pmid: "39940699"
title: "Estudo de Farmacologia de Rede e Bioinformática de Seis Plantas Medicinais Homólogas a Alimentos Contra o Câncer Colorretal"
authors: "Zhao X, Xiu J, Yang H, Han W, Jin Y"
journal: "International journal of molecular sciences"
pubdate: "2025 Jan 23"
doi: "10.3390/ijms26030930"
source: "PMC Full Text"

Estudo de Farmacologia de Rede e Bioinformática de Seis Plantas Medicinais Homólogas a Alimentos Contra o Câncer Colorretal

Autores

Zhao X, Xiu J, Yang H, Han W, Jin Y

Periodico

International journal of molecular sciences (2025 Jan 23)

Conteudo

Estudo de Farmacologia de Rede e Bioinformática de Seis Plantas Homólogas a Alimentos Medicinais Contra o Câncer Colorretal
Integrando análise farmacológica de rede e técnicas de bioinformática, este estudo investigou sistematicamente os mecanismos moleculares de seis plantas homólogas a alimentos medicinais (Astragalus membranaceus, Ganoderma lucidum, Dioscorea opposite, Curcuma longa, Glycyrrhiza uralensis e Pueraria lobata) contra o câncer colorretal. Através da triagem do banco de dados TCMSP, foram identificados 303 compostos ativos e 453 alvos farmacológicos. Ao integrar a análise de expressão diferencial de genes com WGCNA no conjunto de dados GSE41258 do banco de dados GEO, foram identificados 49 alvos terapêuticos potenciais. As análises de enriquecimento GO e KEGG demonstraram que esses alvos estão envolvidos principalmente na resposta a medicamentos, metabolismo de ácidos graxos e vias-chave relacionadas ao câncer. A validação cruzada usando três algoritmos de aprendizado de máquina — regressão LASSO, SVM-RFE e Random Forest — identificou quatro genes-alvo críticos: CA1, CCND1, CXCL2 e EIF6. Além disso, a análise de infiltração imune CIBERSORT revelou fortes associações entre esses genes centrais e o microambiente imune tumoral em pacientes com câncer colorretal, notavelmente na modulação da infiltração de macrófagos M0 e da atividade de mastócitos. As análises de docking molecular confirmaram interações de ligação robustas entre os compostos ativos e as proteínas-alvo centrais. Este estudo elucidou sistematicamente os mecanismos moleculares de seis plantas homólogas a alimentos medicinais contra o câncer colorretal, fornecendo evidências científicas para sua aplicação clínica racional.

1. Introdução
   O câncer colorretal (CCR) continua sendo uma grande ameaça à saúde global, com taxas de incidência e mortalidade crescentes. Conforme relatado pelo GLOBOCAN 2023, o CCR ocupa o terceiro lugar em incidência global de câncer e o segundo em mortalidade relacionada ao câncer. A carga da doença é particularmente acentuada em países desenvolvidos, enquanto tendências de rápido aumento são observadas em muitas nações em desenvolvimento devido à adoção de estilos de vida e hábitos alimentares ocidentais. Apesar do desenvolvimento e aprimoramento contínuos de protocolos de tratamento padronizados, incluindo ressecção cirúrgica, quimiorradioterapia e terapia molecular direcionada, os desfechos clínicos para pacientes com CCR permanecem subótimos. A taxa de sobrevida em cinco anos para CCR metastático permanece abaixo de 15%, principalmente devido a fatores como heterogeneidade tumoral, resistência a medicamentos, efeitos colaterais graves e altos custos de tratamento. Além disso, os tratamentos convencionais frequentemente levam à diminuição da qualidade de vida e a uma carga econômica substancial para os pacientes. Portanto, o desenvolvimento de novos medicamentos terapêuticos com eficácia comprovada, bons perfis de segurança e acessibilidade favorável possui um valor translacional clínico significativo.
   Com milhares de anos de prática, a medicina tradicional chinesa (MTC) desenvolveu ampla expertise na prevenção e terapia do câncer. A pesquisa clínica moderna destaca cada vez mais suas vantagens distintas no tratamento de diversos tumores. Um ensaio clínico randomizado sobre câncer de pulmão de células não pequenas demonstrou que a integração do composto herbal chinês Shenlingcao com a quimioterapia padrão melhorou significativamente a qualidade de vida dos pacientes e aliviou os sintomas relacionados ao câncer. No carcinoma hepatocelular, as evidências clínicas mais recentes também apoiam o papel positivo da medicina chinesa na redução da incidência e na melhora do prognóstico. Especificamente no tratamento do CCR, várias meta-análises demonstraram que a MTC, quando usada como terapia adjuvante, pode reduzir efetivamente os efeitos adversos relacionados à quimioterapia, aumentar a eficácia do tratamento e melhorar as taxas de sobrevida dos pacientes. Esses estudos fornecem um importante suporte médico baseado em evidências para a aplicação da MTC no tratamento abrangente do câncer.

As plantas de uso medicinal e alimentar homólogas representam um recurso terapêutico distinto no tesouro da MTC, apresentando a vantagem notável do uso duplo como medicamento e alimento, com profundas raízes históricas na prática médica tradicional chinesa. As seis plantas de uso medicinal e alimentar homólogas focadas neste estudo (Astragalus membranaceus, Ganoderma lucidum, Dioscorea opposite, Curcuma longa, Glycyrrhiza uralensis e Pueraria lobata) demonstraram todas atividade antitumoral significativa em pesquisas experimentais. Entre elas, os polissacarídeos de astrágalo exercem efeitos antitumorais por meio da regulação do sistema imunológico, particularmente aumentando a atividade das células natural killer e promovendo a proliferação de linfócitos T. Os polissacarídeos de Ganoderma melhoram a função imunológica e suprimem o crescimento tumoral induzindo a parada do ciclo celular e promovendo a apoptose por vários mecanismos. Ao influenciar o sistema microecológico intestinal e as vias inflamatórias, a Dioscorea opposite exibe propriedades antitumorais. A curcumina, derivada da Curcuma longa, induz a apoptose das células tumorais por meio de mecanismos que envolvem as vias de sinalização NF-κB, STAT3 e PI3K/Akt. Os componentes bioativos da Glycyrrhiza uralensis, como a glicirrizina e a licochalcona A, demonstram potencial antitumoral promissor por meio de mecanismos anti-inflamatórios e antiangiogênicos. As isoflavonas da Pueraria lobata exibem atividade antiproliferativa significativa e promovem a apoptose em várias linhagens de células cancerígenas. No entanto, os mecanismos moleculares subjacentes aos efeitos sinérgicos dessas ervas no combate ao câncer colorretal permanecem insuficientemente investigados.
A farmacologia de rede, como método integrativo de pesquisa em biologia de sistemas, integra-se efetivamente aos princípios fundamentais da MTC, que atua por meio de múltiplos componentes e diversos alvos biológicos, fornecendo uma estratégia de pesquisa inovadora para elucidar os mecanismos de sistemas farmacológicos complexos. Essa abordagem marca uma mudança significativa do modelo convencional “um fármaco, um alvo” para uma estratégia holística de “alvo em rede, multicomponente”, alinhando-se mais estreitamente com a natureza intrincada dos mecanismos de doença e das ações terapêuticas. Os avanços na bioinformática, especialmente a integração de algoritmos de aprendizado de máquina na descoberta de fármacos, agora fornecem ferramentas robustas para desvendar as complexas redes de ação da medicina tradicional chinesa. Métodos computacionais avançados, como docking molecular, análise de redes e algoritmos de inteligência artificial, permitem a predição e validação de interações fármaco–alvo em uma escala sem precedentes. Essa abordagem de pesquisa interdisciplinar nos permite compreender as complexas redes de interação fármaco–alvo–via–doença em nível sistêmico.
Este estudo aplica farmacologia de rede e métodos de bioinformática para explorar os mecanismos moleculares de seis plantas medicinais homólogas a alimentos na terapia do câncer colorretal. Componentes ativos e alvos foram identificados a partir da Plataforma de Banco de Dados e Análise de Farmacologia de Sistemas da Medicina Tradicional Chinesa (TCMSP) e integrados com perfis de expressão gênica do banco de dados Gene Expression Omnibus (GEO). Análises abrangentes, incluindo redes de interação proteína–proteína, enriquecimento de vias, técnicas de aprendizado de máquina e avaliações de infiltração imune, revelaram os efeitos sinérgicos dessas ervas. Métodos avançados como regressão Least Absolute Shrinkage and Selection Operator (LASSO), Support Vector Machine-Recursive Feature Elimination (SVM-RFE) e Random Forest (RF) foram utilizados para identificar alvos terapêuticos robustos e biomarcadores.
Além disso, a análise de infiltração imune fornece novas percepções sobre os efeitos imunomoduladores dessas ervas no microambiente tumoral. Esta pesquisa não apenas ajuda a elucidar os mecanismos moleculares das plantas medicinais homólogas a alimentos contra o câncer colorretal, mas também fornece evidências científicas para sua aplicação clínica racional, ao mesmo tempo que oferece novas perspectivas de pesquisa e referências metodológicas para o desenvolvimento de fármacos multi-alvo baseados em farmacologia de rede. Os achados deste estudo podem contribuir para tratamentos personalizados do CCR, melhorando tanto os desfechos clínicos quanto a qualidade de vida dos pacientes. A Figura 1 apresenta uma visão esquemática do nosso fluxo de trabalho metodológico.
2. Resultados
2.1. Triagem de Compostos Bioativos e Alvos Terapêuticos
Utilizando o banco de dados TCMSP, foram identificados 303 componentes ativos e 453 alvos farmacológicos a partir de seis plantas homólogas de uso medicinal e alimentar (Tabelas Suplementares S1 e S2). Um total de 11.593 genes-alvo de CCR foram obtidos de bancos de dados públicos como GeneCards, OMIM e TTD (Figura 2a). A análise de expressão diferencial do conjunto de dados GSE41258 identificou 1.672 genes diferencialmente expressos, os quais foram visualizados por meio de um mapa de calor e gráficos de vulcão (Figura 2b,c; Tabela Suplementar S2). Utilizando o conjunto de dados GSE41258, redes de coexpressão gênica foram construídas por meio da Análise de Rede de Coexpressão Gênica Ponderada (WGCNA) para identificar módulos gênicos chave relacionados ao CCR. O limiar suave foi determinado como 7 (Figura 2d,e) por meio da avaliação dos padrões de independência de escala e conectividade média. A análise da rede de coexpressão gênica incorporou agrupamento hierárquico e algoritmos de corte dinâmico de árvore para identificar módulos distintos. A integração de módulos semelhantes resultou em 12 agrupamentos gênicos únicos, visualizados por meio de um dendrograma (Figura 2f). Dentre estes, os módulos marrom, azul e rosa demonstraram correlações robustas com os fenótipos CCR/não-CCR (Figura 2g). A avaliação estatística revelou fortes associações positivas entre as métricas de Significância Gênica (GS) e Pertença ao Módulo (MM) nos genes relacionados ao CCR nesses três módulos (Figura 2h–j). Os genes dos três módulos foram mesclados para obter os resultados da WGCNA (Tabela Suplementar S2). Por meio do cálculo de interseção, foram identificados 49 alvos terapêuticos potenciais (Figura 3a). Esses resultados sugerem que essas seis ervas podem atuar sinergicamente por meio de múltiplos componentes ativos em múltiplos alvos.
2.2. Estabelecimento de Redes de Interação Proteína-Proteína e Droga-Doença
Uma rede de IPP composta pelos 49 genes de interseção foi construída utilizando o banco de dados STRING e subsequentemente visualizada por meio do Cytoscape (Figura 3b). Adicionalmente, construímos uma rede droga–câncer colorretal incorporando os tipos de ervas, seus componentes ativos e os 49 genes-alvo sobrepostos (Figura 3c).
2.3. Análise de Ontologia Gênica e de Vias KEGG
A análise de enriquecimento de ontologia gênica (GO) (Figura 4a) demonstrou que os genes-alvo estavam predominantemente ligados a processos biológicos (PB), incluindo resposta a drogas, metabolismo de ácidos graxos, resposta ao álcool e resposta hormonal. As categorias de componente celular (CC) incluíram a parte apical das células, cavéolas, balsas lipídicas de membrana, lúmen do retículo endoplasmático, membrana mitocondrial externa e microvilosidades. Os termos de função molecular (FM) destacaram ligação a esteroides, transporte transmembranar de xenobióticos, ligação a ácidos monocarboxílicos e várias atividades de desidrogenase. A análise de enriquecimento de vias da Enciclopédia de Genes e Genomas de Kyoto (KEGG) (Figura 4b) revelou envolvimento significativo em vias relacionadas ao câncer, incluindo câncer colorretal e outras vias oncogênicas, consistente com os mecanismos estabelecidos da patogênese do CCR.
2.4. Identificação e Validação de Genes Centrais
Utilizando três métodos de aprendizado de máquina, triamos 49 genes de interseção para avaliar sua capacidade de diferenciar amostras de CRC dos controles no conjunto de dados GSE41258, identificando, por fim, genes hub. O algoritmo SVM-RFE identificou uma assinatura de dez genes, composta por CA1, CA2, NR3C2, CES1, CCND1, CXCL2, BCL2L1, HSD11B2, EIF6 e ADIPOQ (Figura 5a,b). Por meio da análise LASSO, 9 genes (ABCC1, BCHE, BCL2L1, CA1, CCND1, CES1, CXCL2, EIF6 e P4HA1) foram filtrados como genes-alvo centrais (Figura 5c,d). Com base no algoritmo RF e calculando os valores de importância das variáveis para potenciais genes-alvo com um limiar de 0,5, obtivemos 20 genes centrais (NR3C2, CA1, HSD11B2, ADRB2, BCHE, CCND1, PPARGC1A, MAOA, GSTM1, CA2, GSTM2, CPT2, ABCG2, CDKN1A, CAV1, CXCL2, EIF6, PTGS1, AKR1C1 e AGTR1) (Figura 5e,f). A análise de interseção dos três resultados de triagem por aprendizado de máquina identificou, por fim, 4 genes centrais (CA1, CCND1, CXCL2 e EIF6) (Figura 5g). Esses quatro genes centrais apresentaram alterações significativas de expressão no câncer colorretal. CA1 (Anidrase Carbônica 1) estava subexpresso, indicando alteração na regulação do pH no microambiente tumoral; CCND1 (Ciclina D1 específica da transição G1/S), CXCL2 (Quimiocina 2 com motivo C-X-C) e EIF6 (Fator de Iniciação da Tradução Eucariótica 6) estavam superexpressos, participando da regulação do ciclo celular, resposta imune e síntese proteica, respectivamente. Especificamente, a subexpressão de CA1 leva à acidificação do microambiente tumoral, criando condições favoráveis para a progressão tumoral; a superexpressão de CCND1 promove a transição da fase G1/S, acelerando a proliferação das células tumorais; a superexpressão de CXCL2 intensifica a resposta inflamatória, remodelando o microambiente imune tumoral; e a superexpressão de EIF6 aumenta a eficiência da síntese proteica, sustentando o rápido crescimento das células tumorais (Figura 2c).
2.5. Infiltração de Células Imunes e Associações com Genes Centrais
A análise CIBERSORT identificou variações significativas nos perfis de células imunes entre tecidos de câncer colorretal e tecidos normais (Figura 6a,b). Os tecidos tumorais apresentaram uma diminuição significativa nas células imunes adaptativas, incluindo plasmócitos e células B de memória, acompanhada por um aumento nas células T CD4+ de memória ativadas e uma redução nas células T CD4+ de memória em repouso. Entre as células imunes inatas, os macrófagos M0 e M1 exibiram níveis mais elevados de infiltração, enquanto os mastócitos mostraram polarização, caracterizada por menos células em repouso e um aumento nas células ativadas.
A análise de correlação (Figura 6c) revelou fortes associações entre os genes centrais e a infiltração de células imunes, particularmente com macrófagos M0, células T CD4 de memória ativadas e monócitos. Além disso, os genes centrais mostraram efeitos reguladores sobre a polarização dos mastócitos. Esses achados sugerem que os genes centrais podem remodelar o microambiente imune tumoral modulando a dinâmica das células imunes.
2.6. Análise de Docking das Proteínas-Alvo Centrais e Seus Ligantes
Para investigar as interações entre os genes centrais e seus compostos ativos, realizamos docking molecular. Limiares de energia de ligação abaixo de −5 kcal/mol foram utilizados para confirmar a afinidade de ligação. As estruturas de CA1 e CCND1 corresponderam aos arquivos PDB 1AZM e 2W96, enquanto as estruturas de CXCL2 e EIF6 foram obtidas do AlphaFold Protein Structure Database. A análise de docking confirmou interações favoráveis entre todas as proteínas-alvo centrais e seus ligantes (Tabela 1). A Figura 7 ilustra os bolsões de docking das quatro proteínas, e a Figura 8 fornece mapas 2D de suas interações.
3. Discussão
Este estudo explorou minuciosamente os mecanismos moleculares de seis plantas medicinais homólogas a alimentos no tratamento do CCR por meio de abordagens integradas de farmacologia em rede e bioinformática. Através da análise de compostos ativos e seus alvos utilizando bancos de dados como TCMSP e GEO, identificamos componentes terapêuticos-chave e sua relevância biológica. As propriedades farmacológicas e a biodisponibilidade dos compostos ativos foram avaliadas (Tabela 2), revelando que a quercetina e a licochalcona A atendem aos limiares padrão de biodisponibilidade oral (OB) e semelhança a fármacos (DL), destacando seu potencial para aplicação clínica. Por outro lado, compostos como procurcumadiol, daidzeína e escopoletina, apesar de suas bioatividades promissoras, podem necessitar de modificações estruturais ou de formulação para aumentar sua eficácia terapêutica. Esses achados ressaltam a necessidade de otimização adicional para concretizar o potencial clínico desses compostos no tratamento do CCR.
Produtos naturais têm despertado grande interesse de pesquisa devido aos seus potenciais efeitos terapêuticos e toxicidade reduzida em comparação com tratamentos convencionais. Estudos recentes documentaram várias plantas medicinais com atividades antitumorais promissoras, particularmente no tratamento do câncer colorretal. Com base nas evidências atuais da literatura, apresentamos um resumo de plantas e compostos conhecidos com atividade anticâncer colorretal.
Para contextualizar nossos achados, incluímos um resumo das principais plantas e seus compostos bioativos com potencial terapêutico significativo no câncer colorretal (CCR) (Tabela 3). Essas plantas, como Curcuma longa (cúrcuma), Ganoderma lucidum (cogumelo Reishi) e Coptis chinensis (goldthread chinês), exibem propriedades anticâncer por meio de mecanismos como indução de apoptose, modulação do estresse oxidativo, efeitos anti-inflamatórios e regulação do microambiente imunológico. Por exemplo, a curcumina suprime a sinalização NF-κB e induz apoptose, enquanto o sulforafano do brócolis ativa a via Nrf2, aumentando a resistência ao estresse oxidativo.
A tabela também destaca o potencial imunomodulador desses compostos. Os polissacarídeos de Ganoderma aumentam a infiltração de células imunológicas, e a berberina modula a microbiota intestinal para suprimir a progressão do CCR. Esses achados ressaltam o valor da integração de compostos naturais na terapia do CCR, tanto como agentes quimiopreventivos quanto como tratamentos complementares.
O microambiente imunológico tumoral desempenha um papel fundamental na progressão do câncer colorretal, com estudos recentes destacando a importância do estresse oxidativo e da inflamação como fatores-chave que moldam esse ambiente. Foi demonstrado que os antioxidantes proporcionam efeitos protetores por meio de vários mecanismos celulares. À luz desse entendimento, nosso estudo fornece novos insights sobre como plantas homólogas a alimentos medicinais podem modular o microambiente imunológico por meio de suas propriedades antioxidantes.
A análise CIBERSORT identificou alterações notáveis na composição de células imunes entre tecidos de câncer colorretal e tecidos normais. No compartimento imune adaptativo, plasmócitos e células B de memória apresentaram proporções acentuadamente diminuídas nos tecidos tumorais, sugerindo a potencial supressão da imunidade humoral no ambiente tumoral. O compartimento de células T demonstrou uma mudança notável, com níveis significativamente elevados de células T de memória CD4+ ativadas e níveis reduzidos de células T de memória CD4+ em repouso nos tecidos tumorais. Esse padrão pode indicar uma resposta imune adaptativa em andamento contra as células tumorais.
Em relação às células imunes inatas, os macrófagos M0 e M1 exibiram infiltração substancialmente aumentada, enquanto os mastócitos demonstraram padrões distintos de polarização, caracterizados pela diminuição do fenótipo em repouso e aumento do fenótipo ativado. Essas alterações nas populações de macrófagos e mastócitos provavelmente refletem o complexo estado inflamatório dentro do microambiente tumoral. Essas alterações nas populações de macrófagos e mastócitos provavelmente refletem o complexo estado inflamatório dentro do microambiente tumoral. Os compostos ativos de nossas plantas selecionadas podem impactar essas populações de células imunes por meio de seus efeitos antioxidantes.
Essa hipótese é apoiada por nossa análise de correlação entre os genes centrais (CA1, CCND1, CXCL2 e EIF6) e a infiltração de células imunes, que demonstrou associações significativas com macrófagos M0, células T de memória CD4 ativadas e monócitos. Esses genes centrais também mostraram efeitos regulatórios diferenciais significativos durante a polarização dos mastócitos. A convergência desses achados sugere que nossos compostos identificados podem exercer seus efeitos antitumorais por meio de mecanismos duplos: modulação direta das populações de células imunes e regulação das respostas ao estresse oxidativo. No entanto, as vias moleculares precisas que ligam a atividade antioxidante à modulação imunológica requerem validação experimental adicional.
Nosso estudo integrou com sucesso a farmacologia em rede com abordagens de bioinformática, empregando múltiplos algoritmos de aprendizado de máquina para triagem de genes centrais, ao mesmo tempo em que identificou os padrões específicos de modulação das células imunes. No entanto, este estudo é limitado por sua dependência de predições computacionais, as quais necessitam de validação por meio de estudos experimentais. O docking molecular fornece percepções iniciais, mas simulações de dinâmica molecular e uma exploração mais aprofundada das interações dos compostos são necessárias para confirmar e expandir esses achados. Apesar dessas limitações, este estudo fornece uma base sólida para o avanço do potencial terapêutico de compostos naturais no tratamento do CCR.

4. Materiais e Métodos
   4.1. Obtenção de Componentes Ativos e Alvos Farmacológicos
   Os componentes ativos e seus alvos associados para seis plantas homólogas de uso medicinal e alimentar (Astragalus membranaceus, Ganoderma lucidum, Dioscorea opposite, Curcuma longa, Glycyrrhiza uralensis e Pueraria lobata) foram obtidos da base de dados TCMSP (, acessado em 15 de dezembro de 2024). O UniProt serviu como base de dados de referência para a normalização de todos os genes-alvo adquiridos (, acessado em 15 de dezembro de 2024) e foram convertidos para símbolos gênicos oficiais.

4.2. Recuperação de Alvos Relacionados à Doença a partir de Bases de Dados Públicas
Os genes-alvo relacionados ao câncer colorretal foram recuperados das seguintes bases de dados: base de dados GeneCards (, acessado em 25 de novembro de 2024); base de dados OMIM (, acessado em 25 de novembro de 2024); base de dados TTD (, acessado em 25 de novembro de 2024), utilizando “colorectal cancer” como palavra-chave de busca para integrar os genes relacionados à doença.

4.3. Análise de Expressão Gênica Diferencial
O conjunto de dados de expressão gênica de câncer colorretal GSE41258 foi obtido da base de dados GEO. A normalização dos dados foi realizada com o R 4.4.2, seguida de análise diferencial utilizando o pacote limma. Os genes diferenciais foram filtrados utilizando os critérios de |log2 fold change (FC)| ≥ 0,585 e valor de p < 0,05.

4.4. Análise de Rede de Coexpressão Gênica Ponderada (WGCNA)
A análise de rede de coexpressão foi realizada no conjunto de dados GSE41258 utilizando o pacote WGCNA do R. Uma rede de conectividade ponderada foi gerada determinando-se o limiar suave (soft threshold) apropriado, com os agrupamentos de genes subsequentemente identificados por meio de análise de dendrograma dinâmico. Após estudos de correlação estatística entre os Module Eigengenes (MEs) e as características fenotípicas, os módulos significativamente correlacionados com o câncer colorretal (coeficiente de correlação > 0,7) foram selecionados.

4.5. Construção da Rede de Interação Proteína-Proteína
A interseção dos alvos farmacológicos, genes relacionados à doença, genes diferencialmente expressos e genes dos módulos-chave da WGCNA foi calculada para obter um conjunto de genes de interseção. A base de dados STRING (, acessado em 24 de dezembro de 2024) foi utilizada para construir uma rede de interação proteína-proteína com um limiar de escore de confiança ≥ 0,4. A visualização da rede foi realizada utilizando o Cytoscape 3.10.3.

4.6. Análise de Enriquecimento Funcional
A análise de enriquecimento GO e a análise de enriquecimento de vias KEGG do conjunto de genes de interseção foram realizadas com o pacote clusterProfiler no R. O limiar de significância foi definido como valor de p < 0,05. Um gráfico de barras da análise de enriquecimento GO e um gráfico cnet da análise de enriquecimento de vias KEGG foram gerados para visualização.
4.7. Análise de Aprendizado de Máquina para Seleção de Genes Hub
O conjunto de genes de interseção passou por uma triagem adicional por meio de múltiplos métodos de AM, incluindo os algoritmos LASSO, SVM-RFE e RF. A partir dos alvos de interseção, empregamos essas abordagens de aprendizado de máquina para identificar genes assinatura que diferenciam pacientes com CCR de controles saudáveis. Os genes candidatos consistentes detectados em todos os três algoritmos foram estabelecidos como alvos-chave dessas seis plantas homólogas de uso medicinal e alimentar contra o CCR. O processo de eliminação recursiva de características baseado em SVM foi executado no R 4.4.2, utilizando as funcionalidades dos pacotes e1071 e caret. As etapas específicas foram as seguintes: Validação cruzada de cinco partições (k = 5) foi realizada na matriz de expressão pré-processada; a seleção de características foi conduzida usando a função svmRFE com o parâmetro halve.above = 100; características de 1 a 49 foram avaliadas usando a função FeatSweep.wrap; taxas de erro e acurácia foram calculadas para cada tamanho de conjunto de características; o número ótimo de características foi determinado com base na menor taxa de erro; os conjuntos de genes centrais correspondentes foram obtidos. A análise de regressão LASSO foi conduzida usando o pacote glmnet no R, com o valor ótimo de lambda determinado por validação cruzada de cinco partições, identificando genes candidatos com base em coeficientes não nulos. A análise de Random Forest (RF), realizada com o pacote randomForest no R, gerou modelos para calcular escores de importância dos genes, selecionando aqueles acima de 0,5 como candidatos. O conjunto final de genes centrais foi estabelecido pela interseção dos resultados dos três métodos de aprendizado de máquina. Um diagrama de Venn ilustrando a sobreposição entre esses métodos foi gerado usando o pacote Venn no R.
4.8. Análise de Infiltração Imune
O algoritmo CIBERSORT foi empregado para analisar a infiltração de 22 tipos de células imunes nas amostras do conjunto de dados GSE41258, com o objetivo de explorar possíveis associações entre os genes hub alvo e as alterações do microambiente imune em pacientes com CCR. Primeiramente, as matrizes de expressão foram normalizadas para eliminar efeitos de lote, e a matriz de assinatura LM22 foi usada como conjunto de dados de referência. As proporções de células imunes em cada amostra foram obtidas por teste de permutação (perm = 1000). A análise incluiu: comparação das diferenças na composição de células imunes entre os grupos CCR e controle (teste t), geração de mapas de calor de infiltração de células imunes mostrando os padrões gerais de distribuição e cálculo das correlações de Spearman entre os níveis de expressão dos genes centrais e os níveis de infiltração de células imunes (p < 0,05). As análises estatísticas e visualizações foram implementadas no R 4.4.2 com pacotes estatísticos compatíveis.
4.9. Docagem Molecular
As estruturas das proteínas foram obtidas do banco de dados PDB ou do AlphaFold Protein Structure Database, enquanto as estruturas dos ligantes foram recuperadas do banco de dados TCMSP. O Discovery Studio 2019 e o PyMOL 2.5.0 foram empregados para o pré-processamento dos arquivos PDB e visualização dos resultados. O AutoDock Vina 1.1.2 foi utilizado para conduzir a análise de docking molecular entre os componentes ativos selecionados e as proteínas codificadas pelos genes centrais.

5. Conclusões
   Este estudo elucidou sistematicamente os mecanismos de ação de seis plantas medicinais homólogas a alimentos contra o câncer colorretal utilizando abordagens de farmacologia de rede e bioinformática. Através do banco de dados TCMSP, foram identificados 303 componentes ativos das seis plantas medicinais homólogas a alimentos, os quais podem atuar em 453 alvos farmacológicos, refletindo as características complexas de regulação em rede da medicina tradicional chinesa. Os 49 alvos terapêuticos potenciais identificados por meio da análise de genes diferenciais e WGCNA estavam predominantemente enriquecidos em processos biológicos como resposta a fármacos, resposta ao álcool e metabolismo de ácidos graxos, bem como em múltiplas vias de sinalização relacionadas ao câncer colorretal, destacando a base molecular dos efeitos antitumorais dessas ervas. A validação cruzada com três algoritmos de aprendizado de máquina — regressão LASSO, SVM-RFE e Random Forest — identificou com sucesso quatro genes centrais (CA1, CCND1, CXCL2 e EIF6) como alvos moleculares-chave através dos quais as plantas medicinais homólogas a alimentos podem regular o desenvolvimento e a progressão do câncer colorretal.
   A análise de infiltração imune CIBERSORT demonstrou correlações significativas entre os genes centrais e o microambiente imune tumoral, envolvendo especificamente a polarização de macrófagos M0 e a ativação de mastócitos, indicando que essas ervas podem exercer efeitos terapêuticos modulando o microambiente imune. As simulações de docking molecular confirmaram ainda fortes afinidades de ligação entre as proteínas-alvo centrais e seus componentes ativos, oferecendo insights em nível molecular sobre os mecanismos de ação.
   Este estudo não apenas esclareceu os mecanismos moleculares das plantas medicinais homólogas a alimentos contra o câncer colorretal sob uma perspectiva de biologia de sistemas, mas também forneceu suporte teórico para sua aplicação clínica racional.
   Aviso Legal/Nota do Editor: As declarações, opiniões e dados contidos em todas as publicações são exclusivamente dos autores e contribuidores individuais, e não da MDPI e/ou dos editores. A MDPI e/ou os editores se eximem de qualquer responsabilidade por danos a pessoas ou propriedades resultantes de quaisquer ideias, métodos, instruções ou produtos mencionados no conteúdo.
   Materiais Suplementares
   As informações de suporte podem ser baixadas em: .
   Contribuições dos Autores
   Conceituação, X.Z. e J.X.; metodologia, X.Z.; software, J.X.; validação, J.X. e H.Y.; análise formal, H.Y.; investigação, X.Z.; recursos, H.Y.; curadoria de dados, J.X.; redação—preparação do rascunho original, X.Z.; redação—revisão e edição, X.Z. e J.X.; visualização, H.Y.; supervisão, W.H. e Y.J.; administração do projeto, W.H. e Y.J.; aquisição de financiamento, Y.J. Todos os autores leram e concordaram com a versão publicada do manuscrito.

Declaração do Comitê de Ética em Pesquisa
Não aplicável.

Declaração de Consentimento Informado
Não aplicável.

Declaração de Disponibilidade de Dados
Todos os dados estão disponíveis mediante solicitação aos autores.

Conflitos de Interesse
Os autores declaram não haver conflitos de interesse.

Referências

1. Estatísticas do Câncer, 2023
2. Carga Global de 5 Principais Tipos de Câncer Gastrointestinal
3. Curcumina e seus derivados direcionados a múltiplas vias de sinalização para elicitar atividade anticancerígena: Uma perspectiva abrangente
4. Revisão abrangente da terapia-alvo para câncer colorretal
5. Câncer colorretal
6. Tendências globais na mortalidade por câncer colorretal: Projeções para o ano de 2035
7. Estatísticas de tratamento e sobrevivência ao câncer, 2019
8. A Proteína Associada ao Ciclo Celular CDKN2A Pode Promover Metástase de Células de Câncer Colorretal Induzindo a Transição Epitelial-Mesenquimal
9. Epidemiologia do câncer colorretal: Incidência, mortalidade, sobrevivência e fatores de risco
10. Tratamento do câncer colorretal pela medicina tradicional chinesa: Mecanismos de prevenção e tratamento
11. O papel positivo da medicina tradicional chinesa como terapia adjuvante para o câncer
12. Combinação de ginseng e drogas anticancerígenas para melhorar a quimioterapia do câncer: Uma revisão crítica
13. Medicina chinesa no tratamento do câncer colorretal: Dos alvos potenciais e mecanismos à aplicação clínica
14. Efeitos Terapêuticos Clínicos da Aspirina em Combinação com Fufang Danshen Diwan, uma Fórmula da Medicina Tradicional Chinesa, na Doença Coronariana: Uma Revisão Sistemática e Meta-Análise
15. Substâncias homólogas de medicamentos e alimentos: Uma revisão de ingredientes bioativos, efeitos farmacológicos e aplicações
16. Uma revisão do progresso recente da pesquisa sobre o gênero Astragalus
17. Ganoderma lucidum (cogumelo Reishi) para tratamento do câncer
18. Polissacarídeos de Ganoderma lucidum como Agente Anticâncer
19. Extratos de polifenóis de inhame roxo exercem efeitos anticolite e anticâncer colorretal associado à colite através da inativação das vias de sinalização NF-kappaB/p65 e STAT3
20. Propriedades anticancerígenas potenciais e mecanismos de ação da curcumina
21. Curcumina na terapia do câncer: Explorando mecanismos moleculares e superando desafios clínicos
22. Propriedades antioxidantes e anticancerígenas da Licochalcona A do alcaçuz
23. Efeitos anticancerígenos das licochalconas: Uma revisão dos mecanismos
24. O Uso de Isoflavonas de Soja no Tratamento do Câncer de Próstata: Um Foco nos Efeitos Celulares
25. Isoflavonas
26. Puerarina Induz Ferroptose em Células de Câncer Colorretal via Ativação da Regulação Positiva de NCOA4
27. Bancos de Dados de Farmacologia em Rede para Medicina Tradicional Chinesa: Revisão e Avaliação
    BATMAN-TCM: Uma Ferramenta de Análise Bioinformática para o Mecanismo Molecular da Medicina Tradicional Chinesa
    Farmacologia em rede da medicina tradicional chinesa: Teoria, metodologia e aplicação
    Farmacologia em rede, uma abordagem promissora para revelar o mecanismo farmacológico das fórmulas da medicina chinesa
    TCMSP: Um banco de dados de farmacologia de sistemas para descoberta de fármacos a partir de medicamentos fitoterápicos
    NCBI GEO: Arquivo para conjuntos de dados de genômica funcional — atualização
    Regressão com Encolhimento e Seleção via Lasso
    Seleção de características baseada em SVM-RFE e otimização de parâmetros de Taguchi para classificador SVM multiclasse
    Florestas Aleatórias
    O Papel dos Compostos Polifenólicos (Flavonoides) no Tratamento de Células Cancerígenas
    Ácido elágico: Um ponto de partida lógico para o desenvolvimento de fármacos?
    O efeito antimetastático da baicaleína no câncer colorretal
    A baicaleína inibe a migração e invasão de células de câncer colorretal via supressão da via de sinalização AKT
    Berberina: Estratégias preventivas e terapêuticas potenciais para o câncer colorretal humano
    A berberina inibe o câncer colorretal associado à dieta rica em gordura através da modulação da lisofosfatidilcolina mediada pela microbiota intestinal
    O sulforafano, um isotiocianato de ocorrência natural, induz parada do ciclo celular e apoptose em células HT29 de câncer de cólon humano
    Ganoderma lucidum (cogumelo Reishi) e câncer
    O polissacarídeo de Ganoderma lucidum modula a microbiota intestinal e a função das células imunes para inibir a inflamação e a tumorigênese no cólon
    Paclitaxel no manejo do câncer de cólon: Da quimioterapia convencional aos sistemas avançados de entrega por nanocarreadores
    Ginsenosídeos no câncer: Visando a parada do ciclo celular e a apoptose
    Visão geral da atividade anticâncer da withaferina A, um constituinte ativo do ginseng indiano Withania somnifera
    Revisão dos Usos Tradicionais/Modernos, Fitoquímica, Óleos Essenciais/Extratos e Farmacologia de Embelia ribes Burm
    Alívio da Toxicidade de Fármacos e Produtos Químicos: Valor Biomédico dos Antioxidantes
    UniProt: A base de conhecimento universal de proteínas em 2021
    O Conjunto GeneCards: Da Mineração de Dados Gênicos às Análises de Sequências do Genoma de Doenças
    OMIM.org: Aproveitando o conhecimento através das relações fenótipo-gene
    Banco de dados de alvos terapêuticos 2020: Recurso enriquecido para facilitar a pesquisa e o desenvolvimento inicial de terapêuticas direcionadas
    R: Uma linguagem e ambiente para computação estatística
    limma potencializa análises de expressão diferencial para estudos de RNA-seq e microarranjos
    Identificação de Genes Marcadores Determinantes da Qualidade da Carne em Fibroblastos de Músculo Bovino Usando Perfil Transcriptômico
    Alterações transcriptômicas no hipotálamo de camundongas ovariectomizadas: Dados da análise de RNA-seq
    Integrando Análises de Bioinformática e Sensibilidade a Fármacos para Identificar Características Moleculares Associadas ao Direcionamento da Necroptose no Câncer de Mama e seu Significado Prognóstico Clínico
    WGCNA: Um pacote R para análise de rede de correlação ponderada
    O banco de dados STRING em 2021: Redes proteína-proteína personalizáveis e caracterização funcional de conjuntos de genes/medições enviados pelo usuário
    Cytoscape: Um ambiente de software para modelos integrados de redes de interação biomolecular
    Gene Ontology: Ferramenta para a unificação da biologia. The Gene Ontology Consortium
    KEGG: Enciclopédia de genes e genomas de Kyoto
    clusterProfiler: Um pacote R para comparar temas biológicos entre agrupamentos de genes
    Perfilamento de Células Imunes Infiltrantes de Tumor com CIBERSORT
    Protein Data Bank (PDB): O Arquivo Único Global de Estruturas Macromoleculares
    AlphaFold Protein Structure Database: Expandindo massivamente a cobertura estrutural do espaço de sequências proteicas com modelos de alta precisão
    Revisão sobre o Discovery Studio: Uma ferramenta importante para docagem molecular
    PyMOL: Uma ferramenta de gráficos moleculares de código aberto
    AutoDock Vina: Melhorando a velocidade e a precisão da docagem com uma nova função de pontuação, otimização eficiente e multithreading
    Visão geral do desenho experimental e do pipeline de análise.
    Identificação de alvos relacionados ao CRC. (a) Diagrama de Venn de alvos derivados de bancos de dados. (b) Mapa de calor dos 60 DEGs mais significativos. (c) Gráfico de vulcão. (d) Análise de topologia livre de escala no WGCNA. (e) Análise de conectividade média no WGCNA. (f) Dendrograma de agrupamento de genes do WGCNA e diferenciação de módulos. Módulos diferentes são representados por cores distintas. (g) Diagrama de análise da relação módulo-característica de 12 módulos. Gráficos de correlação representando as relações GS–MM para CRC nos módulos marrom (h), azul (i) e rosa (j).
    Análise computacional de alvos terapêuticos e redes de interação no CRC. (a) Análise de Venn para identificação de alvos. (b) Visualização da rede PPI de alvos cruzados. (c) Diagrama da rede fármaco–CRC. Pentágonos roxos representam categorias de fármacos. Losangos laranja representam componentes ativos. Quadrados verdes representam genes de interseção. Linhas de conexão indicam associações entre os nós.
    Análise de enriquecimento funcional de seis ervas tradicionais chinesas no câncer colorretal. (a) Gráfico de barras da análise de enriquecimento GO. (b) Gráfico Cnet da análise de enriquecimento de vias KEGG.
    Identificação de genes hub por meio de abordagens de aprendizado de máquina. (a) Curvas de taxa de acurácia derivadas da validação cruzada de cinco vezes usando o algoritmo SVM-RFE. (b) Curvas de taxa de erro obtidas da validação cruzada de cinco vezes com o algoritmo SVM-RFE. (c) Diagramas de coeficientes produzidos pela análise LASSO. (d) Diagramas de regularização gerados pela análise LASSO. (e) Curvas de taxa de erro do método RF. (f) Avaliação de importância do método RF. (g) Análise de interseção de genes essenciais descobertos por meio de múltiplos algoritmos de ML.
    Análise de infiltração imune de genes hub. (a) Gráfico de barras empilhadas ilustrando a infiltração de tipos de células imunes nas amostras do conjunto de dados GSE41258. (b) Box plot ilustrando variações na infiltração de células imunes entre amostras de câncer colorretal e normais. (c) Mapa de calor exibindo as correlações entre a expressão de genes hub e a infiltração de células imunes.
    Bolso de ancoragem das proteínas hub alvo. O bolso de ancoragem de (a) CA1, (b) CCND1, (c) CXCL2 e (d) EIF6. As estruturas proteicas são mostradas em representação de fita verde com superfície molecular transparente em branco. Os ligantes estão destacados em ciano e vermelho.

Mapa de interação dos resultados de ancoragem das proteínas hub alvo e suas moléculas ligantes correspondentes. (a) CA1_MOL000040, (b) CA1_MOL000960, (c) CXCL2_MOL000098, (d) CCND1_MOL000098, (e) CCND1_MOL000497, (f) CCND1_MOL000511, (g) EIF6_MOL000098, (h) EIF6_MOL000390, (i) EIF6_MOL000497.

A afinidade da proteína alvo e seu ligante correspondente.

OB e DL dos Compostos Ativos.

Plantas com Ações Importantes Anticâncer Colorretal.