Netzwerkpharmakologie und Validierung der antidepressiven Mechanismen von Qiangzhifang in einem Rattenmodell für chronische Restraint Stress-induzierte Depression

In dieser Studie wurde die antidepressive Wirksamkeit von Qiangzhifang in einem Rattenmodell für chronische Stress-induzierte Depressionen untersucht und seine regulatorische Wirkung auf HIF-1- und JAK-STAT-Signalwege durch Netzwerkpharmakologie und molekulare Docking-Analyse aufgeklärt.

Depression ist eine komplexe psychiatrische Störung, die erhebliche Herausforderungen bei der Behandlung mit sich bringt. Qiangzhifang (QZF), eine Verbindung, die in der traditionellen chinesischen Medizin verwendet wird, zeigt eine potenzielle klinische Wirksamkeit bei der Behandlung von Depressionen. Die Wirkmechanismen und Wirkstoffe von QZF sind jedoch nicht vollständig aufgeklärt. Das primäre Ziel dieser Studie war es, die wirksamen Wirkstoffe und potenziellen molekularen Mechanismen von QZF zur Linderung von Depressionen aufzuklären, indem netzwerkpharmakologische Vorhersagen mit experimentellen Validierungen kombiniert wurden.

Wir verwendeten ein Rattenmodell für chronischen Restraint Stress (CRS) und führten Verhaltenstests wie den Open Field Test (OFT), den Saccharose-Präferenztest (SPT) und den erzwungenen Schwimmtest (FST) durch, um die therapeutischen Auswirkungen von QZF auf Depressionen zu bewerten. In Bezug auf die Verhaltensparameter zeigte die QZF-Gruppe im Vergleich zur Modellgruppe eine signifikant höhere Körpermasse, ein höheres Saccharosepräferenzverhältnis und eine höhere Verweilzeit in der zentralen Zone (P < 0,01, P < 0,01, P < 0,01) und eine signifikant reduzierte Immobilisierungszeit im erzwungenen Schwimmtest (P < 0,001). Netzwerkpharmakologie und molekulare Docking-Studien deuten darauf hin, dass QZF antidepressive Wirkungen haben kann, indem es die HIF-1- und JAK-STAT-Signalwege moduliert, wobei wichtige Zielgene wie AKT1, IL-6, MTOR und TP53 an Entzündungen, Neuroprotektion und Apoptose beteiligt sind. Zusammenfassend lässt sich sagen, dass diese Studie neue Einblicke in die Modernisierung und Entwicklung chinesischer Arzneimittel zur umfassenden Behandlung von Depressionen bietet.

Depressionen, eine allgegenwärtige globale Gesundheitsherausforderung, sind gekennzeichnet durch eine anhaltende schlechte Stimmung, vermindertes Interesse und Freude sowie kognitive und neurologische Beeinträchtigungen¹. Wie von der Weltgesundheitsorganisation berichtet, sind weltweit etwa 380 Millionen Menschen von Depressionen betroffen, und es wird erwartet, dass diese Zahl noch steigen^{wird 2}. Als komplexe, multifaktorielle psychische Störung beeinträchtigt die Depression die Lebensqualität der Patienten und stellt eine erhebliche wirtschaftliche und medizinische Belastung für die Gesellschaft dar, die durch hohe Inzidenz-, Rezidiv- und Behinderungsraten gekennzeichnet^{ist 3}.

Die Ätiologie der Depression ist komplex, wobei die genauen Mechanismen noch nicht vollständig verstanden sind. Mit dem Fortschritt der Forschung auf diesem Gebiet haben Faktoren wie Neuroinflammation, oxidativer Stress und Apoptose große Aufmerksamkeit erhalten. Studien deuten darauf hin, dass Patienten mit Depressionen im Vergleich zu gesunden Personen erhöhte Spiegel an proinflammatorischen Zytokinen wie TNF und Interleukin-1β aufweisen, und eine höhere Prävalenz von Depressionen wird bei Patienten mit entzündlichen Erkrankungen beobachtet⁴. Bei oxidativem Stress werden reaktive Sauerstoffspezies (ROS) als Reaktion auf schädliche Reize überproduziert, was die antioxidative Abwehr des Körpers überfordert und zu einem Ungleichgewicht zwischen oxidativem und antioxidativem System führt, wodurch Gewebeschäden verursacht werden. Erhöhter oxidativer Stress bei Depressionen kann die Lipidperoxidation verstärken und die Schädigung zellulärer Gene und Proteine verschlimmern, was sich auf die neuronale Funktion auswirkt und zu neuronaler Degeneration, Apoptose und beeinträchtigter Plastizität beiträgt⁵. Darüber hinaus sind die Veränderungen, die bei Patienten mit Depressionen in klinischen Präsentationen, biochemischen Markern und Gehirnstrukturen beobachtet wurden, mit der Apoptose verbunden. Bildgebende Untersuchungen zeigen ein reduziertes Hippocampusvolumen und eine Atrophie bei Patienten mit Depressionen, wobei die neuronale Apoptose möglicherweise eine entscheidende Rolle bei diesen Veränderungen spielt⁶.

Derzeit ist die medikamentöse Behandlung der primäre Ansatz zur Behandlung von Depressionen, wobei selektive Serotonin-Wiederaufnahmehemmer (SSRIs) und Noradrenalin-Wiederaufnahmehemmer (NRIs) in der klinischen Praxis häufig eingesetzt werden⁷. Diese Medikamente gehen jedoch mit erheblichen Nebenwirkungen einher. Zusätzlich zu den Symptomen des Zentralnervensystems wie Kopfschmerzen und Schlaflosigkeit zeigen die meisten Antidepressiva häufig auch gastrointestinale Nebenwirkungen, einschließlich Übelkeit und Durchfall ^8,9. Einige Antidepressiva können auch sexuelle Dysfunktion^{verursachen 10}, was sich stark auf die Behandlungsergebnisse auswirkt und die Medikamenteneinnahme bei Patienten mit Depressionen verringert¹¹. Darüber hinaus ist die Wirksamkeit dieser Medikamente bei einigen Patienten begrenzt. Jüngste Metabolomik-Studien haben gezeigt, dass individuelle Unterschiede in der Darmmikrobiota die Wirksamkeit von Arzneimitteln beeinflussen können¹². Daher bleibt die Entwicklung sichererer und wirksamerer Behandlungen ein kritischer Schwerpunkt in der Depressionsforschung.

Formulierungen der Traditionellen Chinesischen Medizin (TCM) haben ein erhebliches Potenzial bei der Behandlung von Depressionen gezeigt, was auf ihre synergistischen Effekte zurückzuführen ist, die mehrere Komponenten, Ziele und Signalwege einbeziehen¹³. Die TCM geht davon aus, dass ein kräftiges Yang-Qi für den Erhalt der Vitalität des Körpers unerlässlich ist. Daher schlug Professor Yuanqing Ding unter Nutzung der einzigartigen Prinzipien der TCM-Diagnose und -Behandlung und seiner umfangreichen klinischen Erfahrung vor, dass "yang yu shen tui" die grundlegende Pathogenese der Depression ist. Basierend auf diesem Konzept entwickelte er Qiangzhifang (QZF), um speziell diese Pathogenese zu adressieren¹⁴. Die klinische Anwendung von QZF bei der Behandlung von Depressionen hat mit einer effektiven Gesamtrate von 71,43 %¹⁵ eine signifikante Wirksamkeit gezeigt. QZF setzt sich aus verschiedenen traditionellen chinesischen Heilstoffen zusammen, darunter Ramulus cinnamomi (gui zhi, GZ), Polygala tenuifolia (yuan zhi, YZ), Alpinia oxyphylla miq (yi zhi ren, YZR), Paeonia lactiflora (bai shao, BS), Fritillariae cirrhosae bulbus (chuan bei mu, CBM), Panax ginseng (ren shen, RS), Rhodiola rosea L (hong jing tian, HJT) und Süßholz (gan cao, GC) (Ergänzende Datei 1). Studien haben gezeigt, dass Polygala tenuifolia reich an Saponinen ist und neuroprotektive Wirkungen aufweist¹⁶. In ähnlicher Weise zeigt das Kräuterpaar Ramulus Cinnamomi-Paeonia lactiflora eine potenzielle Wirksamkeit bei der Linderung von Schmerzen und Depressionen¹⁷. Darüber hinaus können die Gesamtsaponine von Ginseng den proinflammatorischen Zytokinspiegel im Hippocampus senken, das depressive Verhalten verbessern und die Schädigung des Hippocampusnervs bei Ratten abschwächen¹⁸. Süßholz enthält hauptsächlich Triterpenoide und Flavonoide. Die Gesamtflavonoide (LF) des Süßholzes können eine antidepressive Rolle spielen, indem sie das depressive Verhalten verbessern, den BDNF/TrkB-Signalweg modulieren und die synaptische Plastizität verbessern¹⁹. Die spezifischen Mechanismen, die der antidepressiven Wirkung von QZF zugrunde liegen, sind jedoch unklar, was die breite Anwendung einschränkt.

Daher zielt unsere Studie darauf ab, ein CRS-Depressionsmodell für Ratten zu etablieren, die therapeutische Wirkung von QZF auf Depressionen bei Ratten durch Verhaltensexperimente zu demonstrieren und den antidepressiven Mechanismus von QZF mithilfe von Netzwerkpharmakologie und molekularer Docking-Technologie systematisch zu evaluieren²⁰. Durch die Klärung der Wirkstoffe und potenziellen Ziele von QZF können die Kernziele der Depression genau lokalisiert werden. Wir glauben, dass wir durch die tiefgreifende Erforschung des Wirkmechanismus von QZF nicht nur sicherere und effektivere Behandlungsoptionen für Patienten mit Depressionen anbieten können, sondern auch eine wissenschaftliche Grundlage für die Anwendung von TCM bei der Behandlung von Depressionen schaffen können.

Alle Versuchsprotokolle wurden von der Ethikkommission für Tierversuche der Universität für Traditionelle Chinesische Medizin (Zulassungsnummer: YYLW2023000327) genehmigt und entsprachen dem Leitfaden für die Pflege und Verwendung von Labortieren, der von den National Institutes of Health herausgegeben wurde. In diesem Experiment verwendeten wir 40 gesunde männliche Wistar-Ratten mit Lichtschutzfaktor und einem durchschnittlichen Körpergewicht von (140 ± 10) g (Abbildung 1). In der Materialtabelle finden Sie eine Liste aller Materialien, Geräte und Software, die in diesem Protokoll verwendet werden.

1. Modell der Rattendepression

1. Unterbringung und Gruppierung von Tieren
   1. Betreten Sie den Zuchtraum mit den Tieren und nummerieren Sie sie mit einem Schwanzmarkierungsinstrument.
   2. Halten Sie die Ratten einzeln in Käfigen mit einer Temperatur von 21 ± 2 °C und einem Hell-Dunkel-Zyklus von 12 h/12 h.
   3. Akklimatisieren Sie die Ratten 7 Tage lang im Labor, um ad libitum Zugang zu Futter und Wasser zu erhalten, während Sie sie täglich zur Anpassung behandeln.
   4. Messen Sie nach der Eingewöhnungsphase das Körpergewicht und führen Sie die Saccharose-Präferenztests (SPT) und Freifeldtests (OFT) durch.
   5. Teilen Sie die Ratten basierend auf den experimentellen Daten in vier Gruppen ein und stellen Sie sicher, dass jede Gruppe aus 10 Ratten besteht: die Kontrollgruppe (CON), die Modellgruppe (CRS), die QZF-Gruppe und die Fluoxetin (F)-Gruppe.
2. Etablierung eines Modells für chronischen Restraint Stress (CRS) bei Ratten
   1. Konstruiere die Ratten-Rückhaltevorrichtung. Wählen Sie ein transparentes Kunststoffrohr mit einem Durchmesser und einer Länge, die für die Größe²¹ der Ratte geeignet sind, damit die Ratte stehen und sich nach innen drehen kann, ohne dass sie entkommen kann. Verwenden Sie einen elektrischen Lötkolben-Locher, um Löcher an den Seiten des Kunststoffrohrs und am Deckel zu erzeugen, um eine gute Luftzirkulation zu gewährleisten.
   2. Legen Sie die Ratten 1 h nach der täglichen intragastrischen Verabreichung des Arzneimittels vorsichtig in die Rückhaltevorrichtungen (außer denen der Gruppe C) und stellen Sie sicher, dass sie sich in einer bequemen Position befinden.
   3. Entziehen Sie allen Gruppen von Ratten während der Fixierungszeit Futter und Wasser. Nachdem die Ruhigstellung abgelaufen ist, versorgen Sie sie gleichmäßig mit reichlich Futter und Wasser. Legen Sie die tägliche Fesseldauer auf 6 h (von 9:30 Uhr bis 15:30 Uhr) fest und halten Sie sie an 28 aufeinanderfolgenden Tagen aufrecht.

2. Medikamentöse Intervention

1. Verabreichen über die Sonde: 1 ml Lösung/100 g Körpergewicht, Fluoxetin (2,7 mg/^kg-1/^Tag-1) und QZF (2 g/^kg-1/^Tag-1)²². Versorgen Sie die Gruppen C und CRS mit äquivalenter normaler Kochsalzlösung für die Steuerung mit einer einzigen Variablen.
   HINWEIS: Die tägliche Verabreichung des Medikaments erfolgte um 08:00 Uhr, wobei synchron mit der Modelletablierung begonnen wurde und während des gesamten 28-tägigen Modellierungszeitraums angehalten wurde.

3. Saccharosepräferenztest (SPT)

1. Entziehen Sie den Ratten 24 Stunden lang vor Beginn des Experiments Futter und Wasser.
2. Bereiten Sie eine 1%ige wässrige Saccharoselösung vor und füllen Sie die Lösung und das reine Wasser zum Wiegen in die Trinkflaschen der Versuchstiere. Messen Sie den Verbrauch von reinem Wasser und Saccharosewasser, indem Sie die Flaschen vor und nach dem Experiment wiegen.
3. Stellen Sie eine Flasche Saccharoselösung und eine Flasche reines Wasser an den Wasserauslass jedes Rattenkäfigdeckels, eine links und eine rechts, um freien Zugang zum Trinken zu haben. Um zu verhindern, dass Ratten eine Seite für die Wasseraufnahme bevorzugen, tauschen Sie nach 30 Minuten im Experiment die Positionen der Wasserflaschen links und rechts.
4. Entfernen Sie nach 1 Stunde des Versuchs alle Wasserflaschen, wiegen Sie sie umgehend und notieren Sie den Verbrauch von Saccharoselösung und reinem Wasser. Berechnen Sie das wöchentliche Saccharose-Präferenzverhältnis mit der Formel:
   Saccharose-Präferenzwert = × 100%

4. Messung des Körpergewichts

1. Wiegen Sie die Ratten wöchentlich bei ihrem Eintritt in das Labor und stellen Sie die festgelegte Zeit für das Wiegen auf 7:00 Uhr ein. Legen Sie diesen Zeitplan fest, um die Beobachtung von Veränderungen des Körpergewichts zu erleichtern.

5. Freilandtest (OFT)

1. Bevor das Experiment beginnt, gewöhnen Sie die Ratten für 1 h an den Verhaltensraum und passen Sie die Beleuchtung in der offenen Feldbox an, um eine gleichmäßige Verteilung zu gewährleisten. Vergewissern Sie sich, dass die Ratten in der Tracking-Software deutlich sichtbar sind.
2. Verwenden Sie das Video-Tracking- und Analysesystem, um die Unterseite der offenen Feldbox (50 cm x 50 cm x 50 cm) in neun flächengleichflächige quadratische Raster zu unterteilen. Legen Sie die acht Raster, die an die Wände angrenzen, als peripheren Bereich und das mittlere Raster als zentralen Bereich fest.
3. Setze die Ratte in den mittleren Bereich des offenen Feldkastens. Zeichnen Sie die Bewegung der Ratte 5 Minuten lang mit dem Video-Tracking-System auf.
4. Reinigen Sie die Kammer nach dem Testen jeder Ratte mit 75 % Ethanol, um Restgeruch zu entfernen und eine Beeinträchtigung des Verhaltens der nächsten Ratte zu verhindern. Geben Sie die Gesamtentfernung (mm) der Aktivitäten im offenen Feld und die Anzahl der Einträge im zentralen Raster in den OFT-Datensätzen ein.

6. Erzwungener Schwimmtest (FST)

HINWEIS: Das Experiment mit erzwungenem Schwimmen an der Ratte besteht aus einem Vorexperiment und einem formalen Experiment. Führen Sie den Vorversuch 24 Stunden vor dem formalen Experiment nach dem gleichen Verfahren durch, wobei die Ratte 15 Minuten lang schwimmt.

1. Transportieren Sie die Versuchstiere mindestens 30 Minuten vor dem Versuch in den Verhaltensraum, damit sie sich an die Umgebung gewöhnen können.
2. Bereiten Sie einen transparenten zylindrischen Wasserzylinder aus Plexiglas (50 cm hoch, 20 cm Durchmesser) vor und füllen Sie ihn mit Wasser bei 23-25 °C. Passen Sie die Wassertiefe an das Gewicht des Tieres an und stellen Sie sicher, dass der Schwanz des Tieres einen bestimmten Abstand zum Boden des Zylinders hat.
3. Setzen Sie die Ratten langsam in den Wasserzylinder und verhalten Sie sich während des gesamten Experiments ruhig. Aktivieren Sie die Kamera und das Signalerfassungssystem. Beobachten und notieren Sie die Dauer der schwebenden Immobilität innerhalb von 300 s. Nehmen Sie die Ratten sofort aus dem Wasser und trocknen Sie sie am Ende des Versuchs.
4. Ersetzen Sie nach jeder Sitzung das Wasser, um jegliche Beeinflussung der nächsten Ratte zu vermeiden.

7. Pharmakologische Vorhersage des Netzwerks

1. Sammlung von QZF-Verbindungen und mutmaßlichen Zielen
   1. Greifen Sie auf die Datenbank für Systempharmakologie der Traditionellen Chinesischen Medizin (TCMSP) (https://old.tcmsp-e.com/)²³, die HERB-Datenbank²⁴ und die TCMID-Datenbank (https://www.bidd.group/TCMID/) zu. Verwenden Sie die acht TCM-Namen in QZF, darunter GZ, YZ, YZR, BS, CBM, RS, HJT und ZGC, als Schlüsselwörter, um nach Wirkstoffen und Zielen der Kräuter zu suchen. Sammeln Sie Ziele aus dem TCMSP und der Schweizer Zielvorhersage (http://www.swisstargetprediction.ch/). Legen Sie den Filterwert auf Wahrscheinlichkeit* > 0 fest.
      HINWEIS: In der Regel wurden die Inhaltsstoffe aufgrund ihrer pharmakokinetischen Eigenschaften als Wirkstoffe aufgenommen: orale Bioverfügbarkeit (OB) ≥ 30 % und arzneimittelähnliche Eigenschaften (DL) ≥ 0,18²⁵.
2. Vorhersage von Krankheitszielen
   1. Suchen Sie in der GeneCards-Datenbank (https://www.genecards.org/) nach dem Schlüsselwort "Depression", ermitteln Sie Genziele, die mit Depressionen in Verbindung gebracht werden, laden Sie die elektronische Tabelle mit Krankheitszielen herunter, filtern Sie die Genwerte, die über dem Durchschnittswert liegen, und stellen Sie eine Liste von Depressionszielen^{zusammen 26}.
3. Wirkstoff-Komponente-Krankheit-Zielnetzwerk
   1. Erstellen Sie eine neue Tabelle, und füllen Sie sie in derselben Spalte mit Zielen im Zusammenhang mit Depressionen und Medikamentenzielen. Klicken Sie in der Menüleiste auf Start | Bedingte Formatierung | Regeln zum Hervorheben von Zellen | Doppelte Werte. Wählen Sie im angezeigten Dialogfeld ein Format aus (z. B. "Hellrote Füllung")²⁷ und klicken Sie auf OK, um die Ergebnisse anzuzeigen.
   2. Starten Sie die Netzwerkanalyse-Software und importieren Sie die Tabellenkalkulationsdatei, indem Sie in der Menüleiste auf Datei klicken | Importieren | Netzwerk. Optimieren Sie das Erscheinungsbild des Netzwerks, indem Sie die Größe und Farbe der Knoten im Bereich Stil anpassen, der sich in der linken Systemsteuerung befindet. Führen Sie eine Netzwerk-Topologie-Analyse durch, indem Sie in der Menüleiste auf Extras klicken | Analysieren Sie Netzwerk²⁷.
4. Protein-Protein-Interaktionsnetzwerk (PPI)
   1. Greifen Sie auf das Jvenn-Tool (https://jvenn.toulouse.inrae.fr/app/example.html) zu, laden Sie die Wirkstoffziele und Krankheitsziele separat hoch, stellen Sie die überlappenden Gene (OGE) zwischen den vermuteten Zielen der Verbindung und den Krankheitszielen dar. Klicken Sie auf die Zahlen im Bild, kopieren Sie sie in eine Tabelle und laden Sie das Venn-Diagrammbild herunter.
   2. Greifen Sie auf die STRING-Datenbank (https://stringdb.org/)²⁸ zu, und geben Sie die OGEs aus der Tabelle in die Datenbank ein. Fügen Sie insbesondere die QZF-Anti-Depressions-Zielliste in das Dialogfeld Namensliste ein . Wählen Sie Homo sapiens im Abschnitt Organismen aus und klicken Sie auf SUCHEN | WEITER. Wählen Sie in der Titelleiste die Option Exporte aus, und laden Sie die Übersichtstabelle des PPI-Netzwerks im PNG- und TSV-Format^{herunter 29}.
5. Screening von Kernproteinen
   1. Starten Sie die Netzwerkanalyse-Software (https://cytoscape.org/). Klicken Sie dann in der Menüleiste auf Datei | Importieren | Netzwerk | Datei zum Importieren der Datei im TSV-Format, die im vorherigen Schritt³⁰ generiert wurde.
   2. Wählen Sie in der Menüleiste Netzwerk analysieren aus und klicken Sie auf die Schaltfläche Analysieren . Zeigen Sie dann die Analyseergebnisse an, und machen Sie sich mit den allgemeinen strukturellen Merkmalen des Netzwerks vertraut, z. B. die Anzahl der Knoten, die Anzahl der Kanten und den durchschnittlichen Grad.
   3. Wählen Sie Apps | App Manager in der Menüleiste. Suchen Sie nach MCODE, installieren Sie das Plug-In, und führen Sie das Plug-In aus, um das Hubziel abzurufen. Suchen Sie dann nach CytoNCA, installieren Sie das Plug-in und konzentrieren Sie sich auf die drei Parameterwerte Grad, Closeness-Zentralität (CC) und Betweenness-Zentralität (BC). Entsprechend den Werten dieser Parameter werden Knoten mit höherem Grad, CC und BC gescreent, die im Allgemeinen als Kernproteine³¹ betrachtet werden.
6. Gen-Ontologie (GO) und Kyoto Encyclopedia of Genes and Genomes (KEGG) Anreicherungsanalyse
   1. Öffnen Sie die Bioinformatik-Plattform (https://www.omicshare.com/). Klicken Sie auf das Menü Tools , suchen Sie das ID-Genkonvertierungstool und klicken Sie darauf. Klicken Sie dann auf die Schaltfläche Datei hochladen , wählen Sie den generierten Schritt auf dem Kern der Zielgene aus und laden Sie die Liste der konvertierten Datei-IDs herunter.
   2. Klicken Sie im Menü Extras auf das Tool Dynamische KEGG-Anreicherungsanalyse. Laden Sie die Gen-ID-Liste hoch. Wählen Sie in der Option Spezies die Option Homo sapiens aus und klicken Sie auf die Schaltfläche Senden.
   3. Klicken Sie im Menü Extras auf das Werkzeug Dynamische GO-Anreicherungsanalyse | Gen-Option | Option Datei hochladen. Wählen Sie die Gen-ID-Liste und in der Option Spezies die Option Homo sapiens aus. Wählen Sie den GO-Typ für die Analyse aus, einschließlich biologischer Prozess, molekulare Funktion und zelluläre Komponente.
   4. Legen Sie für die Ergebnisse der KEGG- und GO-Anreicherungsanalyse den Filterschwellenwert auf p < 0,05 fest. Ordnen Sie die Zählungen in absteigender Reihenfolge an.

8. Verifizierung des molekularen Dockings

1. Besuchen Sie die Website von PubChem (https://pubchem.ncbi.nlm.nih.gov/). Geben Sie die Zielverbindungen in die Suchleiste ein. Klicken Sie auf die 2D-Struktur und laden Sie sie herunter.
2. Öffnen Sie die Datenbank PDB (https://www.Rcsb.org/). Wählen Sie die Kristallstruktur mit hoher Auflösung, die den ursprünglichen Liganden enthält. Laden Sie die PDB-Datei herunter.
3. Um die Proteinstruktur zu optimieren, öffnen Sie die molekulare Visualisierungssoftware. Laden Sie die heruntergeladene PDB-Datei. Entfernen Sie Wassermoleküle und speichern Sie die optimierte PDB-Datei.
4. Öffnen Sie die Molecular Docking-Software und importieren Sie die optimierte PDB-Datei. Klicken Sie in AutoDockTools auf Bearbeiten | Wasser löschen , um Wassermoleküle zu löschen. Klicken Sie auf Bearbeiten | Wasserstoff hinzufügen | Hinzufügen , um dem Protein und dem Liganden^{Wasserstoffatome hinzuzufügen 29}.
5. Legen Sie in AutoDockTools die Rezeptorleiste auf receptor.pdbqt und die Ligandenleiste auf ligand.pdbqt fest. Öffnen Sie das pdbqt. , um die Bindungsstellen des Proteins und des Liganden anzuzeigen, und stellen Sie die Größe und Position der Dockingbox so ein, dass sie das Rezeptorprotein und die Ligandenverbindung vollständig umschließen kann. Klicken Sie in AutoDockTools auf Raster | Definieren Sie Gitterbox , um die Mittelpunktkoordinaten und Abmessungen der Box festzulegen und Standardwerte für das molekulare Andocken zu verwenden. Die Docking-Frames werden automatisch in absteigender Reihenfolge der Bindungsenergien sortiert.
6. Öffnen Sie die Ergebnisdatei, und notieren Sie den optimalen Wert für die Bindungsenergie. Niedrigere Bindungsenergien deuten auf eine stabilere Bindung hin. Verwenden Sie die molekulare Visualisierungssoftware, um die Ergebnisdatei zu laden. Passen Sie die Ansicht und die Farbe an, um die Liganden-Rezeptor-Wechselwirkung deutlich darzustellen.

9. Statistische Auswertung

1. Führen Sie statistische Analysen in der wissenschaftlichen Datenanalyse- und Visualisierungssoftware durch und stellen Sie alle Daten als Mittelwert ± SEM dar. Verwenden Sie die Zwei-Wege-ANOVA mit wiederholten Messungen für Vergleiche zwischen Gruppen vor und nach der Verabreichung des Arzneimittels. Verwenden Sie die unidirektionale ANOVA für Vergleiche zwischen mehr als zwei Gruppen.
2. Nehmen Sie den Wert von P < 0,05 als statistisch signifikant an.

Verhaltenstestergebnisse im CRS-induzierten Rattendepressionsmodell

Ergebnisse des Saccharose-Präferenztests
Zu Studienbeginn gab es keinen Unterschied im Saccharosepräferenzkoeffizienten zwischen den Gruppen (P > 0,05). Nach 28 Tagen Intervention war der Saccharosepräferenzkoeffizient der CRS-Gruppe signifikant niedriger als der der CON-Gruppe (P < 0,05), während die F- und QZF-Gruppen im Vergleich zur CRS-Gruppe signifikant höhere Koeffizienten aufwiesen (beide P < 0,01). Die Ergebnisse deuteten darauf hin, dass gestresste Ratten typische anhedonische Symptome zeigten, die durch die Behandlung mit F und QZF gelindert wurden (Abbildung 2A).

Ergebnisse des Körpergewichts
Vor der CRS-Induktion wurden keine signifikanten Unterschiede zwischen den Gruppen beobachtet (P > 0,05). Nach 4 Wochen Stress war die Wachstumsrate des Körpergewichts der Gruppe CRS signifikant niedriger als die der Gruppe CON (P < 0,01), während die Gruppen F und QZF signifikant höhere Wachstumsraten aufwiesen als Gruppe M (P < 0,001, P < 0,01). Diese Ergebnisse deuten darauf hin, dass Stress den normalen physiologischen Stoffwechsel bei Ratten störte, wobei die Gruppen F und QZF signifikante Verbesserungen und Korrekturen in ihren abnormalen Stoffwechselprofilen zeigten (Abbildung 2B).

Ergebnisse des offenen Feldtests
Nach 28-tägiger Intervention gab es keinen signifikanten Unterschied in der Gesamtdistanz des Freilandtests zwischen den vier Gruppen (P > 0,05) (Abbildung 2D). Im Vergleich zur Gruppen-CON war die Zeit, die im zentralen Bereich der Gruppen-CRS verbracht wurde, signifikant reduziert (P < 0,01). Im Vergleich zur CRS-Gruppe war die Verweildauer im zentralen Bereich der F- und QZF-Gruppe signifikant erhöht (beide P < 0,01). Es gab keinen signifikanten Unterschied zwischen den Behandlungsgruppen (P > 0,05) (Abbildung 2C,E).

Testergebnisse beim erzwungenen Schwimmen
Nach 28-tägiger Intervention zeigte die CRS-Gruppe im Vergleich zur CON-Gruppe eine signifikant erhöhte Immobilitätszeit (P < 0,0001). Im Vergleich zur CRS-Gruppe zeigten die F- und QZF-Gruppen signifikant reduzierte Immobilitätszeiten (P < 0,05, P < 0,001) (Abbildung 2F).

Vorhersage der Netzwerkpharmakologie

Zielnetzwerke mit zusammengesetzten Annahmen
Um das QZF-compound-hypothetische Zielnetzwerk zu konstruieren, haben wir zunächst 1.020 hypothetische Ziele von QZF gescreent, die von der Netzwerkanalysesoftware gesammelt und als zusammengesetzte Ziele visualisiert wurden. Das Netzwerk wies 1.184 Knoten und 8.728 Kanten auf (Abbildung 3)³².

QZF- und Depressions-Target-Screening
Insgesamt wurden 17.947 depressionsbezogene Ziele aus der GeneCards-Datenbank abgerufen, was einem durchschnittlichen Relevanzwert von 1,105 entspricht. Ziele mit einem Relevanzwert von mehr als 1,105 (n = 5.048) wurden anschließend für die weitere Datenanalyse ausgewählt. Es wurde ein Venn-Diagramm mit 1.020 Zielen von QZF erstellt, um 612 gemeinsame Ziele (OGEs) zu erhalten (Abbildung 4A). Die 612 gemeinsamen Ziele wurden zur Analyse in die STRING-Datenbank importiert, und das PPI-Netzwerk enthielt 607 Knoten und 14.375 Kanten (Abbildung 4B), und die OGEs wurden in die Netzwerkanalysesoftware importiert, um das Interaktionsnetzwerk zu erhalten.

Screening von Kernzielgenen
Bei der Modulanalyse mit dem MCODE-Plug-in wurde das Cluster-Modul mit der höchsten Punktzahl identifiziert, das einen MCODE-Score von 54,19029³¹ aufwies. Wir identifizierten 64 Schlüsselziele innerhalb des Cluster-Hub-Moduls, die für die antidepressive Wirkung von QZF entscheidend sind (Abbildung 4C). Mit dem CytoNCA-Plugin haben wir auf der Grundlage von drei Zentralitätsmetriken nach stark vernetzten Knoten gesucht: Gradzentralität (DC), Nahzentralität (CC) und Zwischenzentralität (BC). Insbesondere misst die Gradzentralität die Anzahl der direkten Verbindungen, die ein Knoten innerhalb des Netzwerks hat. Die Closeness-Zentralität quantifiziert den Kehrwert der durchschnittlichen kürzesten Weglänge zwischen einem Knoten und allen anderen Knoten und gibt an, wie effizient ein Knoten auf andere Knoten zugreifen kann. Die Betweenness-Zentralität bewertet die Häufigkeit, mit der ein Knoten auf den kürzesten Wegen zwischen allen Knotenpaaren erscheint, was seine vermittelnde Rolle widerspiegelt. Basierend auf diesen Metriken haben wir das Kernnetzwerk konstruiert und die 10 am besten verbundenen Knoten identifiziert: BCL2, AKT1, IL6, BCL2L1, MTOR, CASP3, TP53, STAT3, NFKB1 und HIF1A (Abbildung 4D). Nach der Datenfilterung führten wir eine funktionelle Anreicherungsanalyse dieser 10 wichtigen Zielgene durch, um ihre biologischen Funktionen weiter aufzuklären.

GO-Anreicherungsanalyse
Die GO-Anreicherungsanalyse ergab insgesamt 2.783 annotierte Items, von denen 2.385 eine statistische Signifikanz aufwiesen. Diese Analyse beeinflusste vor allem die Kategorien biologischer Prozess (BP), molekulare Funktion (MF) und zelluläre Komponente (CC). Konkret umfasste die GO-BP-Kategorie 2.450 Artikel, von denen 1.926 als statistisch signifikant eingestuft wurden. In der Kategorie "Molekulare Funktion" (GO-MF) wurden 184 Items identifiziert, von denen 117 eine statistische Signifikanz aufwiesen. Die Kategorie der zellulären Komponenten (GO-CC) ergab 149 Items, von denen 59 statistisch signifikant waren (Abbildung 5).

KEGG-Anreicherungsanalyse
Die Analyse der Anreicherung des KEGG-Signalwegs identifizierte insgesamt 156 Signalwege, die mit den 10 Schlüsselzielen assoziiert sind, wobei 119 dieser Signalwege eine statistische Signifikanz zeigten. Die Abbildungen veranschaulichen die 20 wichtigsten Pfade mit den höchsten Anreicherungswerten (Abbildung 6). Die Entfernung einiger assoziierter Krankheiten hinterließ zwei Signalwege, HIF-1 und JAK-STAT-Signalwege, die als Schlüsselwege für QZF und Depression vorhergesagt wurden.

Wichtige Zielsignalweg-Netzwerke für QZF und Depression
Um den mechanistischen Zusammenhang zwischen QZF und seinen Auswirkungen auf Depressionen aufzuklären, haben wir ein zentrales TCM-Wirkstoff-Ziel-Signalweg-Interaktionsnetzwerk entwickelt (Abbildung 7). Mit Hilfe von Netzwerkanalysesoftware haben wir den Signalweg mit dem signifikantesten p-Wert zusammen mit den zugehörigen Zielen visualisiert. Der resultierende Netzwerkgraph umfasste 93 Knoten und 218 Kanten. Darüber hinaus haben wir ein Sankey-Diagramm erstellt, um Schlüsselgene und ihre entsprechenden Wirkstoffe darzustellen, wobei wir uns speziell auf die Kernsignalwege HIF-1 und JAK-STAT konzentrieren (Abbildung 8).

Molekulares Andocken
Die molekulare Docking-Analyse wurde eingesetzt, um die Zielspezifität der Substanz zu untermauern. Diese Technik bewertet die Bindungsaffinität zwischen einem Liganden und seinem Proteinziel, wobei niedrigere Größen der Bindungsenergie auf eine stärkere Wechselwirkung und eine größere Nähe des Liganden zu seiner Bindungsstelle hinweisen³³. Die Ergebnisse zeigten, dass die Bindungsenergien -8,7 kcal/mol für HIF1A und Glycyrrhiza-Flavonol A, -8,5 kcal/mol für STAT3 und Ginsenosid rh2, -7,6 kcal/mmol für BCL2 und Isolicoflavonol, -6,8 kcal/mol für MTOR und Licochalcon B, -6,7 kcal/mol für AKT1 und Kaempferol und -5,2 kcal/mol für IL6 und Linolensäure betrugen.

Insgesamt zeigten die molekularen Docking-Ergebnisse, dass die Verbindungen eine starke Bindungsaffinität zu ihren Zielen aufwiesen. Die Bindungsenergie jedes Proteins wird wie folgt visualisiert: Das weiße Cartoon-Muster stellt den Proteinrezeptor dar, das blaue ist der niedermolekulare Ligand, die gelbe gestrichelte Linie zeigt die Wasserstoffbrückenbindung an, die zwischen dem Liganden und dem Rezeptor gebildet wird, das grüne stellt die Bindungsstelle der Wasserstoffbrückenbindung zwischen dem Proteinrezeptor und dem niedermolekularen Liganden dar, und die Zahlen geben die Wasserstoffbrückenbindungsabstände an, was bedeutet, dass die Bindung zwischen dem Liganden und dem Rezeptor sehr stabil ist (Abbildung 9)³⁴.

Abbildung 1: Flussdiagramm der Gruppierung und Verhaltenstests für Versuchsratten. Abkürzungen: CRS = chronischer Restraint Stress; QZF (Q) = qiangzhifang; F = Fluoxetin; OFT = offener Feldtest; FST = erzwungener Schwimmtest; SPT = Saccharose-Präferenztest. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 2: Auswirkungen von QZF auf das CRS-induzierte Depressionsmodell von Ratten. (A) Saccharoseverbrauch (%) an Tag 0 und Tag 28. (B) Körpergewicht (g) an Tag 0 und Tag 28. (C) Darstellung der Trajektorien von Ratten im Freilandversuch in Woche 4. (D) Gesamtdistanz auf offenem Feld an den Tagen 0 und 28. (E) Die Dauer des Aufenthalts im zentralen Bereich von OFT in jeder Gruppe in Woche 4. ** P < 0,01 deutet auf einen signifikanten Unterschied zwischen der F- und der QZF-Gruppe im Vergleich zur CRS-Gruppe hin. (F) Die FST-Immobilitätszeit (%) in jeder Gruppe in Woche 4. * P < 0,01 deutet auf einen signifikanten Unterschied zwischen der F-Gruppe und der CRS-Gruppe hin. P < 0,001 deutet darauf hin, dass die QZF-Gruppe signifikante Unterschiede zur CRS-Gruppe aufwies. Abkürzungen: CRS = chronischer Restraint Stress; QZF = qiangzhifang. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 3: QZF-Compound-Target Netzwerk. Die grünen Dreiecke kennzeichnen die traditionelle chinesische Medizin in QZF; die Kreise bezeichnen die Bestandteile der traditionellen chinesischen Medizin; Die Rauten bezeichnen die Ziele. Die rosa Pfeile zeigen die gemeinsamen Bestandteile mehrerer chinesischer pflanzlicher Arzneimittel an. A (MOL000211) bezieht sich auf Bai shao und Zhi gan cao; B (MOL000358) wird mit Bai Shao, Chuan bei mu, Gu zhi und Ren shen in Verbindung gebracht; C (MOL000359) verbindet sich mit Bai Shao, Chuan bei mu und Gui zhi; D (MOL000422) bezieht sich auf Bai shao, Zhi gan cao und Ren shen; E (MOL000492) ist relevant für Bai shao und Gu zhi. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 4: Identifizierung von Schnittpunktzielen und Screening der Kernziele. (A) Venn-Diagramm der gemeinsamen Ziele von QZF und Depression. Hellgrüne Kreise stellen die Zielproteine der Wirkstoffe in QZF dar; Blaue Kreise kennzeichnen Proteine, die mit Depressionen in Verbindung gebracht werden. Die überlappenden Bereiche, in denen sich die beiden Farben schneiden, veranschaulichen die gemeinsamen Proteine, insgesamt 612. (B) PPI-Netzwerk von QZF und Depression. (C) MCODE-Analyse. (D) Top 10 Kernziele. Abkürzungen: QZF = qiangzhifang; PPI = Protein-Protein-Interaktion. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 5: Histogramm für die GO-Anreicherungsanalyse gängiger Ziele. Die grünen Balken stellen biologische Prozesse dar; Die roten Balken stellen molekulare Funktionen dar; Die blauen Balken stellen zelluläre Komponenten dar. Die Höhe jedes Balkens spiegelt die Genzahl wider, die mit dem entsprechenden GO-Term verbunden ist. Abkürzung: GO = Gene Ontology. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 6: KEGG-Anreicherungswege der therapeutischen Ziele von QZF bei Depressionen. (A) Balkendiagramm der 20 wichtigsten Pfade, geordnet nach P-Wert. (B) Blasendiagramm der 20 wichtigsten Signalwege: Die Punktgröße gibt die Genzahl an; Die Farbintensität spiegelt die Signifikanz des P-Werts wider. (C) Funktionelle Annotation von KEGG-Signalwegen. Abkürzung: KEGG = Kyoto Encyclopedia of Genes and Genomes. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 7: Interaktionsnetzwerk des TCM-Compound-Target-Signalwegs. Rot steht für QZF und Depression, Lila für Signalwege, Grün für Kernproteine, Gelb für traditionelle chinesische Arzneimittel innerhalb von QZF und Blau für pflanzliche Bestandteile. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 8: Sankey-Diagramm des TCM-Compound-Target-Signalwegs für die antidepressive Wirkung von QZF basierend auf HIF-1- und JAK-STAT-Signalwegen. Abkürzungen: QZF = qiangzhifang; TCM = Traditionelle Chinesische Medizin; HIF-1 = Hypoxie-induzierbarer Faktor-1; JAK-STAT = Janus-aktivierte Kinase-Signalwandler und Aktivatoren der Transkription. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Abbildung 9: Ergebnisse der Validierung des molekularen Dockings. (A) Heatmap der Bindungsenergie (kcal/mol) zwischen repräsentativen Komponenten von QZF und Zielproteinmolekülen (B) Visualisierung der Andocksituation. Abkürzung: QZF = qiangzhifang. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen.

Ergänzende Datei 1: Zubereitung von QZF-Granulat der traditionellen chinesischen Medizin. Abkürzung: QZF = qiangzhifang. Bitte klicken Sie hier, um diese Datei herunterzuladen.

CRS ist eine weit verbreitete Methode zur Etablierung von Tiermodellen für Depressionen. Dieses Modell ahmt den chronischen psychischen Stress nach, dem man im menschlichen Leben begegnet, und induziert bei Ratten depressionsähnliche Verhaltensweisen³⁵. In dieser Studie wurde das Ratten-Fesselrohr aus transparentem Kunststoff hergestellt, um die Sicherheit der Tiere zu gewährleisten und gleichzeitig eine klare Beobachtung während des Versuchs zu ermöglichen. Das transparente Rohr maß etwa 18 cm in der Länge und 6 cm im Durchmesser und wies mehrere Belüftungslöcher mit einem Durchmesser von jeweils 1 cm auf, die gleichmäßig entlang der Seiten und des Deckels verteilt waren, um den Ratten einen ausreichenden Luftstrom zu bieten. Die gestressten Ratten zeigten depressive Symptome wie Lethargie und glasige Augen sowie Verhaltensänderungen, die für Depressionen charakteristisch sind. Zu diesen Veränderungen gehörten insbesondere eine verminderte motorische Aktivität im OFT, eine verlängerte Immobilitätszeit im FST und ein reduzierter Saccharoseverbrauch im SPT. Diese Verhaltensmanifestationen ähneln stark der Bradykinesie, der Anhedonie und dem Interessenverlust, die bei Patienten mit klinischer Depression beobachtet werden.

Im Rahmen der Erforschung der komplexen pathologischen Mechanismen der Depression bietet die Kombination von Netzwerkpharmakologie und molekularer Docking-Technologie eine innovative Strategie zur Analyse der molekularen Mechanismen der Wirkstoffe der traditionellen chinesischen Medizin bei der Behandlung von Depressionen. In dieser Studie wurden HIF1A, STAT3, BCL2, MTOR, AKT1 und IL6 als die Hauptziele von QZF bei der Behandlung von Depressionen identifiziert. Diese Ziele wurden hauptsächlich in den HIF-1- und JAK-STAT-Signalwegen angereichert. Diese beiden Signalwege spielen eine zentrale Rolle bei den zentralen pathologischen Prozessen der Depression, wie Neuroinflammation, oxidativem Stress und Apoptose.

Der HIF-1-Signalweg, der als zentraler Regulationsmechanismus für den zellulären Sauerstoffstoffwechsel dient, spielt eine entscheidende Rolle bei verschiedenen physiologischen Prozessen, darunter Neuroprotektion, antioxidative Stressreaktionen und Angiogenese³⁶. Die Forschung zeigt, dass das Hirngewebe von Menschen mit Depressionen eine ausgeprägte hypoxische Mikroumgebung und oxidative Stressverletzungen aufweist, die eng mit der Aktivierung neuroinflammatorischer Reaktionen und dem Ungleichgewicht der Neurotransmitter verbunden sind³⁷. Semenzas Forschung zeigt, dass HIF-1α unter hypoxischen Bedingungen Gene hochreguliert, die mit dem Sauerstoffstoffwechsel und antioxidativen Abwehrmechanismen verbunden sind, einschließlich des vaskulären endothelialen Wachstumsfaktors (VEGF), des Erythropoietin (EPO) und der mitochondrialen Gene. Folglich verbessert dies die mitochondriale Funktion, fördert die Bildung von Mikrogefäßen des Gehirns, erhöht die Sauerstoffzufuhr zum Hirngewebe und reduziert die Akkumulation reaktiver Sauerstoffspezies (ROS)³⁸.

Weitere experimentelle Studien zeigen, dass ein HIF-1α-Mangel die neuronale Anfälligkeit für oxidativen Stress deutlich erhöht und dadurch eine abnormale Aktivierung des apoptotischen Signalwegs auslöst³⁹. Dies führt zu einer signifikanten Zunahme der neuronalen Apoptose und einem fortschreitenden kognitiven Verfall. Im Gegensatz dazu steigert die neuronenspezifische HIF-1α-Überexpression in transgenen Mausmodellen sowohl das neuronale Überleben als auch die synaptische Dichte signifikant⁴⁰. Diese Ergebnisse untermauern nicht nur die entscheidende Rolle von HIF-1α im antioxidativen Abwehrmechanismus, sondern unterstreichen auch seine potenzielle therapeutische Bedeutung bei der Verbesserung der Gehirnfunktion durch die Förderung der neuronalen Plastizität, den Umbau und die Optimierung der synaptischen Architektur. Darüber hinaus antagonisiert der HIF-1-Signalweg den NF-κB-Signaltransduktionsweg, was zu einer Verringerung der Produktion der inflammatorischen Zytokine IL-6 und TNF-α, einer Unterdrückung der Neuroinflammation und dem Auftreten potenzieller neuroprotektiver und antidepressiver Wirkungen führt⁴¹.

Insbesondere Glycyrrhiza-Flavonol A, einer der Wirkstoffe von QZF, hat nachweislich antioxidative und entzündungshemmende Eigenschaften. In dieser Studie zeigen molekulare Docking-Daten, dass Liciritigenin A eine hohe Bindungsaffinität zum HIF-1α-Protein aufweist und -8,7 kcal/mol erreicht. Dieser Befund deutet stark darauf hin, dass Glycyrrhiza-Flavonol A direkt auf HIF-1α abzielen und dessen Proteinstabilität oder transkriptionelle Aktivität modulieren kann. Folglich reguliert es die Expression von Genen, die am Sauerstoffstoffwechsel und der antioxidativen Abwehr innerhalb des HIF-1-Signalwegs beteiligt sind, wodurch das neuronale Überleben unter hypoxischen Bedingungen verbessert und depressionsbedingte neuronale Schäden gelindert werden.

Der JAK-STAT-Signalweg dient als zentraler Knotenpunkt für die Zytokin-Signaltransduktion und spielt eine zentrale Rolle in verschiedenen biologischen Prozessen, einschließlich der Entzündungsregulation, der Modulation der Immunantwort und des neuronalen Überlebens ^42,43. Umfangreiche Forschungen haben gezeigt, dass die Pathogenese der Depression eng mit der Dysregulation des JAK-STAT-Signalwegs verbunden ist⁴⁴. Eine von Dowlati et al. durchgeführte Metaanalyse zeigte, dass im Vergleich zu gesunden Kontrollen die Serumspiegel von proinflammatorischen Zytokinen wie IL-6 und TNF-α bei Patienten mit Depressionen signifikant erhöht waren und positiv mit der Schwere der depressiven Symptome korrelierten⁴⁵. Insbesondere sind diese entzündungsfördernden Faktoren in der Lage, den JAK-STAT-Signalweg zu aktivieren und dadurch eine Entzündungsreaktion auszulösen. Dieser Prozess führt nicht nur zu einer direkten Schädigung von Neuronen und Gliazellen, sondern beeinträchtigt auch die synaptische Struktur und Funktion, was letztendlich zu kognitiven und emotionalen Beeinträchtigungen bei Patienten führt⁴⁶.

Darüber hinaus ist die übermäßige Aktivierung des JAK-STAT-Signalwegs stark mit der neuronalen Apoptose assoziiert. Eine anhaltende STAT3-Phosphorylierung reguliert die Expression von pro-apoptotischen Genen, einschließlich Mitgliedern der Caspase-Familie, hoch, was letztendlich zu einem neuronalen Verlust führt. Darüber hinaus beeinträchtigt die aberrante Aktivierung dieses Signalwegs die Neurogenese im Hippocampus-Bereich und verringert die synaptische Plastizität, wodurch neurofunktionelle Defizite verschlimmert^{werden 47}. In dieser Studie zeigte das Ginsenosid Rh2, ein wichtiger Wirkstoff von QZF, in der molekularen Docking-Analyse eine signifikante Bindungsaffinität mit dem STAT3-Protein. Basierend auf diesen Erkenntnissen kann Ginsenosid Rh2 neuroinflammatorische Reaktionen wirksam lindern, indem es die STAT3-Aktivierung spezifisch hemmt und dadurch die Produktion und Freisetzung von proinflammatorischen Zytokinen reduziert⁴⁸.

Zusätzlich zu den beiden zentralen Signalwegen, HIF-1 und JAK-STAT, identifizierte diese Studie die synergistischen Wechselwirkungen zwischen anderen Wirkstoffen und Zielen während der antidepressiven Wirkung von QZF. BCL2, ein kanonisches anti-apoptotisches Protein, spielt eine wesentliche Rolle bei der Aufrechterhaltung des Zellüberlebens und der Unterdrückung apoptotischer Signalwege⁴⁹. In QZF weist Isolicoflavonol antioxidative und anti-apoptotische Eigenschaften auf, indem es spezifisch auf das BCL2-Protein abzielt und es aktiviert, wodurch die neuronale Apoptose wirksam gehemmt, Neuronen geschützt und neuropathologische Veränderungen im Zusammenhang mit Depressionen gelindert werden. Darüber hinaus ist der aberrante MTOR-Signalweg bei Patienten mit Depression stark mit neuronaler Dysfunktion assoziiert⁵⁰. Studien haben gezeigt, dass Licochalcon B das neuronale Wachstum und Überleben fördert, die synaptische Plastizität und die funktionelle Konnektivität verbessert, indem es den MTOR-Signalweg^{moduliert 51} und dadurch eine antidepressive Wirkung ausübt. Darüber hinaus aktiviert das natürliche Flavonoid Kaempferol, das sich durch seine starke antioxidative und entzündungshemmende Wirkung auszeichnet, spezifisch den AKT1-Signalweg. Durch die Regulation mehrerer wichtiger nachgeschalteter Moleküle fördert es nicht nur das neuronale Überleben, sondern beschleunigt auch die funktionelle Wiederherstellung und bietet so zusätzliche molekulare Zielunterstützung für die antidepressive Wirkung von QZF.

Zusammenfassend lässt sich sagen, dass in dieser Studie Netzwerkpharmakologie und molekulares Docking verwendet wurden, um die therapeutischen Signalwege, Kernziele und wirksamen Wirkstoffe von QZF bei der Behandlung von Depressionen vorherzusagen. Die antidepressive Wirkung von QZF wurde in einem Rattenmodell für Depressionen validiert, was darauf hindeutet, dass es seine antidepressive Wirkung ausüben kann, indem es mehrere Signalwege, einschließlich HIF-1 und JAK-STAT, moduliert und auf wichtige pathologische Prozesse wie Neuroinflammation, oxidativen Stress und Apoptose abzielt. Diese Erkenntnis vertieft nicht nur unser Verständnis der pathologischen Mechanismen, die der Depression zugrunde liegen, sondern bietet auch eine theoretische Grundlage und neue therapeutische Ziele für die Anwendung der Formeln der traditionellen chinesischen Medizin in der Behandlung von Depressionen. Diese Studie hat jedoch gewisse Einschränkungen. Die synergistischen Mechanismen mehrerer Komponenten in QZF müssen noch vollständig aufgeklärt werden, und die Stoffwechselprozesse und Wechselwirkungen dieser Komponenten in vivo müssen weiter untersucht werden. Zukünftige Forschung könnte In-vitro - und In-vivo-Experimente mit fortschrittlichen Technologien wie Flüssigchromatographie, Hochdurchsatz-Sequenzierung und Multi-Omics-Integration integrieren, um die wichtigsten Ziele und Signalwege, die mit den antidepressiven Wirkungen von QZF verbunden sind, umfassend und genau zu identifizieren und so die Vorhersagen durch Netzwerkpharmakologie zu verifizieren und zu erweitern.

Die Autoren haben keine Interessenkonflikte anzugeben.

Die Forschung wurde unterstützt von der National Natural Science Foundation of China (82374311), der State Administration of Traditional Chinese Medicine High-Level Traditional Chinese Medicine (TCM) Basic Theory Key Discipline Construction Project (zyyzdxk-2023118), dem National Traditional Chinese Medicine Experts Studio Construction Project (National Chinese Medicine Education Letter No.75) und der Natural Science Foundation der Provinz Shandong (ZR2022LZY016). Das QZF-Granulat wurde von der Abteilung für pharmazeutische Produkte des angeschlossenen Krankenhauses der Shandong-Universität für Traditionelle Chinesische Medizin hergestellt.