淫羊藿次苷II通过mTOR信号调节减轻肾纤维化:结合网络药理学、分子动力学和体外验证的综合方法

Icariside II attenuates renal fibrosis through mTOR signaling modulation: an integrated approach combining network pharmacology, molecular dynamics, and in vitro validation.

作者信息Pan Ding, Jian-Cheng Pan, Wen-Jie Tian, Yong-Jiao Yang, Yu-Hong Feng, Ge Gao, Chang-Li Wu, Zhong-Cheng Xin
PMID41230168
发布时间2025-10-31
DOI10.21037/tau-2025-395

实验完整度

研究包含网络药理学预测、分子对接、动力学模拟及体外细胞实验,具有体外功能验证和机制验证。

主要模型

TGF-β1诱导的NRK-49F大鼠肾成纤维细胞 TGF-β1诱导的HK2人肾上皮细胞

重点核对

ICA-II处理浓度(1.25、2.5、5、10 µM)及处理时间(24或48小时) TGF-β1诱导浓度(10 ng/mL)及处理时间(48小时) mTOR激动剂MHY1485浓度(5 µM) CETSA实验ICA-II处理浓度(20 µM)及处理时间(120分钟) 分子对接和MD模拟条件(100 ns,温度300 K)

摘要

背景:肾纤维化(RF)是慢性肾脏病(CKD)的终末期进展,由于有效的治疗方法有限,仍然是一个挑战。淫羊藿次苷II(ICA-II),一种来自中药淫羊藿的淫羊藿苷代谢物,在治疗糖尿病CKD方面显示出治疗前景。然而,其潜在的分子机制仍然难以捉摸。本研究旨在通过整合网络药理学、分子动力学(MD)模拟和体外实验的综合方法来阐明这些机制。方法:将网络药理学与公共数据库相结合,以鉴定ICA-II靶点和RF相关基因。使用蛋白质-蛋白质相互作用(PPI)网络对关键靶点进行优先排序。分子对接和MD模拟评估ICA-II与靶点的相互作用。在体外,用ICA-II处理转化生长因子β1(TGF-β1)诱导的正常大鼠肾49成纤维细胞(NRK-49F)和人肾2(HK2)细胞,使用细胞计数试剂盒-8(CCK-8)测定、蛋白质印迹和免疫荧光评估细胞活力、纤维化标志物和信号蛋白。结果:网络药理学揭示了十个关键靶点:AKT1、mTOR、EGFR、ESR1、BCL2、CASP3、TP53、CTNNB1、HSP90AA1和HSP90AB1。关键通路包括PI3K/Akt/mTOR、脂质和动脉粥样硬化、EGFR酪氨酸激酶抑制剂耐药。分子对接显示ICA-II与mTOR稳定结合(对接能量:-12 kcal/mol),通过100 ns的MD模拟证实。在NRK-49F和HK2细胞中的体外研究表明,ICA-II直接与mTOR结合,如细胞热位移测定(CETSA)所证明。这种相互作用可能抑制mTOR活性,导致TGF-β1诱导的I型胶原和α-平滑肌肌动蛋白(α-SMA)表达显著下调。结论:ICA-II通过多靶点、多通路调控网络发挥抗纤维化作用。其在RF中的有益作用可能涉及直接抑制mTOR活性,从而减轻过度的细胞外基质(ECM)积聚。这些发现为ICA-II作为治疗RF的有希望的候选药物提供了理论和实验基础。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
ICA-II在肾纤维化中发挥抗纤维化作用的分子机制尚不清楚,本研究旨在阐明这些机制。
核心机制
ICA-II直接结合并抑制mTOR活性,从而抑制mTOR信号通路,减少细胞外基质过度积聚。
主要证据
网络药理学确定mTOR为关键靶点;分子对接和MD模拟显示稳定结合;体外实验中,ICA-II抑制TGF-β1诱导的Col-I和α-SMA表达,降低p-mTOR和p-S6K水平,CETSA证明直接结合,MHY1485部分逆转其效应。
研究意义
该研究为ICA-II治疗肾纤维化提供了理论依据,并确立了“成分-靶点-通路-表型”框架,为中药生物活性成分研究提供了方法论参考。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

预测ICA-II靶点及疾病相关基因

鉴定ICA-II的潜在靶点和肾纤维化相关基因,并确定交集靶点。

使用PubChem、TCMSP、CTD、PharmMapper和SwissTargetPrediction数据库预测ICA-II靶点;使用OMIM、GeneCards、TTD和MalaCards数据库获取RF相关基因;通过Venn图获得共同靶点。

2

构建PPI网络并进行富集分析

分析共同靶点之间的相互作用及涉及的生物学功能和通路。

利用STRING构建PPI网络,使用Cytoscape可视化,cytoHubba插件识别核心靶点;使用Metascape进行GO和KEGG富集分析,构建靶点-通路网络。

3

分子对接和分子动力学模拟

评估ICA-II与核心靶点之间的结合亲和力和稳定性。

从PubChem和TCMSP获取ICA-II结构,从PDB获取靶点结构;使用AutoDock Vina进行分子对接;对mTOR-ICA-II复合物进行100 ns的MD模拟,计算RMSD、RMSF、Rg和氢键。

4

体外细胞实验验证

验证ICA-II在细胞模型中的抗纤维化作用及其对mTOR通路的抑制。

使用TGF-β1诱导NRK-49F和HK2细胞纤维化,ICA-II处理;通过CCK-8检测细胞活力,Western blot和免疫荧光检测Col-I、α-SMA、p-mTOR、p-S6K表达;使用mTOR激动剂MHY1485进行挽救实验;通过CETSA验证ICA-II与mTOR的直接结合。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
DMEM培养基文中未明确说明--
胎牛血清文中未明确说明--
转化生长因子β1PeproTech100-21
淫羊藿次苷II文中未明确说明--
MHY1485文中未明确说明--
细胞计数试剂盒-8APExBIOK1018
DAPI文中未明确说明--
奥林巴斯荧光显微镜Olympus--
RIPA裂解液ServicebioG2002
蛋白酶和磷酸酶抑制剂ServicebioG2007
BCA蛋白浓度测定试剂盒文中未明确说明--
PVDF膜文中未明确说明--
快速封闭液SerfullCareSFC0133
抗I型胶原抗体Proteintech67288-1-Ig
抗α-平滑肌肌动蛋白抗体Proteintech67735-1-Ig
抗磷酸化mTOR (Ser2448)抗体Proteintech67778-1-Ig
抗mTOR抗体Proteintech66888-1-Ig
抗磷酸化p70 S6K (Thr389/Thr412)抗体AbmartTA3228S
抗p70 S6K抗体Proteintech14485-1-AP
抗GAPDH抗体Proteintech60004-1-lg
抗HSP70抗体Proteintech10995-1-AP
ECL化学发光试剂Thermo Fisher34096
ImageJ软件文中未明确说明--
抗mTOR抗体Proteintech66888-1-Ig
SPSS 19.0统计软件文中未明确说明--
GraphPad Prism 9.5.0软件GraphPad--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
细胞培养与药物处理
细胞系:NRK-49F和HK2;培养条件:DMEM含10% FBS,37℃,5% CO2;饥饿处理:0.2% FBS过夜;TGF-β1浓度10 ng/mL,处理48小时;ICA-II浓度(1.25、2.5、5、10 µM);MHY1485浓度5 µM
阅读提示:Methods: Cell culture
细胞活力检测
细胞密度1×10⁴ cells/well,CCK-8浓度10%,孵育时间1-2小时,吸收波长450 nm
阅读提示:Methods: Cell viability analysis
免疫荧光分析
细胞密度1×10⁵,ICA-II浓度5和10 µM,处理48小时;抗体孵育条件;实验重复次数n=3
阅读提示:Methods: Immunofluorescence analysis
Western blot
裂解液RIPA含蛋白酶和磷酸酶抑制剂;SDS-PAGE凝胶浓度6%或10%;一抗和稀释比例未明确说明;ECL检测
阅读提示:Methods: Western blot
CETSA
ICA-II浓度20 µM或DMSO,处理120分钟;加热温度范围42-54℃,增量3℃;冻融循环3次;离心条件17,000 g,20分钟,4℃
阅读提示:Methods: Cellular thermal shift assay (CETSA)
分子对接和MD模拟
对接软件AutoDock Vina;PDB ID及结合能量(见表2);MD模拟软件GROMACS 2022.3,力场Amber99sbildn,水模型Tip3p,模拟时间100 ns,步长2 fs,温度300 K,压力1 atm
阅读提示:Methods: Molecular docking, Methods: MD simulations
网络药理学
靶点预测数据库和筛选标准;PPI网络置信度分数>0.4;cytoHubba插件计算四种算法取交集
阅读提示:Methods: Prediction of ICA-II targets, Methods: Construction of a PPI network