メタボノミクスは、全体的および動的な代謝反応を測定し、伝統的な漢方薬の全体的な有効性を決定することと一致しています。体の代謝反応による薬物成分の変化は、メタボノミクスで決定することができます。TCMの有効成分をスクリーニングする範囲は、この技術を利用することによって絞り込むことができる。
個々の構成要素を研究することによって、一方性を避けることができます。この方法は同時であり得、血液中に吸収される内因性代謝産物および外因性成分を決定することができる。メタボノミクスは、TCM、薬物毒物学、健康管理、スポーツ、食品などの分野で広く使用されています。
まず、6匹のSprague Dawleyラットのグループを3日間治療するために、Cyperi根腫、CR、または酢(CRV)で処理されたCyperi根腫の必要な抽出物を決定します。この式を使用して、ラットあたりに適用されるCRまたはCRVの体積を計算します。CRVを処理するには、100ミリリットルあたり5.5グラムを超える酢酸を含む100グラムのCRと20グラムの酢を完全に混合し、12時間インキュベートします。
インキュベーション後、混合物を鉄鍋で110〜120°Cで10分間炒めます。次に、混合物を取り出し、室温で冷却します。CR抽出物を調製するには、CR量を摂取したCR量の10倍の純水でCRを2時間浸し、薬用材料が液面以下であることを確認します。
次に、水と薬の混合物を強火で沸騰させ、弱火で20分間沸騰させ続けます。その後、内容物を100メッシュのろ布でろ過し、ろ液を回収します。次に、回収したろ液をロータリーエバポレーターで1ミリリットルあたり1グラムまで抽出液に濃縮します。
CRV抽出物を調製するには、CR抽出で示されているように、浸漬、煮沸、および濃縮の手順を実行します。CRおよびCRV抽出物を試験するために、500マイクロリットルの抽出物を1.5ミリリットルの微量遠心チューブ中の500マイクロリットルのメタノールにピペットし、30秒間ボルテックスして混合する。サンプルを摂氏4度で16, 500 gで15分間遠心分離します。
次に、上清を取り除き、テストのためにサンプルバイアルに移します。サンプルをテストした後、主成分分析(PCA)と、分析ソフトウェアを使用してモデリングを実行します。代謝物の標準化データをソフトウェアにインポートし、Autofitを使用して分析モデルを構築します。
最後に、スコアを使用してPCAのスコア散布図を取得します。直交偏最小二乗判別分析(OPLS-DA)を実行するには、代謝物とCRおよびCRVグループに関する標準化データをソフトウェアにインポートします。次に、CRデータとCRVデータを、作成したそれぞれのグループにインポートします。
次に、自動調整を使用して分析モデルを構築し、スコアを使用してOPLS-DAのスコア散布図を取得します。最後に、VIP を使用して、プロジェクションの可変有意性または OPLS-DA の VIP 値を取得します。潜在的に異なる代謝物を特定するには、VIP値が1より大きい代謝物を選別します。.
次に、統計ソフトウェアを使用して、学生のT検定によってスクリーニングされた代謝物のP値を計算します。次に、差分代謝物を特定するために、注釈付き代謝物を使用し、KEGGデータベースで照合する差分代謝物を選別します。CR群とCRV群の代謝差の変化をヒートマップで示す。
潜在的な代謝経路を調べるには、MetaboAnalystデータベースにアクセスしてください。パスウェイ分析を使用してさまざまな代謝物をアップロードし、潜在的な代謝経路を取得します。さまざまな代謝物をKEGGデータベースにアップロードして、潜在的な代謝経路を分析します。
分析された月経困難症モデル実験は、プロスタグランジンレベルに有意差を示した。モデルCR群およびCRV群のラットは、オキシトシン注射後に実質的な身もだえ反応を示した。PCA解析の結果、モデル群と比較したCRとCRVのクラスターは、正イオンモードと負イオンモードの両方で有意に分離されていることが示されました。
OPLS-DAを使用して代謝の違いをスクリーニングし、散布図の結果はCRグループとCRVグループが分離されていることを示しました。代謝変動を特定するために単変量統計解析を実施した。火山プロットが示され、各点は異なる代謝物に対応する。
陽性モードでは63の代謝物、陰性モードでは30の代謝物に有意な変化が観察された。差次的代謝物はKEGGおよびHDMBデータベースを使用して決定され、正確に一致する化合物がリストされました。CR群とCRV群の間の示差代謝物の定量値を計算し、クラスター化した。
カラーパッチは、各代謝物が他の代謝物と比較してどのように発現されるかを示します。CR群と比較して、CRV群の4つの異なる代謝物のレベルは増加し、11の代謝物はポジティブイオンモードで減少しました。マイナスイオンモードの場合、4つの差動代謝物が増加し、7つの代謝物が減少した。
KEGG経路解析の結果、代謝差はポジティブモードとネガティブモードの9つの経路と関連していることが示されました。代謝物の違いが多いほど、結果は良くなるため、十分な代謝経路をリンクでき、スクリーニングされた主要な代謝経路がより正確になります。
