博客

文献解读丨国自然+Nature头条都青睐的中医药该如何研究?

近年来中医药的研究慢慢开始兴起,竟然登上了Nature头条。2018年9月26日,Nature头条刊登了一篇名为“Why Chinese medicine is heading for clinics around the world”的新闻,报道了中医诊所正在世界各地兴起,且世界卫生组织(WHO)首次认可传统医学

消息一出引来许多争议,但无论怎么说,这都是中国中医药发展的机会。而中医药走向世界的关键,是用数据证明确切的疗效。

近年来,许多研究中医药的老师都结合了分子生物学的手段进行药物作用机制研究,药效功能研究,常常围绕着“中药-基因-疾病”来研究。

小编这里解读一篇中药结合分子生物学的文章供大家参考。

文章标题

文章标题:A Novel Circulating miRNA-Based Model Predicts the Response to Tripterysium Glycosides Tablets: Moving Toward Model-Based Precision Medicine in Rheumatoid Arthritis

发表期刊

  • 期刊名称:frontiers in Pharmacology
  • 影响因子:831
  • 涉及的研究方向:PHARMACOLOGY & PHARMACY-
  • 出版国家或地区:瑞士
  • 期刊官方网站:http://journal.frontiersin.org/journal/pharmacology
  • 期刊投稿网站:http://www.frontiersin.org/submission/submissioninfo.aspx
  • 中科院SCI期刊分区:大类学科 医学 2区;小类学科:药学 2区

 

文章摘要

越来越多的临床证据表明,并非所有类风湿性关节炎(RA)患者都能基于雷公藤多甙F(TwHF)的雷公藤多苷片疗法中获益,这强调了预测药物应答的生物标志物和工具的重要性。

文中,作者整合了临床队列的芯片数据中TG片剂响应相关的miRNA和mRNA表达谱, miRNA靶标预测,miRNA-靶基因共表达,以及基因 - 基因相互作用,以确定四个候选循环miRNA生物标记,预测对TG片剂的反应。

此外,作者应用支持向量机(SVM)算法,根据候选miRNA生物标志物的水平构建TG片剂治疗结果的预测模型,并通过5倍交叉验证和独立的临床队列验证。

 

 文章思路 

▲图1 文章思路

 

文章结果

1.差异表达的mRNAmiRNA

通过比较Responders组与Non-responders组之间的PBMC中的miRNA和mRNA表达谱来评估患者对TG片剂反应的差异。通过生物信息学分析方法鉴定了总共有17种差异表达的miRNA(4种上调和13种下调)和212中差异表达的基因(102种上调和110种下调)(fold change>1.67,P<0.05)

上述差异表达的miRNA和mRNA的表达谱的无监督聚类和热图(图2)揭示了TG片剂的Responders组与Non-responders组的独特模式。

▲图2

2.候选循环miRNA预测对TG片剂的反应

根据TargetScan和miRanda获得的常见预测结果,获得了2097对miRNA-靶基因。挑选其中257对构建miRNA-靶基因共表达网络。如图3,网络图中的节点包括17个差异表达的miRNA和83个靶基因,计算之后,发现has-miR-378g是网络中的关键miRNA,表明了其对下游靶基因之间的负调节。

▲图3

为了通过功能组织表征药物反应,使用差异表达的miRNA的83个推定靶基因之间的相互作用关系构建miRNA介导的基因信号转导网络,确定了11个基因,它们高于相应中值三个特征值,表明在网络中具有很大的拓扑重要性。如图4,将基因信号转导网络分为两个功能模块,分别包含19个和3个节点。

▲图4

 miRNA介导的基因信号转导网络。(A) miRNA介导的基因信号转导网络中的两个功能模块。(B)上游差异表达的miRNA调节MX1-OASL和RNF2-UST的相互作用

综合miRNA-靶基因共表达网络和miRNA介导的基因信号转导网络分析结果,及循环miRNA作为疾病生物标志物的潜力,选择四种miRNA(hsamiR-550b-2-5p, hsa-miR-4797-5p, hsa-miR-6509-5p, and hsamiR-378g)作为对TG片剂应答的候选生物标志物,并将其用于构建药物反应的SVM预测模型。

 

3.候选循环miRNA生物标志物的鉴定

在鉴定出四种最被认可的miRNA作为TG片剂的响应的候选标志物之后,研究者通过定量PCR分析验证31名患者的验证群组中的基因芯片数据,如图5。

▲图5

 

4.SVM模型有效预测对TG片剂的响应

基于四种候选miRNA生物标志物构建了TG片剂响应的SVM预测模型。为了验证设计的合理性,研究者在验证队列中比较了SVM模型与单独的四种候选miRNA的性能。结果如图6所示,单个miRNA和miRNA水平的平均值在预测对TG片剂的响应方面都没有显示出比SVM模型更好的能力(AUC value comparisons, all P < 0.05)。

▲图6

此外,研究者还比较了SVM和各种常用的临床和炎症参数(包括患者的年龄、性别、ESR、CRP水平、RF水平、抗CCP抗体水平)的预测效果。结果如图6所示,ROC分析的比较显示在外周血中,构建的SVM模型有比常用临床和炎症参数更好的性能(AUC value comparisons, all P < 0.05)。

▲图7

这些发现表明基于四种候选miRNA标志物构建的SVM模型在预测RA患者对TG片剂治疗的反应方面优于常用临床和炎症参数、单独的miRNA标志物,这说明了该模型构建的必要性和有效性。

总之,这种基于循环miRNA的生物标志物模型可用于筛选对TG片剂有响应的RA患者,因此可能有利于RA在日常临床环境中的精准治疗。

(0)

本文由 GCBI学院 作者:乞嘚咙咚呛咚呛 发表,转载请注明来源!

热评文章

发表评论