茵陈质量标志物的预测（二）

2.1.3 GO分类富集分析

将所得到的茵陈预测81个靶点导入STRING数据库进行GO功能富集分析，得到GO条目1 892个，质量其中生物过程条目1 648个，标志细胞组成条目82个，茵陈预测分子功能条目162个，质量分别占73%、标志13%、茵陈预测14%．其中，质量生物过程主要涉及氮化合物代谢过程的标志正调控、大分子代谢过程的茵陈预测正调控、细胞过程的质量正调控、刺激反应的标志调节、细胞对有机物质的茵陈预测反应、细胞对化学刺激的质量反应及对含氧化合物的反应等过程;分子功能主要涉及激活转录因子结合、蛋白质结合、标志酶结合及蛋白质异构化活性等功能;细胞组成涉及在膜结合细胞器、细胞质部、胞外区及细胞器等区域．3个分支数量排名前20位相关条目信息柱状图如图2所示．

2.1.4 KEGG通路富集分析

利用DAVID6.8.0数据库对81个靶点进行通路富集分析，得到281条信号通路(P<0.05)，涉及癌症、乙型肝炎和TNF信号通路等，表明这些靶点可能主要通过调控这些通路达到干预疾病的目的．前20位信号通路气泡图如图3所示．

2.1.5“成分—靶点—通路”网络构建及分析

将富集分析得到的排名前20的通路所对应的57个作用靶点及13种成分，运用Cytoscape3.7.1软件构建“成分—靶点—通路”网络，根据网络的拓扑学性质度值排序确定关键节点，在所构建的网络中，依据Degree值(度值)确定关键节点，度值>中位数(成分度值中位数=3，靶点度值中位数=15，通路度值中位数=14)的成分有4种，靶点有28个，通路有10条．4种成分为槲皮素、异鼠李素、β-谷甾醇及茵陈蒿灵A，度值分别为55、8、7和5，由于该4种化合物在网络中具有较高的连接度，提示这可能是茵陈发挥药效的主要活性成分．靶点的关键节点分别是AKT1、TNF、JUN、MAPK1、RELA、TP53及IL6，度值分别是38、37、37、36、36、34及31，表明这可能是茵陈化合物作用于癌症、肿瘤、乙肝与病毒等信号通路潜在的关键作用靶点．网络药理学研究从成分有效性角度提示槲皮素、异鼠李素、β-谷甾醇及茵陈蒿灵A等成分可作为茵陈潜在Q-marker进行深层次研究．

声明：本文所用图片、文字来源《成都大学学报》，版权归原作者所有。如涉及作品内容、版权等问题，请与本网联系删除。

相关链接：质量，细胞，化合物