表1(Table 1)
2. 广西中医药大学第一附属医院，广西 南宁 530023
2. The First Affiliated Hospital of Guangxi University of Traditional Chinese Medicine, Nanning 530023, China
溃疡性结肠炎(ulcerative colitis，UC)是一种慢性复发性直肠及结肠炎症性疾病，临床表现为腹痛、腹泻、便血等，发病机制通常被认为与肠道菌群失调、免疫反应紊乱等密切相关[1]。在临床实践中，UC常规治疗依赖于氨基水杨酸、皮质类固醇、免疫调节剂等药物。然而，长期的西药治疗不仅给患者带来了巨大的经济负担，而且治疗后的患者仍有较高的复发率、甚至出现严重的副作用。研究表明，长期应用磺胺嘧啶治疗UC会引起男性低精子血症和女性不孕；糖皮质激素的使用也会导致严重的代谢紊乱[2]。因此，探索UC新治疗策略是十分必要的。
雷公藤最早记录于《神农本草经》，因其有大毒，故多为外用。临床实践中，小剂量雷公藤内服对免疫性疾病疗效独特，已成为疗效最确切的一味中药，几乎没有类似的中药可以代替[3-4]。研究表明，中药雷公藤可以调节肠道菌群，恢复菌群多样性，从而治疗UC[3]；雷公藤多苷减少自由基生成、增强抗氧化能力，重新建立氧化还原平衡，抑制结肠炎症[5]；雷公藤内酯醇可以干预肿瘤坏死因子信号通路，抑制UC的炎症反应[6]；雷公藤甲素通过调节初级胆汁酸生物合成、脯氨酸的代谢等途径干预UC的进展[7]。总而言之，雷公藤对于UC的治疗具有显著作用。然而，因其毒性较大，易引起药源性不良反应，这成为限制其在临床上广泛应用的主要原因。本研究基于网络药理学分析雷公藤治疗UC的活性成分、作用靶点、生物功能及信号通路，旨在为药物活性成分的提取提供参考，从而降低药物毒性。
1 材料与方法 1.1 数据库及软件中药系统药理分析平台(traditional chinese medicine systems pharmacology database and analysis platform，TCMSP)(http://tcmspw.com/index.php，Version 2.3)；Uniprot数据库(https://www.uniprot.org/，更新至2021年4月30日)；Gene Expression Omnibus数据库(https://www.ncbi.nlm.nih.gov/geo/，GEO数据库)；STRING数据库(http://string-db.org/，Version 11.0)；Bioconductor平台(http://www.bioconductor.org/，Version 3.11)；R语言(x64 4.0.3)；Cytoscape软件(Version 3.8.0)；Perl语言(ActivePerl 5.30)；PyMOL软件(v2.4.0)；Auto Dock Tools软件(1.5.6)；ChemBio3D Ultra软件(14.0)。
1.2 雷公藤活性成分及作用靶点的筛选设置口服生物利用度(oral bioavailability，OB)≥30%、类药性(drug likeness，DL)≥0.18的筛选条件在TCMSP数据库检索得到雷公藤的活性成分。运用Perl语言结合Uniprot数据库中已认证的人类基因对作用靶点进行规范化，将靶点名称转为基因名称。
1.3 雷公藤“活性成分-药物靶点”网络的构建将筛选得到的雷公藤活性成分及作用靶点导入Cytoscape软件，构建雷公藤“活性成分-药物靶点”可视化网络。借助cytoNCA插件对网络进行拓扑分析。根据拓扑指标Betweenness centrality(BC)、Degree centrality(DC)的中位值筛选得到雷公藤“活性成分-药物靶点”核心网络。
1.4 UC差异基因的筛选基因数据来源于GEO数据库中的GSE38713芯片。该芯片数据包含13例健康受试者和15例活动性UC患者的结肠黏膜组织基因表达量，以健康受试者和活性UC患者基因差异倍数的绝对值(|log FC|)≥1且P < 0.05为标准分析基因数据的差异性。
1.5 雷公藤治疗UC“活性成分-疾病靶点”网络构建及可视化分析将雷公藤作用靶点基因与UC差异基因进行取交集，并绘制Venn图；运用Perl语言将交集基因映射出相对应的活性成分，建立雷公藤“活性成分-疾病靶点”数据库；借助Cytoscape软件绘制可视化调控网络图。根据拓扑指标BC、DC的中位值得到雷公藤治疗UC“活性成分-疾病靶点”的核心网络。
1.6 蛋白互作网络的构建及可视化分析将交集基因导入STRING数据库，物种选择人类，构建PPI网络，导出该网络的tsv文件。将得到的tsv文件导入Cytoscape软件对PPI网络进行可视化。同样地，根据拓扑指标BC、DC的中位值筛选得到雷公藤治疗UC的主要靶点。
1.7 富集分析运用R语言插件RSQLite和Bioconductor平台数据包org.Hs.eg.db对基因进行编码，再借助R语言插件colorspace、stringi及Bioconductor平台的DOSE、clusterProfiler、pathview数据包进行基因本体(gene ontology，GO)富集分析和京都基因与基因组百科全书(kyoto encyclopedia of genes and genomes，KEGG)富集分析。GO富集分析是从生物过程(biological process，BP)、细胞组成(cellular component，CC)和分子功能(molecular function，MF)3个部分对基因靶点进行作用机制注释，根据P值对每个部分排名前10的条目进行分析。KEGG富集分析是对靶点所参与的信号通路进行注释，根据P值选取排名前30的条目进行分析，若条目不足30条，则对所有条目进行分析。
1.8 分子对接将1.3项与1.5项筛选的活性成分取交集，通过TCMSP数据库下载交集活性成分的“mol2”格式文件，导入ChemBio3D Ultra软件中计算最小自由能，得到活性成分(小分子配体)的PDB格式文件；将1.5项与1.6项筛选的靶点取交集，通过PDB数据库下载交集靶点的蛋白晶体结构，文件选择“PDB”格式，然后将文件导入PyMol软件中进行去水、加氢、删除配体、调整电荷等处理，导出蛋白晶体(大分子受体)的PDB格式文件。借助Auto Dock Tools软件将小分子配体和大分子受体的PDB格式文件转为PDBQT格式文件，并设置分子对接的活性口袋，然后通过Auto Dock Vina软件完成分子对接。利用PyMol软件绘制对接结果图。
2 结果 2.1 雷公藤活性成分及作用靶点的筛选从TCMSP数据库中获得雷公藤活性成分144个，以OB≥30%且DL≥0.18为筛选条件，获得活性成分51个，将活性成分的对应靶点与Uniprot数据库中已认证的人类基因靶点相互映射，发现33个活性成分对应的作用靶点为非人类作用靶点，故剔除。最终得到28个活性成分(见Tab 1)，对应132个作用靶点。
| No | MOL ID | Active ingredients | OB (%) | DL |
| 1 | MOL003209 | Celallocinnine | 83.47 | 0.59 |
| 2 | MOL003225 | Hypodiolide A | 76.13 | 0.49 |
| 3 | MOL003283 | (2R, 3R, 4S)-4-(4-hydroxy-3-methoxy-phenyl)-7-methoxy-2, 3-dimethylol-tetralin-6-ol | 66.51 | 0.39 |
| 4 | MOL003199 | 5, 8-Dihydroxy-7-(4-hydroxy-5-methyl-coumarin-3)-coumarin | 61.85 | 0.54 |
| 5 | MOL005828 | nobiletin | 61.67 | 0.52 |
| 6 | MOL003182 | (+)-Medioresinol di-O-beta-D-glucopyranoside_qt | 60.69 | 0.62 |
| 7 | MOL004443 | Zhebeiresinol | 58.72 | 0.19 |
| 8 | MOL007415 | [(2S)-2-[[(2S)-2-(benzoylamino)-3-phenylpropanoyl]amino]-3-phenylpropyl] acetate | 58.02 | 0.52 |
| 9 | MOL002058 | 40957-99-1 | 57.2 | 0.62 |
| 10 | MOL003217 | Isoxanthohumol | 56.81 | 0.39 |
| 11 | MOL003224 | Tripdiotolnide | 56.4 | 0.67 |
| 12 | MOL000211 | Mairin | 55.38 | 0.78 |
| 13 | MOL009386 | 3, 3′-bis-(3, 4-dihydro-4-hydroxy-6-methoxy)-2H-1-benzopyran | 52.11 | 0.54 |
| 14 | MOL003187 | triptolide | 51.29 | 0.68 |
| 15 | MOL003280 | TRIPTONOLIDE | 49.51 | 0.49 |
| 16 | MOL003185 | (1R, 4aR, 10aS)-5-hydroxy-1-(hydroxymethyl)-7-isopropyl-8-methoxy-1, 4a-dimethyl-4, 9, 10, 10a-tetrahydro-3H-phenanthren-2-one | 48.84 | 0.38 |
| 17 | MOL003248 | Triptonoterpene | 48.57 | 0.28 |
| 18 | MOL003196 | Tryptophenolide | 48.5 | 0.44 |
| 19 | MOL003184 | 81827-74-9 | 45.42 | 0.53 |
| 20 | MOL000449 | Stigmasterol | 43.83 | 0.76 |
| 21 | MOL003245 | Triptonoditerpenic acid | 42.56 | 0.39 |
| 22 | MOL000422 | kaempferol | 41.88 | 0.24 |
| 23 | MOL003231 | Triptoditerpenic acid B | 40.02 | 0.36 |
| 24 | MOL000296 | hederagenin | 36.91 | 0.75 |
| 25 | MOL000358 | beta-sitosterol | 36.91 | 0.75 |
| 26 | MOL003229 | Triptinin B | 34.73 | 0.32 |
| 27 | MOL003266 | 21-Hydroxy-30-norhopan-22-one | 34.11 | 0.77 |
| 28 | MOL007535 | (5S, 8S, 9S, 10R, 13R, 14S, 17R)-17-[(1R, 4R)-4-ethyl-1, 5-dimethylhexyl]-10, 13-dimethyl-2, 4, 5, 7, 8, 9, 11, 12, 14, 15, 16, 17-dodecahydro-1H-cyclopenta[a]phenanthrene-3, 6-dione | 33.12 | 0.79 |
借助Perl语言将“2.1”项得到的28个活性成分和132个作用靶点进行映射，映射结果导入Cytoscape软件，构建雷公藤“活性成分-药物靶点”可视化网络。得到160个节点(节点表示雷公藤活性成分和药物靶点)，418条边(边表示活性成分与药物靶点之间的相互作用)。借助cytoCNA插件计算可视化网络的拓扑指标BC值和DC值，选择大于BC中位值且大于DC中位值的节点，提取并建立新可视化网络，获得雷公藤“活性成分-药物靶点”的核心网络, 见Fig 1。
借助R语言对GSE38713芯片数据进行整理并分析，以|log FC|≥1且P < 0.05为标准进行探针的筛选，得到健康受试者和UC患者差异表达基因1 355个，其中在UC患者结肠组织中上调基因796个，下调基因559个。
2.4 雷公藤治疗UC“活性成分-疾病靶点”网络构建及可视化分析将雷公藤作用靶点基因(药物)与UC差异表达基因(疾病)取交集，得到31个交集基因，见Fig 2。运用Perl语言将交集基因映射出相对应的活性成分，建立雷公藤治疗UC“活性成分-疾病靶点”数据库，借助Cytoscape软件构建可视化调控网络图，得到55个节点(节点表示雷公藤活性成分和疾病靶点)，87条边(边表示活性成分与疾病靶点之间的相互作用)。同样运用cytoCNA插件计算BC和DC值，根据中位值进行筛选，提取雷公藤“活性成分-疾病靶点”的核心网络，见Fig 3。
|
| Fig 2 Venn diagram of intersection of drug and disease |
|
| Fig 3 Core network of "active ingredient-disease targets" of tripterygium glycosides in treatment of UC |
将31个交集基因导入STRING数据库，物种选择人类，构建PPI网络，导出该网络的tsv文件。将tsv文件导入Cytoscape软件对PPI网络进行可视化，得到31个节点(节点表示疾病靶点)，174条边(边表示靶点与靶点之间的相互作用)。通过Cytoscape软件按上述筛选条件提取核心网络，见Fig 4。
|
| Fig 4 PPI core network |
运用R语言对31个交集靶点进行富集分析，设置P < 0.05，共得到GO富集分析功能条目988条，KEGG相关通路40条。
2.6.1 GO功能富集分析在988条生物学功能条目中，包含BP条目884条，涉及脂多糖反应、细菌来源分子反应、血管生成的调节等；CC条目22条，涉及质膜外侧、膜筏、膜微区等；MF条目82条，涉及病毒受体活性、外源性蛋白结合、血红素结合等。根据P值列举各类排名前10的生物学功能条目，见Fig 5。
|
| Fig 5 GO function enrichment analysis bar chart Notes: The abscissa indicated the enrichment number of target points; The ordinate represented the biological function; Color represented the p value, and the smaller the p value, the redder the color, and vice versa. |
在40条KEGG通路富集中，涉及NF-κB信号通路、脂质与动脉粥样硬化、疟疾、TNF信号通路等。根据P值列举排名前30的相关通路，见Fig 6。
|
| Fig 6 Bubble diagram of KEGG pathway enrichment analysis Notes: The abscissa indicated the proportion of enriched target genes; The ordinate represented the path name; Bubble color indicated P value, the smaller the P value, the redder the color, the larger the P value, the bluer the color, and the bubble size indicated the enrichment number of target points. |
由“活性成分-药物靶点”的核心网络可知，MOL000422、MOL0005828、MOL003231、MOL000358、MOL003229等成分在雷公藤发挥药效中起重要作用。由“活性成分-疾病靶点”的核心网络可知，MOL003199、MOL0005828、MOL000422、MOL003283、MOL003248等成分在雷公藤治疗UC中发挥重要作用，且PTGS2、PTGS1、PPARG、NOS2、CA2等是雷公藤治疗UC的重要靶点。由交集靶点的PPI核心网络图可知，CXCL8、ICAM1、VCAM1、PTGS2、MMP9等为重要靶点。基于此，课题组综合考虑药物本身作用及药物治疗疾病作用两方面，取Fig 1、Fig 3及Fig 4分析结果的交集作为雷公藤治疗UC的核心成分及核心靶点。因此课题组认为MOL003199、MOL005828、MOL000422、MOL003283、MOL003248、MOL000449、MOL003184、MOL003231、MOL003217、MOL000296、MOL003187等11个活性成分作用于PTGS2、PPARG等2个靶点是雷公藤治疗UC的关键。将筛选得到的11个活性成分导入TCMSP数据库中核对是否与PTGS2、PPARG靶点有直接作用，结果发现MOL003187与PTGS2、PPARG均无直接作用；MOL003248、MOL000449、MOL003184、MOL003231、MOL003217、MOL000296等6个活性成分与PPARG无直接作用，故通过TCMSP数据库下载10个活性成分的2D结构；通过PDB数据库下载PTGS2的晶体结构5F19及PPARG的晶体结构3E00，借助Auto Dock Vina软件完成14次分子对接进行初步验证。分子对接是将筛选得到的10个活性成分(小分子)与2个蛋白晶体结构(大分子)进行模拟对接，计算结合能(Affinity)评价结合活性。Affinity越小表示分子对接结合效果越好，一般认为，Affinity的绝对值≥7 kcal·mol-1表示结合活性较好，若Affinity的绝对值≥9 kcal·mol-1表示结合活性非常强[8-9]。对接结果见Fig 7(颜色越红表示结合能越高，颜色越白则结合能越低，灰色表示活性成分与靶点无直接作用)。由图可知，结合活性非常强的有MOL003199-PPARG、MOL003199-PTGS2、MOL000422-PTGS2、MOL003248-PTGS2等4个对接。借助PyMol软件将对接结果进行可视化, 见Fig 8。
|
| Fig 7 Molecular docking result map |
|
| Fig 8 Docking diagram of core active ingredients and core target molecules |
网络药理学能从分子水平系统性观察药物活性成分、蛋白质、基因和疾病之间的相互作用关系。本研究通过网络药理学方法构建雷公藤治疗UC的复杂网络。拓扑指标BC是指某一结点作为其它两个结点之间最短路的桥梁的次数；DC是网络分析中描述节点中心性最直接的度量指标，值越高则表示该节点在网络中就越重要[10]。因此，我们借助拓扑指标BC、DC对复杂网络进行筛选得到核心网络。这有助于从雷公藤多成分、多靶点的药物疗效筛选出核心，为进一步研究提供参考方向，为药物的开发提供新思路，以满足临床治疗UC的需求。
本研究发现雷公藤治疗UC的主要靶点有PTGS2、PPARG等。PTGS2(又称COX-2)是一种可诱导酶，介导前列腺素的合成，在炎症反应中起着重要的作用。研究发现，哺乳动物雷帕霉素靶蛋白复合物通过使重组人信号转导与转录激活因子磷酸化并增强其与COX-2启动子结合，从而激活COX-2转录，导致Thelper-17细胞在结肠上皮募集而加剧UC进展[11]。不仅如此，在炎症过程中，前列腺素E2(PGE2)/前列腺素E受体2(EP2)信号通路与TNF-α信号通路协同作用以放大TNF-α诱导的炎症反应，形成COX-2/PGE2/EP2信号的正反馈回路，该回路一方面继续加剧PG介导的炎症反应，另一方面通过在中性粒细胞之间形成自扩增环，使参与炎症的活跃细胞群交替反应[12]。过氧化物酶体增殖物激活受体γ(PPARG)属于核激素受体超家族成员。相关研究发现，在UC患者的结肠粘膜中，PPARG信使RNA表达受损则伴随着相应的炎症因子(如NF-κB)表达增强[13]。而且，PPARG已被证明是5-氨基水杨酸在UC中发挥抗炎和抗氧化作用的关键受体[14]。因此，PPAR-γ激动剂可能是UC治疗的一个新靶点。
通过节点特征值参数的筛选，发现雷公藤作用于UC的主要活性成分有MOL003199(5, 8-Dihydroxy-7-(4-hydroxy-5-methyl-coumarin-3)-coumarin)、MOL000422(Kaempferol)、MOL003248(Triptonoterpene)等。5, 8-Dihydroxy-7-(4-hydroxy-5-methyl-coumarin-3)-coumarin是含香豆素类化合物，目前相关研究较少，但本研究结果发现其作用于UC核心靶点均具有非常强的活性，且TSMSP数据库中显示与该化合物相关的中药只有雷公藤，因此其可能是雷公藤发挥治疗UC的特征性成分。Kaempferol是一种天然类固醇。研究表明[15]，Kaempferol降低UC模型小鼠血清一氧化氮和PGE2的表达水平、抑制结肠黏膜血清髓过氧化酶活性、促进杯状细胞分泌黏液，从而改善肠黏膜的受损状态。Bian等[16]则认为Kaempferol抑制核转录因子-κB信号通路的传导是治疗肠道炎症的关键。众所周知，Wnt信号通路沿着肠隐窝-绒毛轴梯度传导，在肠隐窝底部活性最高，维护肠黏膜屏障功能[17]。Sharma等[18]研究表明Kaempferol通过调节Axin蛋白的活性，稳定Wnt信号通路的传导，促进转录因子β-Catenin核表达，这可能是Kaempferol干预UC的途径之一。Triptonoterpene(雷酚萜)是雷公藤的代表性药物之一，同样在TCMSP数据库中与其相关的中药仅有雷公藤。目前雷公藤治疗UC的研究多聚焦于雷公藤多苷[5]、雷公藤内酯醇[6]、雷公藤甲素[7]等，而对于本研究得到的核心成分研究较少，因此，本研究结果可为下一步探究提供思路。
GO富集分析显示，生物过程多与脂多糖反应、细菌来源分子反应、血管生成的调节有关，且多发生于质膜外侧、膜筏等区域；分子功能主要包括病毒受体活性、外源性蛋白结合、血红素结合等。KEGG信号通路富集结果表明，雷公藤治疗UC与NF-κB、TNF等信号通路密切相关。富集分析结果在上述成分-靶点作用阐述中均有所体现，这再次证明了本研究借助拓扑指标BC、DC筛选核心网络的可靠性。
综上所述，雷公藤中的5, 8-Dihydroxy-7-(4-hydroxy-5-methyl-coumarin-3)-coumarin、Kaempferol、Triptonoterpene等主要活性成分可能通过参与NF-κB、TNF等信号通路作用于PTGS2、PPARG等疾病靶点在脂多糖反应、血管生成等生物进程发挥外源性蛋白结合等生物功能，从而具有治疗UC的效用。
| [1] |
Ryan Ungaro, Mehandru Saurabh, Allen Patrickb, et al. Ulcerative colitis[J]. Lancet, 2017, 389(10080): 1756-70. doi:10.1016/S0140-6736(16)32126-2 |
| [2] |
Sohsuke Yamada, Koyama Tomoyuki, Noguchi Hirotsugu, et al. Marine hydroquinone zonarol prevents inflammation and apoptosis in dextran sulfate sodium-induced mice ulcerative Colitis[J]. Plos One, 2014, 9(11): e113509. doi:10.1371/journal.pone.0113509 |
| [3] |
吴昊, 于小红, 王焕君, 等. 雷公藤对右旋葡聚糖硫酸钠诱导的溃疡性结肠炎小鼠肠道菌群的影响[J]. 中草药, 2020, 51(2): 387-96. Wu H, Yu X H, Wang H J, et al. Effect of Tripterygium wilfordii on intestinal flora in mice with ulcerative colitis induced by dextran sodium sulfate[J]. Chin Tradit Herbal Drugs, 2020, 51(2): 387-96. |
| [4] |
杨强, 钦丹萍, 杨新艳, 等. Fas/FasL、p38 MAPK通路在溃疡性结肠炎大鼠中的表达及雷公藤多苷的作用[J]. 中国药理学通报, 2019, 35(2): 218-23. Yang Q, Qin D P, Yang X Y, et al. Effect of Tripteryginum wilfordii polyglycoside on Fas/FasL and p38 MAPK signaling pathway expression in ulcerative colitis rats[J]. Chin Pharmacol Bull, 2019, 35(2): 218-23. doi:10.3969/j.issn.1001-1978.2019.02.015 |
| [5] |
周毅骏, 钦丹萍, 杨强, 等. 雷公藤多苷对TNBS/乙醇溃疡性结肠炎大鼠脂质过氧化损伤的保护作用[J]. 中药药理与临床, 2017, 33(5): 77-82. Zhou Y J, Qin D P, Yang Q, et al. Protective effect of Tripterygium wilfordii polycoride (TWP) on lipid peroxidation injury in TNBS / ethanol inducing ulcerative colitis (UC) rat[J]. Pharm Clin Chin Mater Med, 2017, 33(5): 77-82. |
| [6] |
张海峰, 张彬, 周国雄, 等. 雷公藤内酯醇抑制TNF-α表达对小鼠溃疡性结肠炎的影响[J]. 中国现代医学杂志, 2018, 28(20): 6-13. Zhang H F, Zhang B, Zhou G X, et al. Effect of inhibition of TNF-α expression by triptolide on experimental ulcerative colitis in mice[J]. Chin J Modern Med, 2018, 28(20): 6-13. doi:10.3969/j.issn.1005-8982.2018.20.002 |
| [7] |
马光朝, 章从恩, 马致洁, 等. 基于LC/IT-TOF-MS技术的雷公藤甲素干预溃疡性结肠炎的代谢组学研究[J]. 中草药, 2020, 51(13): 3493-500. Ma G C, Zhang C E, Ma Z J, et al. Study on intervention of triptolide on metabolism of LC/IT-TOF-MS in ulcerative colitis[J]. Chin Tradit Herbal Drugs, 2020, 51(13): 3493-500. doi:10.7501/j.issn.0253-2670.2020.13.017 |
| [8] |
Di Muzio E, Toti D, Polticelli F. DockingApp: A user friendly interface for facilitated docking simulations with AutoDock Vina[J]. J Comput Aid Mol Des, 2017, 31(2): 213-8. doi:10.1007/s10822-016-0006-1 |
| [9] |
Quiroga R, Villarreal M A. Vinardo: A scoring function based on autodock vina improves scoring, docking, and virtual screening[J]. Plos One, 2016, 11(5): e0155183. doi:10.1371/journal.pone.0155183 |
| [10] |
Bringmann L F, Elmer T, Epskamp S, et al. What do centrality measures measure in psychological networks?[J]. J Abnorm Psychol, 2019, 128(8): 892-903. doi:10.1037/abn0000446 |
| [11] |
Lin X, Sun Q, Zhou L, et al. Colonic epithelial mTORC1 promotes ulcerative colitis through COX-2-mediated Th17 responses[J]. Mucosal Immunol, 2018, 11(6): 1663-73. doi:10.1038/s41385-018-0018-3 |
| [12] |
Hirano T, Hirayama D, Wagatsuma K, et al. Immunological mechanisms in inflammation-associated colon carcinogenesis[J]. Int J Mol Sci, 2020, 21(9): 3062. doi:10.3390/ijms21093062 |
| [13] |
Dubuquoy L, Jansson E A, Deeb S, et al. Impaired expression of peroxisome proliferator-activated receptor gamma in ulcerative colitis[J]. Gastroenterology, 2003, 124(5): 1265-76. doi:10.1016/S0016-5085(03)00271-3 |
| [14] |
Rousseaux C, Lefebvre B, Dubuquoy L, et al. Intestinal antiinflammatory effect of 5-aminosalicylic acid is dependent on peroxisome proliferator-activated receptor-γ[J]. J Exp Med, 2005, 201(8): 1205-15. doi:10.1084/jem.20041948 |
| [15] |
Park M Y, Ji G E, Sung M K. Dietary kaempferol suppresses inflammation of dextran sulfate sodium-induced colitis in mice[J]. Digest Dis Sci, 2012, 57(2): 355-63. doi:10.1007/s10620-011-1883-8 |
| [16] |
Bian YF, Ping L, Jia Z, et al. Kaempferol inhibits multiple pathways involved in the secretion of inflammatory mediators from LPS?induced rat intestinal microvascular endothelial cells[J]. Mol Med Rep, 2018, 19(3): 1958-64. |
| [17] |
邹孟龙, 黄晓燕, 宁芯, 等. 基于Wnt/β-catenin信号通路概述中药防治溃疡性结肠炎及其相关癌变[J]. 亚太传统医药, 2020, 16(12): 198-201. Zou M L, Huang X Y, Ning X, et al. Overview of TCM prevention and treatment of ulcerative colitis and related canceration based on Wnt/p-catenin signal pathway[J]. Asia Pac Tradit Med, 2020, 16(12): 198-201. |
| [18] |
Sharma A R, Nam J S. Kaempferol stimulates WNT/β-catenin signaling pathway to induce differentiation of osteoblasts[J]. J Nutr Biochem, 2019, 74: 108228. doi:10.1016/j.jnutbio.2019.108228 |
