شناسایی مکانیسم درمانی زعفران بر روی گلیوم از طریق فارماکولوژی شبکه و تحلیل بیوانفورماتیک

زعفران کروکوس یک داروی گیاهی طب سنتی تبتی (TTM) است. عصاره زعفران برای مهار رشد سلول های تومور و ترویج آپوپتوز سلول های تومور در انواع سرطان ها از جمله گلیوم مشخص شده است، اما مکانیسم خاص آن مشخص نیست. برای بررسی مکانیسم احتمالی اثر زعفران بر گلیوم، از روش‌های فارماکولوژی شبکه و آنالیز بیوانفورماتیک در این مطالعه استفاده شد. برای به دست آوردن مواد موثره زعفران و اهداف آن از پایگاه داده آنلاین استفاده کردیم.

اهداف مرتبط با گلیوما نیز از پایگاه داده آنلاین به دست آمد. ما اهداف دارویی را با اهداف مرتبط با گلیوم قطع کردیم و تجزیه و تحلیل شبکه PPI را برای به دست آوردن ژن های هسته شبکه انجام دادیم. سپس، داده‌های RNA-seq را از پایگاه داده اطلس ژنوم سرطان (TCGA) برای بیماران گلیوما به‌دست آوردیم. از طریق تجزیه و تحلیل بیان مختلف و رگرسیون کمند، غربالگری بیشتر ژن‌های هسته در شبکه انجام شد و یک مدل پیش آگهی ایجاد شد. نمونه با استفاده از این مدل به دو گروه پرخطر و کم خطر تقسیم شد. داده های RNA-seq از پایگاه داده اطلس ژنوم Glioma چینی (CGGA) برای اعتبار بیشتر مدل پیش بینی ما استفاده شد.

سپس، تفاوت در غنی‌سازی مسیرها را بین بیماران پرخطر و بیماران کم خطر بررسی کردیم و تفاوت ریزمحیط ایمنی بین دو گروه را محاسبه کردیم. در نهایت، ما از داده‌های scRNA-seq در پایگاه داده CGGA برای تجزیه و تحلیل انواع سلول‌هایی که ژن مدل در آن‌ها عمدتاً غنی شده است استفاده کردیم و انواع سلول‌هایی را که زعفران بر آنها تأثیر می‌گذارد پیش‌بینی کردیم.

Saffron crocus is a herbal medicine of traditional Tibetan medicine (TTM). Saffron extract has been indicated to inhibit tumor cell growth and promote tumor cell apoptosis in a variety of cancers, including glioma, but the specific mechanism is not clear. To study the possible mechanism of saffron action on glioma, network pharmacology and bioinformatics analysis methods were used in this study. We used the online database to obtain the active ingredients of saffron and their targets.

Glioma-related targets were also acquired from online database. We intersected drug targets with glioma-related targets and conducted PPI network analysis to obtain network core genes. Then, we obtained RNA-seq data from The Cancer Genome Atlas (TCGA) database for glioma patients. Through different expression analysis and lasso regression, further screening of core genes in the network was conducted, and a prognostic model was established. The sample was divided into two groups with high and low risk using this model. The RNA-seq data from the Chinese Glioma Genome Atlas (CGGA) database were used to further validate our prediction model.

Then, we explored the difference in pathways enrichment between high-risk patients and low-risk patients and calculated the difference in immune microenvironment between the two groups. Finally, we used scRNA-seq data in the CGGA database to analyze the cell types in which the model gene is mainly enriched and predicted the cell types which saffron effected on.