基于网络药理学和分子对接探析槲皮素对抑郁的作用机制

应用网络药理学及分子对接技术探究槲皮素治疗抑郁的潜在机制。从SwissTargetPrediction、Superpred数据库中筛选出“槲皮素”相关靶点;从OMIM、Genecards数据库中筛选出“抑郁”的相关靶点。通过Jvenn获得二者的共同蛋白质靶点信息后,使用Cytoscape软件构建蛋白质互作网络,并对hub基因进行筛选。使用David平台对相同靶点进行GO、KEGG等富集分析。最后采用分子对接技术进行准确性检验。PPI网络中共有103个节点,536条边,其中SRC、MTOR、EGFR、AKT1、PTK2等靶点度值排名较高。GO、KEGG富集分析结果表明,槲皮素对抑郁的作用主要涉及凋亡过程的负向调节、信号转导、蛋白磷酸化反应等生物学过程。信号通路主要包括HIF-1、ErbB、磷脂酶D信号传导、神经营养素信号传导等。分子对接结果显示SRC、MTOR、AKT1等靶点与槲皮素结合程度较好,且在KEGG通路中富集。揭示了槲皮素作用于抑郁的潜在靶点及机制,以期望研制出治疗抑郁症新药物。

中国成年人群多肥胖指标与高尿酸血症之间的关系

目的 寻找适用于预测中国成年人群中高尿酸血症(hyperuricemia, HUA)患者的肥胖指标。方法 计算2009年中国健康与营养调查的8 133例调查对象的各项肥胖指标,对其基本情况进行描述性分析。采用χ^(2)检验、t检验分别检验分类变量、连续型变量在HUA组和非HUA组之间的差异。绘制各肥胖指标的受试者工作特征(receiver operating characteristic, ROC)曲线,判断各肥胖指标预测HUA的准确性。采用二元logistic回归分析肥胖指标与HUA之间的关系。结果 人口学协变量、患病情况以及身体质量指数(body mass index, BMI)均会对HUA的患病产生影响。各肥胖指标对HUA均有良好的预测性,其中,脂质蓄积指数(lipid accumulation product, LAP)效果最佳,AUC=0.77(95%CI:0.75~0.78)。各肥胖指标均与HUA显著相关。未调整协变量时,LAP的OR值最高,OR=5.87 (95%CI:5.08~6.77)。结论 LAP指数与HUA显著相关,可作为评估中国成年肥胖人群HUA患病的新兴指标。

基于CHNS数据库探讨膳食质量和感知压力的关联

目的探索中国成年人群膳食质量与感知压力的关联。方法选用中国健康与营养调查数据(China Health and Nutrition Survey,CHNS),来探究中国成年人群中膳食质量与感知压力间的关联;采用中国健康膳食指数(Chinese Healthy Eating Index,CHEI)评价中国成年人膳食质量;通过中国感知压力(Chinese Perceived Stress Scale,CPSS)量表来评估中国成年人感知压力;采用logistic回归分析来探索膳食质量与感知压力的关联;通过限制性立方样条来阐明膳食质量与感知压力的剂量反应关系。结果logistic回归显示,相比与CHEI得分<P_(25)的人群,CHEI得分处于P_(25)~P 50的成年人以及>P_(75)的成年人的高感知压力风险分别降低了15.1%(OR=0.849,95%CI:0.738~0.977)和23.0%(OR=0.770,95%CI:0.666~0.891);限制性立方样条结果显示,在总体人群中高感知压力风险的OR随着CHEI的增加逐渐降低,但这种关联在CHEI较低时并不显著。结论高膳食质量与高感知压力风险降低有关,研究可以为高膳食质量对高感知压力风险降低健康效应提供理论参考。