预测姜黄素治疗膝骨关节炎的潜在作用靶点和信号通路，为后期中药的研发与临床应用提供科学依据。

表1 ｜姜黄素治疗膝骨关节炎作用靶点筛选所用数据库基本信息Table 1 ｜Basic information of data about curcumin in the treatment of knee osteoarthritis数据库 网址TCMSP 数据库 STITCH 数据库 数据库 Drugbank 数据库 数据库 蛋白质数据库 数据库 数据库 数据库 数据库 GeneCards 数据库 数据库 数据库

1 资料和方法 Data and methods

1.1 资料库及研究流程正文所涉及的资料库见表1。研究流程见图1。

1.2 姜黄素相关作用靶点的收集与筛选首先以“Curcumin”为关键词，通过 筛 选TCMSP，STITCH，BindingDB，Drugbank，SEA 和SwissTargetPrediction数据库得到与姜黄素相关的靶点[7-12]，经合并去重后，统一在Uniprot 蛋白质数据库标准化蛋白质靶点信息[13]。

在NCBI 旗下的GEO 数据库中[14]，以“Curcumin”为关键词检索，获得编号为 GSE 的芯片数据原始文件[15]，该芯片中包含了24 个姜黄素干预组与对照组数据。使用数据库自带的GEO2R分析工具，自定义分组后保存所有结果，保存为geo.csv 文件，使用R 语言选择P< 0.05，logFC>1 或logFC<-1 为限定值的显著差异基因，并制作火山图。应用“Limma”“gplots”“WGCNA” 程 序包利用GEO 数据库下载的GSE_series_ 数据获得表达矩阵和分组信息，绘制差异基因的热图。最后将上述6 个药物数据库获得的相关作用靶点与在GEO 数据库获得的差异表达基因提取并集，即获得姜黄素药理作用相关的预测靶点。

图1 ｜姜黄素治疗膝骨关节炎的关键分子机制研究流程图Figure 1 ｜Flow chart of key molecular mechanisms of curcumin in the treatment of knee osteoarthritis

1.3 筛选膝骨关节炎的疾病靶点以“knee osteoarthritis” 为 关 键 词，通 过 筛 选TTD，OMIM，DisGeNET，Drugbank，GeneCards 疾病数据库[16-19]，合并去重后获得膝骨关节炎疾病相关靶点。利用R 程序“VennDiagram”包绘制膝骨关节炎疾病靶点和姜黄素预测靶点绘制韦恩图，得到药物-疾病共同靶点。

1.4 构建蛋白相关作用关系网络图和拓扑学分析 将上述药物-疾病共同靶点输入STRING 数据库[20]，选取minimum required interaction score>0.9， 构 建蛋白质- 蛋白质相互关系(proteinprotein interaction，PPI)网络图，将结果保存成tsv 文件，借助Cytoscape 软件构建PPI 网络，借助Cytoscape 的NetworkAnalyzer 工具分析包计算网络中节点的拓扑学属性，涵盖自由度(Degree)、介度(Betweeness)、聚类系数(Clustering coefficient)等多个参数，然后根据Degree 值设置大于中位数的为关键靶点，用菱形表示，重新构建PPI 网络图。

1.5 GO 富集分析与KEGG 通路分析在R 软件中安装 Bioconductor 软件包“”，将药物-疾病共同靶点转换成entrezID。然后通过安装“clusterProfiler” 和“pathview” 包，将已转换的 entrezID，以P< 0.05，Q<0.05 进行药物-疾病共同靶基因GO 与KEGG 功能富集分析，并将结果以气泡图形式输出，并绘制出主要通路图。

文章来源：《现代中医药》 网址: http://www.xdzyyzz.cn/qikandaodu/2021/0610/1153.html