基于网络药理学和分子对接技术的灵芝改善2型糖尿病作用机制

目的应用网络药理学方法探讨灵芝在改善2型糖尿病(T2DM)中的作用机制。方法通过TCMSP筛选灵芝化学成分,使用SWISS Target Prediction导入主要成分的SMILE name获取单个基因名;结合DisGeNET和GeneCards获取疾病基因;利用Venn数据库筛选出交集靶点;在微生信平台构建活性成分和疾病靶点网络;利用STRING和Cytoscape数据库构建PPI网络;使用DAVID数据库进行GO和KEGG功能富集分析;使用AutoDock数据库进行分子对接。结果灵芝和2型糖尿病的共同靶点有146个;PPI网络包含灵芝和2型糖尿病共同目标有146个节点和2201条“边”;筛选出灵芝5个活性成分及与T2DM相关靶点146个;重要活性成分包括Methyl lucidenate F、环氧灵芝醇A、赤灵芝酸E、赤芝酮A、Methyl lucidenate Q,核心靶点包括PGR、PTPN1、NR3C2等;KEGG主要通路富集于卵母细胞减数分裂、NF-kappa B信号通路、长寿调节途径等;分子对接结果显示,化合物和重要靶位之间具有很强的融合作用。结论本研究进一步发现了灵芝中含有Methyl lucidenate F、环氧灵芝醇A、赤紫芝酸e、赤芝酸A、Methyl lucidenate Q等活性成分,为灵芝治疗2型糖尿病的核心组分,通过控制关键治疗靶点NR3C2和HSD11B2,影响NF-kappaB binding信息通路,从而达到改善2型糖尿病的效果。

Monad的一种自动生成技术

Monad程序的核心是一组Monad定义.Monad定义分为MAP型和BIND型.如果在Monad库中已有所需要的Monad定义型,则可以直接使用,而不需要重新构造;否则,需要重新构造.但如果在Monad程序设计环境中增加从一类Monad构造另一类Monad的自动生成器,那么既方便了用户也扩充了1倍原有的Monad库.鉴于这种思想,用支持Monad程序设计的高阶函数语言Haskell实现了一个Monad的自动生成系统.另外,用户构造Monad不仅要花费较多的时间,而且写出的Monad多态函数往往不满足Monad所需满足的几条公理,因此,从这方面也可以看出,从一种类型的Monad自动产生另一种类型的Monad的重要意义.