Keuhkojen adenokarsinoomaan liittyvän masennuksen välisen syy-yhteyden tutkiminen "kaiken Qi-stagnaation ja keuhkoihin liittyvän masennuksen" näkökulmasta ja interventioiden ennustaminen Perinteinen kiinalainen lääketiede

Abstrakti:Tavoite Tutkia geneettistä syy-yhteyttäkeuhkojen adenokarsinooma(LUAD) javakava masennushäiriö (MDD)Mendelin satunnaistuksen (MR) analyysin avulla, joka perustuu teoriaan "kaikki qin pysähtyminen ja masennus, jotka liittyvät keuhkoihin", ja ennustaa mahdollisia perinteisiä kiinalaisia lääkkeitä keuhkojen adenokarsinoomaan liittyvän masennuksen (LAD) hoitoon. Menetelmät Genominlaajuiset assosiaatiotutkimukset (GWAS) LUAD:n ja MDD:n tietojoukot saatiin IEU OpenGWAS -tietokannasta. MR-analyysi ja kestävyysarviointi suoritettiin ensisijaisesti käyttämällä R-ohjelmiston TwoSampleMR-pakettia. Rikastusanalyysi suoritettiin IVNG:iden perusteella, ja CTD- ja ITCM-tietokantoja käytettiin ennustamaan olennaisia kemiallisia komponentteja ja mahdollisia perinteisen kiinalaisen lääketieteen (TCM) interventioita. Klassisen ja nykyaikaisen lääketieteen tapausten pilvialustaa (V2.3.9) käytettiin TCM:n tilastolliseen analyysiin, jossa keskityttiin terapeuttisiin periaatteisiin ja resepteihin käyttämällä varianssianalyysiä (P-, 9}).=0.018 99) ehdotti heikkoa positiivista kausaalista vaikutusta LUAD:n ja MDD:n välillä, mikä vahvisti tulosten luotettavuuden Pääasiassa lämmin, jota seurasi neutraali ja kylmä. Viisi makua seurasivat pääasiassa maksan, pernan, vatsan ja sydämen makuja (Ephedrae Herba), Zhizi (Gardeniae Fructus), Yiyiren (Coicis Semen), Pugongying (Taraxaci Herba) jaRoucongrong (Cistanches Herba)samankaltaisia klassisia reseptejä ovat Mahuang-pohjaiset kaavat, Huaihua Powder (槐花散), Huanglian Jiedu Decoction (黄连解毒汤), Weijing Decoction (苇茎汤), Wuwei Xiaodu Drink (5味鮎消)川煎), Huagan Decoction (化肝煎) ja Sangxing Decoction (桑杏汤). Johtopäätös Teorian "kaikki keuhkoihin liittyvät qi:n pysähtyminen ja masennus" perusteella havaittiin heikko positiivinen geneettinen kausaalinen vaikutus LUAD:n ja MDD:n välillä. LUAD voi edistää MDD:n kehittymistä vaikuttamalla hermosignaalien välittymiseen ja säätelymekanismeihin, erityisesti kolinergisen reitin kautta. Lisäksi tässä tutkimuksessa yhdistettiin "Target-Status" -lääketieteellinen teoria ja ennustetut TCM-tulokset, ja siinä tutkittiin mahdollisia TCM-hoitoja LAD:lle, tavoitteena tarjota referenssejä LAD-potilaiden TCM-hoitoon LUAD-potilaiden yleisten terapeuttisten tulosten ja mielenterveyden parantamiseksi.

Avainsanat: keuhkojen adenokarsinoomaan liittyvä masennus; Mendelin satunnaistaminen; perinteisen kiinalaisen lääketieteen ennustaminen; kohde-tila; Mahuang-pohjaiset kaavat; Huaihua jauhe; Huanglian Jiedu Decoction; Weijing Decoction; Wuwei Xiaodu juoma; Jichuan Decoction; Huagan Decoction; Sangxing Decoction; Ephedrae Herba; Gardeniae Fructus; Coicis Siemenneste; Taraxaci Herba;Cistanches Herba

 

 

 

Korkeatasoinen kasviperäinen Cistanche-valmiste keuhkojen adenokarsinoomaan liittyvän masennuksen hoitoon

Whatsapp meiltä saadaksesi lisätietoja

 

 

Keuhkojen adenokarsinooma (LUAD) on maailmanlaajuisesti yleisin keuhkosyövän alatyyppi. Vaikka alueelliset erot ovat merkittäviä, LUAD:n ilmaantuvuus on korkein sekä miehillä että naisilla Itä-Aasiassa [1]. Pahanlaatuisiin kasvaimiin liittyvä psyykkinen taakka, erityisesti vakavan masennushäiriön (MDD) esiintyminen potilailla, asettaa merkittäviä haasteita yksilön terveydelle. Tämä ei vaikuta pelkästään heidän elämänlaatuunsa, vaan myös negatiivisesti sairauden hoidon tehokkuuteen [2]. Siksi MDD:n oikea-aikainen tunnistaminen ja hoito ovat erittäin tärkeitä pahanlaatuisia kasvaimia sairastavien potilaiden yleisen ennusteen parantamiseksi.

Perinteisellä kiinalaisella lääketieteellä (TCM) on teoria, jonka mukaan "Kaikki qin pysähtymisen ja sorron muodot kuuluvat keuhkoihin", mikä johtaa hypoteesiin, että MDD:n esiintyminen LUAD-potilailla saattaa liittyä keuhkojen hajoamis- ja laskeutumistoimintojen toimintahäiriöön. Tutkimukset ovat vahvistaneet kaksisuuntaisen suhteen pahanlaatuisten kasvainten ja MDD:n välillä. Esimerkiksi MDD:n ja lisääntyneen keuhkosyövän riskin välillä on geneettinen korrelaatio [3], ja MDD:n ilmaantuvuus on suurempi keuhkosyöpäpotilailla verrattuna ei-syöpäpotilaisiin [4]. Kuitenkin, onko LUAD:lla keuhkosyövän alatyyppinä geneettinen perusta MDD:n esiintymiselle, ei ole täysin selvitetty.

Tämä tutkimus on ensimmäinen, joka käyttää kahden otoksen Mendelin satunnaistuksen (MR) analyysiä tutkiakseen geneettistä syy-yhteyttä LUAD:n ja MDD:n välillä. Tunnistamalla instrumentaaliset muuttuvat lähigeenit (IVNG:t) ja suorittamalla rikastusanalyysejä tutkimuksessa pyritään selvittämään mahdollisia patogeenisia mekanismeja, jotka ovat LUAD:n ja MDD:n välisen yhteyden taustalla. Lisäksi tutkimus ennustaa IVNG:iden ja julkisten tietokantojen perusteella mahdollisia yhdisteitä ja kiinalaisia ​​lääkeyrttejä puuttumaan LUAD-peräiseen masennukseen (LAD). Yhdistämällä nämä ennusteet "valtion kohdennetun" lääketieteen [5] kanssa tutkimuksessa tutkitaan TCM-lähestymistapoja LAD:n hoitoon, tavoitteena täsmällinen kohdennettu hoito TCM-perusteorioiden sekä oireyhtymän eriyttämisen ja hoidon ohjauksessa. Tämä tarjoaa innovatiivisia ideoita ja menetelmiä TCM-pohjaisiin interventioihin LAD:lle, mikä edistää TCM:n periytymistä, innovaatiota ja modernisointia.

1 Materiaalit ja menetelmät

1.1 Tutkimuksen suunnittelu

Ensin käytettiin kahden näytteen MR-analyysiä geneettisen kausaalisen vaikutuksen arvioimiseksi LUAD:n ja MDD:n välillä. Sitten saatiin IVNG:t, ja rikastusanalyysi käyttäen geeniontologiaa (GO) ja Kyoto Encyclopedia of Genes and Genomes (KEGG) suoritettiin LAD:n mahdollisten patogeenisten mekanismien paljastamiseksi. Lisäksi LAD:iin liittyviä yhdisteitä ja kiinalaisia ​​lääkeyrttejä ennustettiin IVNG:iden perusteella. Lopuksi Ancient and Modern Medical Records Cloud Platform (V2.3.9) (https://www.yiankb.com/) käytettiin tilastolliseen analyysiin, klusterointianalyysiin ja samanlaisten klassisten reseptien tunnistamiseen ennustetuille kiinalaisille lääkeyrteille. Tämä tarjosi uusia ideoita ja menetelmiä TCM-pohjaisiin interventioihin LAD:ssa. Tutkimuksen työnkulku näkyy kuvassa 1.

 

1.2 MR-analyysi

1.2.1 Genome-Wide Association Studies (GWAS) -tietosarjojen hankinta

GWAS-tietojoukot LUAD:lle ja MDD:lle hankittiin TwoSampleMR-paketin avulla IEU OpenGWAS -tietokannasta (https://gwa.mrcieu.ac.uk/). LUAD GWAS -tietoaineistoa (ieu-a-965) ja MDD-tietojoukkoa (ebi-a-GCST90038650) käytettiin poimimaan LUAD:iin liittyviä instrumentaalimuuttujia ja niiden vaikutustietoja ebi-a-GCST90038650-tietojoukossa kausaalista päättelyä varten MR-analyysissä.

Ieu-a-965-aineisto sisältää 3 442 LUAD-tapausta ja 14 894 tervettä kontrollia, yhteensä 18 336 yksilöä. Ebi-a-GCST90038650-tietojoukko koostuu GWAS-yhteenvetotiedoista Euroopan populaatioista, jotka ovat julkaisseet Dönertaş et al. [6] tuumaaLuonto Ikääntyminenvuonna 2021.

1.2.2 Instrumentaalimuuttujien valinta

MR-tutkimusten on täytettävä kolme keskeistä oletusta:

Instrumentaalimuuttujat (IV:t) on liitettävä merkittävästi altistustekijään.

IV:t eivät saa liittyä mihinkään hämmentävään tekijään.

IV:n tulee vaikuttaa lopputulokseen vain altistustekijän kautta.

Tässä tutkimuksessa tietoja yksittäisen nukleotidin polymorfismista (SNP) haettiin GWAS-luettelosta (https://gwas.mrcieu.ac.uk/) ja mahdollisiin häiritseviin tekijöihin (esim. skitsofrenia, kaksisuuntainen mielialahäiriö, maaniset jaksot, posttraumaattinen stressihäiriö, mielisairaus, kilpirauhasen liikakasvu, MDD-lääkkeiden ikä, MDD-lääkkeet jne.) liittyvät SNP-tiedot. jätettiin pois. Seuraavat vaiheet suoritettiin TwoSampleMR-paketilla:

Instrumentaalisiin muuttujiin läheisesti liittyvien SNP:iden valinta: ValintakynnysP< 1,0 × 10-5 käytettiin. TämäP-arvokynnystä käytetään yleisesti GWAS-tutkimuksissa varmistamaan, että valituilla SNP:illä on riittävä tilastollinen merkitsevyys ominaisuuden suhteen, mikä vähentää vääriä positiivisia osia ja varmistaa IV:iden luotettavuuden [7].

Kytkimen epätasapainon poistaminen: Parametrit asetettiin muotoonr²= 0.001 jakb= 10 000. Nämä kynnykset varmistavat valittujen SNP:iden riippumattomuuden genomissa, välttäen liiallista korrelaatiota IV:iden välillä vahvan kytkentäepätasapainon vuoksi, mikä parantaa IV:iden validiteettia [8].

Pois lukien SNP:t, joiden vähäinen alleelitaajuus (MAF) on < 0,01:maf_thresholdParametria käytettiin harvinaisten SNP:iden poissulkemiseksi, mikä varmisti, että valituilla SNP:illä on parempi tilastollinen teho ja biologinen edustavuus, mikä on yhdenmukaista yleisten varianttien valintastandardien kanssa [9].

Pois lukien palindromiset SNP:t: Tämä vaihe välttää palindromisten sekvenssien aiheuttaman analyysiharhan, mikä parantaa edelleen tulosten tarkkuutta [10].

1.2.3 Tilastollinen analyysi

Tässä tutkimuksessa käytettiin ensisijaisesti käänteisvarianssipainotettua (IVW) menetelmää geneettisten syy-vaikutusten arvioimiseen, kun taas IVW-tulosten luotettavuuden arvioimiseen käytettiin MR-Egger-, Simple Mode-, Weighted Mediaani- ja Weighted Mode -menetelmiä. Mahdollinen syy-yhteys LUAD:n ja MDD:n välillä esitettiin käyttämällä todennäköisyyssuhteita (OR) ja 95 %:n luottamusväliä (CI).

Heterogeenisuustestit suoritettiin käyttäen MR-Egger- ja IVW-menetelmiä IV:iden heterogeenisyyden arvioimiseksi. Jos havaittiin voimakasta heterogeenisyyttä (Q_pval< 0,05), satunnaisvaikutusmallia käytettiin luotettavampien vaikutusestimaattien saamiseksi. SNP:iden horisontaalista pleiotropiaa ja IVW-tulosten stabiilisuutta arvioitiin käyttämällä MR-Eggerin sieppaustestiä ja jätä yksi pois -menetelmää, vastaavasti. AP< 0,05 pidettiin tilastollisesti merkitsevänä. Kaikki tilastolliset analyysit suoritettiin käyttämällä R-versiota 4.4.2.

1.3 IVNG:iin perustuva toiminnallinen rikastusanalyysi

SNP:iden sijainti- ja kromosomisekvenssitiedot kysyttiin Ensembl-tietokannasta (https://www.ensembl.org/) SNP-tunnuksilla. BioMart-työkalua käytettiin sitten tunnistamaan kaikki instrumentaaliset muuttuvat lähigeenit (IVNG:t) ±200 kb:n säteellä näistä SNP:istä. IVNG:iden toiminnallinen rikastusanalyysi suoritettiin käyttämälläclusterProfilerpaketti [11], jossa rikastustulokset visualisoidaan käyttämälläggplot2paketti. Keskeiset reittikaaviot saatiin KEGG-tietokannasta (https://www.kegg.jp/).

 

1.4 Mahdollisten kiinalaisten lääkekasvien ennustaminen ja tilastollinen analyysi

IVNG:t lähetettiin Comparative Toxicogenomics Database -tietokantaan (CTD, https://ctdbase.org/) näitä geenejä säätelevien yhdisteiden tunnistamiseksi. Yhdisteet suodatettiin ihmisiin liittyvien (Homo sapiens) ja sitä tukee vähintään 2 IVNG:tä tai Suurempi tai yhtä suuri kuin 2 julkaisua. Asiaan liittyvät kiinalaiset lääkeyrtit haettiin sitten ITCM-tietokannan (http://itcm.biotcm.net/) avulla [12].

Kiinalaiset lääkeyrtit, jotka sisältävät samoja yhdisteitä, ryhmiteltiin yhteen [13-15]. Jos yksittäinen yrtti sisälsi useita tässä tutkimuksessa tunnistettuja yhdisteitä, se voi esiintyä useissa ryhmissä. Ryhmitellyt yrtit ladattiin Ancient and Modern Medical Records Cloud Platformiin (V2.3.9, https://www.yiankb.com/) standardointikäsittelyä varten (esim. "Perilla" yhdistettiin nimellä "Perilla leaf", "Artemisia" nimellä "Liu Ji Nu", "Flat Plantain" nimellä "Plantago Herb" jne.). Sitten suoritettiin klusterianalyysi, yrttiominaisuuksien ja meridiaanitropismin tilastollinen analyysi sekä tehokkuusanalyysi. Korkean taajuuden yrttejä analysoitiin edelleen klassisessa reseptitunnistusmoduulissa samanlaisten klassisten kaavojen tunnistamiseksi.

Yhdisteet vastaavien potentiaalisten kiinalaisten lääkekasvien kanssa, niihin liittyvät IVNG:t ja standardoidut mahdolliset yrttitiedot ladattiin Cytoscapeen (V3.10.3) "IVNG-yhdiste-yrtti" -kartoitusverkoston muodostamiseksi.

 

2 tulosta

2.1 Syy-vaikutusanalyysin tulokset LUAD:n ja MDD:n välillä

LUAD GWAS -aineisto (ieu-a-965) sisälsi yhteensä 8 881 354 SNP:tä, ja 12 SNP:tä säilytettiin instrumentaalisina muuttujina seulonnan jälkeen myöhempää MR-analyysiä varten. Tietoja instrumentaalisista muuttujista on esitetty taulukossa 1.

IVW-menetelmän tulokset osoittivat, että arvo oli 0,00205 (positiivinen) ja tilastollisesti merkitsevä (P< 0,05), mikä viittaa mahdolliseen heikkoon positiiviseen syy-vaikutukseen LUAD:n ja MDD:n esiintymisen välillä. Muut MR-analyysimenetelmät eivät kuitenkaan osoittaneet tilastollista merkitsevyyttä (P> 0,05). Yksityiskohtaiset MR-analyysitulokset on esitetty taulukossa 2 ja kuvassa 2.

 

Taulukko 2 Analysoi Mendelin rndomisaation tuloksia

Menetelmä	SNP:t		SE	P
Herra Egger	12	0.00233	0.00195	0.26045
Painotettu mediaani	12	0.00219	0.00190	0.42978
IVW	12	0.00205	0.00087	0.01899*
Yksinkertainen tila	12	0.00171	0.00181	0.92606
Painotettu tila	12	0.00074	0.00103	0.58903

Huom: P< 0,05 katsotaan tilastollisesti merkitseväksi.

 

2.2 Robustiteettianalyysi MR-analyysin tulokset

Heterogeenisuustestitulokset eivät osoittaneet merkittävää heterogeenisyyttä instrumentaalisten muuttujien välillä sekä MR Egger- että IVW-menetelmillä (P> 0,05), mikä osoittaa instrumentaalisten muuttujien johdonmukaiset vaikutukset MDD:n esiintymiseen. Tämä tukee MR-analyysitulosten luotettavuutta (taulukko 3).

MR Eggerin sieppaustermi (P= 0.8761) ei osoittanut merkittävää horisontaalista pleiotropiaa, mikä viittaa siihen, että instrumentaalisten muuttujien vaikutukset MDD:n esiintymiseen välittyivät ensisijaisesti LUAD:n suoran kausaalireitin kautta eikä muiden hämmentäviä vaikutuksia (Eggerin leikkaus=−0,00056, standardivirhe=0.00352,P = 0.8761).

Jätä yksi pois -menetelmän tulokset osoittivat, että mikään instrumentaalisista muuttujista ei aiheuttanut merkittävää muutosta yleisessä kausaalisessa vaikutuksessa ja vaikutuksen suunta pysyi yhtenäisenä. Tämä kuvastaa instrumentaalisten muuttujien robustisuutta ja validiteettia (kuva 3).

Suppilokaavio paljasti, että datapisteet olivat yleensä symmetrisiä, mikä oli yhdenmukainen merkittävän heterogeenisyyden ja horisontaalisen pleiotropian puuttumisen kanssa, mikä vahvisti edelleen instrumentaalimuuttujien valinnan rationaalisuutta ja kausaalisen vaikutuksen arvioinnin vankuutta (kuva 4).

 

 

Kuva. 2 LUAD:n ja MDD:n esiintymisen syy-vaikutusarviot eri MR-menetelmillä

 

 

2.3 IVNG:iden toiminnallisen rikastamisen analyysin tulokset

Ensembl-tietokannasta tunnistettiin 120 IVNG:tä 12 SNP:n kromosomisekvenssien ja lokusten perusteella. Näiden IVNG:iden toiminnallinen rikastusanalyysi paljasti seuraavat tulokset:

GO Functional Enrichment: IVNG:t rikastuivat pääasiassa biologisissa prosesseissa, kuten vaste nikotiinille, kolinerginen synaptinen transmissio ja välittäjäaineiden kuljetus. Ne yhdistettiin myös solukomponentteihin, kuten plasmakalvon signalointireseptorikompleksit, kalvon sytoplasminen puoli ja postsynaptinen kalvo. Mitä tulee molekyylitoimintoihin, ne rikastuivat sellaisilla toimilla kuin symporter-aktiivisuus, sekundaarinen aktiivinen transmembraanikuljetusaktiivisuus, passiivinen transmembraanikuljetusaktiivisuus ja kanavaaktiivisuus (kuvio 5-A).

KEGG-polun rikastus: Rikastetut reitit liittyivät pääasiassa kolinergisiin signalointireitteihin (kuvio 5-A, B).

Rikastetut GO-toiminnot ja KEGG-reitit yhdistettiin ensisijaisesti seuraaviin IVNG:ihin:
CHRNA3 (kolinerginen reseptori nikotiini-alfa 3), CHRNA5, CHRNB4, EEF1A2 (elongaatiotekijä 1 alfa 2), KCNQ2 (kaliumjänniteporttikanava-alaperheen Q jäsen 2), LIME1 (Lck-vuorovaikutteinen membraaniproteiini 1), PIK3CG (fosfatidyyli-linositoli-3-fosfatidiini-4-fosfatidiini-5-fosfatyyli-4 gamma-alayksikkö), PTK6 (proteiinityrosiinikinaasi 6), SLC12A7 (liukenevan aineen kantajaperhe 12 jäsentä 7), SLC6A18, SLC6A19, SLC6A3, SRMS (Src-sukuinen kinaasi Lck interacting membraaniproteiini) ja TRAF3 (TNF-reseptoriin liittyvä tekijä 5)-B-B).

 

2.4 Mahdollisten kiinalaisten lääkekasvien ennustaminen ja tilastollinen analyysi

IVNG:t lähetettiin CTD-tietokantaan sukulaisten yhdisteiden hakemiseksi, mikä tuotti 1 023 yhdistettä duplikoinnin jälkeen, mukaan lukien edustajat, kuten retinoiinihappo, rotenoni, resveratroli, askorbiinihappo, kamptotesiini ja sitruunahappo. Lisäsuodatus pienensi luettelon 170 yhdisteeseen. ITCM-tietokannan avulla 41 näistä yhdisteistä kartoitettiin vastaaviin kiinalaisiin lääkeyrtteihin.

Tunnistetut yrtit ryhmiteltiin ja ladattiin Ancient and Modern Medical Records Cloud Platformiin standardointia ja kopioinnin poistamista varten, mikä johti 580 mahdolliseen lääkeyrttiin. Useimmin mainitut yrtit mukanaSha Yuan Zi(Astragaluksen siemen),Shan Zha Ye(Orapihlajan lehti),Ju Ju(sikuri),Feng Mi(Hunaja),Guang Zao(Jujube),Zhi Zi(Gardenia),Luo Xuan Zao(Spirulina),Rou Cong Rong(Cistanche), Pu Gong Ying(Voikukka),Qiao Mai(Tattari),Ma Huang(efedra),Wu Mei(Mume hedelmä) jaYi Yi Ren(Coix-siemen) (taulukko 4).

30 parhaan yrtin klusterianalyysi johti viiteen pääluokkaan:

Da Huang(Raparperi),Sha Ji(Tyrni).

Shan Zhu Yu(Cornus),Gou Gu Ye(Pyhä lehti),Wu Zhu Yu(Evodia),Ma Huang(efedra),Mu Gua(Papaija).

Pitkä Kui(Solanum nigrum),Ren Shen(ginseng),Chuan Xiong(Ligusticum),Ju Ju(sikuri),Jin Qiao Mai(kultainen tattari),Feng Mi(Hunaja),Wu Mei(Muumi hedelmä).

Yi Yi Ren(Coix-siemen),Ji Shi Teng(Paederia),Sha Yuan Zi(Astragaluksen siemen),Guang Zao(Jujube).

E Jiao(aasinahkagelatiini),Shi Hu(Dendrobium),Luo Xuan Zao(Spirulina),Lauloi Piao Xiao(Mantis-munakotelo),Da Suan(Valkosipuli),Shan Zha Ye(Orapihlajan lehti),Qiao Mai(Tattari),Ning Meng(Sitruuna),Zhi Zi(Gardenia),Rou Cong Rong(Cistanche),Pu Gong Ying(Voikukka),Da Ji(Odake) (Kuva 6).

Ennustettujen yrttien ominaisuudet

Neljä luontoa: Lämpimät yrtit olivat yleisimpiä (17,46 %), jota seurasivat neutraalit (15,80 %) ja kylmät (13,81 %) yrtit (kuva 7-A).

Viisi makua: Makea oli hallitseva maku (29,28 %), jota seurasivat karvas (26,19 %) ja pistävä (20,88 %) (kuvio 7-B).

Meridiaanitropismi: Yrtit vaikuttivat pääasiassa maksaan, jota seurasivat keuhkot, perna, mahalaukku, munuaiset ja sydän (kuva 7-C).

Tärkeimmät tehot: Ensisijainen teho oli lämmön puhdistaminen ja myrkkyjen poistaminen (7,96 %), mitä seurasi veren jäähdyttäminen ja verenvuodon pysäyttäminen (3,43 %), myrkkyjen poisto (3,31 %), hemostaasi (2,43 %) ja lämmön ja kosteuden poistaminen (2,10 %) (kuva 7-D).

Klassisten lääkemääräysten tunnistaminen

15 parhaan yrtin joukossa tärkeimmät yrtit, kutenMa Huang(efedra),Zhi Zi(Gardenia),Yi Yi Ren(Coix-siemen),Pu Gong Ying(Vokukka) jaRou Cong Rong(Cistanche) tunnistettiin usein. Mukana samanlaiset klassiset reseptitMa Huang-pohjaiset kaavat, Hua Hua San(Sophora-kukkajauhe),Huang Lian Jie Du Tang(Coptis Detoxification Decoction),Wei Jing Tang(Red Decoction),Wu Wei Xiao Du Yin(Viiden ainesosan vieroitusjuoma),Ji Chuan Jian(Etu River Decoction),Hua Gan Jian(Liver Transformation Decoction) jaSang Xing Tang(Mulperi- ja aprikoosikeitto) (taulukko 5).

Cytoscapen (V3.10.3) avulla rakennettiin "IVNG-yhdisteet-yrtit" -kartoitusverkosto, joka käsitti 41 kemiallista komponenttia, 54 IVNG:tä ja 580 lääkeyrttiä (kuva 7-E).

 

 

Kuva. 5 Rikastusanalyysin tulokset ja kaavio kolinergisesta signalointireitistä

 

Taulukko 4 30 parasta mahdollista interventiota, perinteinen kiinalainen lääketiede

Kiinalainen yrtti	Taajuus	Taajuus %	Kiinalainen yrtti	Taajuus	Taajuus %
Astragaluksen siemen	9	17.65%	Mumen hedelmät	9	17.65%
Hawthorn lehti	9	17.65%	Coix-siemen	9	17.65%
Sikuri	9	17.65%	Efedra	9	17.65%
Hunaja	9	17.65%	Voikukka	9	17.65%
Jujube	8	15.69%	Tattari	8	15.69%
Gardenia	8	15.69%	Valkosipuli	8	15.69%
Spirulina	8	15.69%	Ohdake	8	15.69%
Cistanche	8	15.69%	Sitruuna	8	15.69%
Mulberry misteli	8	15.69%	Dendrobium	8	15.69%
Aasinahkainen gelatiini	8	15.69%	Tyrni	8	15.69%
Sophora kukka	8	15.69%	Solanum nigrum	8	15.69%
Ginseng	8	15.69%	Ligusticum	8	15.69%
Papaija	8	15.69%	Cornus	8	15.69%
Hollyn lehti	8	15.69%	Evodia	8	15.69%

 

 

Kuva. 6 Perinteisten kiinalaisten lääkkeiden klusterianalyysitulokset