基于生物信息学与分子模拟的中药靶向脓毒症关键基因标志物及治疗策略研究

本研究针对脓毒症与COVID-19的分子机制探索需求，通过整合生物信息学、网络药理学与分子模拟技术，筛选出RRM2、AURKB和CDK1等关键靶点，并发现丹参酚酸C、橙皮苷和没食子儿茶素没食子酸酯等中药化合物具有高结合亲和力，为脓毒症治疗提供新候选药物。

　　

通过生物信息学分析脓毒症相关基因表达数据，研究人员从NCBI数据库获取数据，利用R Studio的limma包识别差异表达基因（DEGs），并进行功能注释，包括基因本体（GO）和京都基因与基因组百科全书（KEGG）通路富集分析。通过STRING构建蛋白质-蛋白质相互作用（PPI）网络，并借助Cytoscape识别关键枢纽蛋白，如RRM2、AURKB和CDK1。从传统中药（TCM）数据库中获取216种生物活性化合物，进行分子对接以评估它们与目标蛋白的结合亲和力，结果显示丹参酚酸C（Salvianolic Acid C）、橙皮苷（Hesperidin）和没食子儿茶素没食子酸酯（Gallocatechin Gallate）具有较强结合能力。进一步利用GROMACS进行100纳秒（ns）的分子动力学（MD）模拟，验证了所选蛋白质-配体复合物的稳定性。这项综合研究表明，中药化合物有望靶向脓毒症病理中的关键DEGs，为开发新型治疗策略奠定基础，但需后续实验验证。