登登登，馆长闪亮登场！馆长最近狂啃文献，终于挖到宝了，给大家安利一篇低成本且发表神速的文章，
直接使用已发表的数据，投稿到发表仅需46天！
该期刊钟爱生信方向，还对国人友好，生信方向的宝子们有福了，赶紧投起来啊~
言归正传，馆长正式开始给大家介绍一下这篇发表迅速的文章！让我们迅速来围观吧~
1、
本研究从中药成分这一新视角出发，下载已有的数据集，利用网络药理学鉴定14种中药的活性成分的作用，从化合物到单个成分的研究更加全面的阐明中医药对Ⅱ型糖尿病性肾病免疫调节机制。
2、
关于14种中药是否能治疗Ⅱ型糖尿病性肾病的研究较少，本研究通过分子对接分析确定了这些中药前三种活性成分与糖尿性肾病靶标存在相互作用，确定了3种活性成分能够作为治疗该病的潜在可能，也为理解中药如何调节疾病发展提供了新的视角。
3、
此外，中药制剂目前仍然面对很大的挑战。本研究解释了中药成分对疾病免疫调节机制，为中药制剂提供了理论依据，也为开发新药的增加了新的途径。
本文让我们了解到即使是已有的数据，熟悉的方法，但是独特的分析视角也是能产出一篇不错的文章的！
（PS：也想要发文章的童鞋们赶紧扫码联系我吧，我已经迫不及待想要分享给大家各种干货啦~）。
定制生信分析
云服务器租赁
加好友
备注“99”
领取试用
题目：基于生物信息学、网络药理学和分子对接技术，探究多种传统中药针对Ⅱ型糖尿病性肾病的潜在免疫相关治疗机制
杂志：International Immunopharmacology
影响因子：IF=4.8
发表时间：2024年4月
研究背景和意义
Ⅱ型糖尿病（Type 2 diabetes mellitus （T2DM））是一种常见的糖尿病类型，患者一般对胰岛素或者胰岛β细胞表现为抗性。此外，若患者进一步出现代谢紊乱，炎症等病症，部分T2DM患者会发展成Ⅱ型糖尿病性肾病（Type 2 diabetic nephropathy）（T2DN）。然目前，由于T2DN发病机制极其复杂，可用的治疗方式十分受限，之前的研究表明了传统中药对T2DM存在潜在免疫作用，但这些中药如何影响免疫力进而影响T2DN发展尚未可知。本研究利用
生物信息学、网络药理学和分子对接
联合分析的方法，旨在探讨中药成分针对T2DN的免疫调节机制，为控制疾病发展提供一个新的研究思路。
材料与方法
1、
生物信息学分析：从GEO数据库下载已有的T2DN数据集，筛选后构建对照组和实验组差异基因表达谱、基因共表达网络（WGCNA）以及基因富集分析，全面解析了所有基因的差异信息。
2、
网络药理学分析：根据TCMSP和ETCM数据库筛选14种中药的活性成分及其对应的靶蛋白，进一步通过SwissADME将活性成分进行药物相似性筛选，并整合Genecards和OMIM数据库，分别获取活性成分和T2DN靶点，构建“活性成分-T2DN-通路”网络，识别排名前3种活性成分。
3、
分子对接：利用PubChem获取活性成分（前三种）的三维结构，Uniprot和RCSB数据库获取免疫治疗靶点三维结构，并通过AutoDock4预处理后将两者进行分子对接并可视化。
研究结果
1.
T2DN中差异基因的功能富集分析
本研究从GEO数据库下载GSE30528和GSE96804数据集并矫正，后将对照组和T2DN组进行差异表达分析，研究发现T2DN组中存在638个差异表达基因（DEGs），其中
196个基因出现上调，442个基因出现下调
（见图1A-B）。
进一步将差异基因进行GO和KEGG通路富集分析（图1C-D），结果表明DEGs 显著富集在影响糖尿病发展的多个通路中，例如
AGE-RAGE、PPAR和PI3K-Akt信号通路，以及肾脏发育和其他免疫相关通路
。
图1 差异基因的识别和富集分析
2.
基于GSE30528和GSE96804数据集构建WGCNA网络
本研究继续将已下载的数据集进行加权共表达分析，结果表明所有基因根据其表达模式进行聚类（图2D-E），共发现了15个共表达模块。本研究进一步将15个模块与T2DN组进行相关性分析（图2F），获得了一个显著相关模块（紫色），在此基础上确定了
18个T2DN关键枢纽基因（hub-genes）
（图2G）。
图2 WGCNA分析识别共表达基因模块
3.
识别免疫细胞相关的潜在中心生物标记物
本研究进一步比较对照组和T2DN组后发现T2DN，
所有关键基因的表达谱存在显著差异且这些DEGs主要富集在免疫反应信号通路，例如淋巴B细胞受体、NOD样受体、T细胞受体等、Th17细胞分化、以及炎症反应等
（图3D和E）。本研究进一步通过LASSO算法筛确定5个关键枢纽基因中存在4个潜在生物标记物：
FOS、CXCR1、JUN和CXCR2
，并根据公式将四个潜在标记物构建了最佳预测模型（ROC分析验证预测效果）（图3F-H）。
图3 获取关键基因以及潜在的生物标记物
4.
T2DN与免疫细胞的关系
此外，本研究通过免疫细胞浸润分析检测了免疫细胞的组成和不同免疫细胞之间的相关性（图4A和B），并统计了这些细胞在T2DN和对照组中的表达量（图4C），进而获得它们与关键基因的相关性（图4D）。结果显示：T2DN中多个免疫细胞表达量存在显著差异，例如
记忆B细胞、M1巨噬细胞、γδ T细胞、M2巨噬细胞、中性粒细胞等，其中M2巨噬细胞、静息肥大细胞和中性粒细胞
表达量在T2DN组中存在极显著差异（前两种细胞表达量显著上升，而中性粒细胞表达被抑制（图4C））。值得关注的是，存在极显著差异的三种细胞与关键基因的表达存在显著相关，进一步根据相关系数筛选出
CXCR1、CXCR2和FOS（|相关系数| >0.4，P值<0.05）为T2DN潜在的关键生物标志物和免疫治疗靶点
（图4D）。
图4 T2DN组中免疫细胞特征
5.
构建蛋白质互作网络和识别中药的活性成分
本研究进一步分析T2DN靶点和活性成分靶点差异，结果表明这两种靶点存在377个相同基因（图5A），并且这些基因显著富集在
抗胰岛素、MAPK等信号通路
（图5B-C）。为了进一步研究14种传统中药的活性成分，T2DN免疫靶点以及各信号通路之间的三者的相关性，本研究利用Cytoscape构建并可视化了“
活性成分-T2DN-途径
”网络（图5D）并根据评分确定中药的前10种活性成分
。
图5构建含有14种传统中药（TCM）活性成分-靶点-途径网络
6.
分子对接验证
最后，为了解释被筛选的活性成分对T2DN中的免疫调节潜力，本研究利用分子对接进行验证分析，最终阐明活性成分与潜在免疫治疗靶点的相互作用（见图6A-I）。首先，基于网络药理学结果，山奈酚、槲皮素和木樨草素被确定为排名前三的中药活性成分，之后将这些活性成分与上述结果中3个潜在的T2DN免疫治疗靶点进行分子对接分析，研究结果显示，
所选的活性成分和潜在免疫靶点均表现出强对接亲和力（-7.51 < 亲和力 < -6.11 kcal/mol）
（见图6J）。
图6活性成分与潜在免疫治疗靶点的分子对接模式图
文章总结
