Multidimensional Mechanistic Elucidation of Panax Notoginseng Saponins for Alcohol-Induced Osteonecrosis of the Femoral Head: Integrating Network Pharmacology, Molecular Dynamics Simulation and In Vivo Validation

Technische Samenvatting: Multidimensionale Mechanistische Verheldering van Panax Notoginseng Saponinen voor Alcohol-geïnduceerde Osteonecrose van de Femurkop

Probleemstelling
Alcohol-geïnduceerde osteonecrose van de femurkop (AIONFH) is een veelvoorkomende orthopedische aandoening die voortvloeit uit chronisch alcoholmisbruik, gekenmerkt door een verstoorde perfusie van de femurkop, osteocytnecrose en structurele collaps. Huidige therapieën voor het behoud van de heup, zoals statines en anticoagulantia, bieden beperkte effectiviteit en vereisen vaak een totale heupprothese. Hoewel Panax Notoginseng Saponinen (PNS) pro-angiogene en anti-apoptotische eigenschappen hebben getoond bij botstoornissen, blijft hun precieze moleculaire mechanisme bij de behandeling van AIONFH onvoldoende gedefinieerd. Deze studie adresseert de noodzaak om de actieve ingrediënten, kern-targets en signaalroutes van PNS tegen AIONFH systematisch te verhelderen om klinische translatie te faciliteren.

Methodologie
De studie maakte gebruik van een multidimensionale aanpak waarbij computationele voorspelling werd geïntegreerd met in vivo validatie:

1. Netwerkfarmacologie & Machine Learning:

   • Target Screening: Actieve componenten van PNS en AIONFH-gerelateerde targets werden opgehaald uit databases (TCMSP, PubChem, GeneCards, OMIM, etc.). De intersectie-targets werden geïdentificeerd, wat resulteerde in 18 gemeenschappelijke targets.
   • Identificatie van Kern-targets: Drie machine learning-algoritmen—Logistische Regressie, Support Vector Machine-Recursive Feature Elimination (SVM-RFE) en Random Forest—werden toegepast op de GEO-dataset GSE74089 om kern-therapeutische targets uit de intersectieset te screenen.
   • Enrichment Analyse: Gene Ontology (GO) en Kyoto Encyclopedia of Genes and Genomes (KEGG) analyses werden uitgevoerd om biologische processen en signaalroutes te identificeren.

2. Moleculaire Simulatie:

   • Moleculaire Docking: Interacties tussen vijf belangrijke PNS-componenten (Notoginsenoside R1, Ginsenosiden Rb1, Rg1, Re, Rd) en de zes kern-targets werden geëvalueerd met behulp van AutoDock Vina.
   • Moleculaire Dynamica (MD): Een 100 ns MD-simulatie werd uitgevoerd met GROMACS 2022 op het complex met de hoogste bindingsaffiniteit (Ginsenoside Re en HSD11B1). Stabiliteit werd beoordeeld via Root Mean Square Deviation (RMSD), Radius of Gyration (Rg), Root Mean Square Fluctuation (RMSF), Solvent Accessible Surface Area (SASA) en berekeningen van de bindingsvrije energie (MM/GBSA).

3. In Vivo Validatie:

   • Modelopzetting: Een AIONFH-rattenmodel werd geïnduceerd via dagelijkse intragastrische toediening van 46% ethanol gedurende 45 dagen.
   • Interventie: Ratten werden behandeld met lage, medium en hoge doses PNS gedurende 4 weken.
   • Beoordelingen: Pathologische veranderingen werden geëvalueerd met behulp van HE-, TRAP-, Alizarine Rood- en ALP-kleuring. Proteïne-lokalisatie werd geanalyseerd via immunofluorescentie, en genexpressie (HSD11B1, Runx2, CTSK) werd gekwantificeerd met qPCR.

Belangrijkste Resultaten

• Target Identificatie: Netwerkfarmacologie identificeerde 127 potentiële PNS-targets en 18 overlappende targets met AIONFH. Machine learning-algoritmen convergeerden op zes kern-targets: FGF2, HSD11B1, BMP2, MMP13, TYMS, en VEGFA.
• Pathway Analyse: KEGG-enrichment benadrukte de Vascular Endothelial Growth Factor (VEGF)-route als cruciaal. GO-analyse gaf aan dat er een significante betrokkenheid is bij osteoblastdifferentiatie.
• Moleculaire Interactie: Moleculaire docking onthulde dat Ginsenoside Re (G-Re) de sterkste bindingsaffiniteit vertoonde met HSD11B1 (bindingsenergie: -12,4 kcal/mol).
• Simulatiestabiliteit: De 100 ns MD-simulatie bevestigde de stabiliteit van het G-Re–HSD11B1-complex. RMSD-waarden bleven onder 0,4 Å, Rg fluctueerde minimaal (2,64–2,76 Å), en stabiele waterstofbruggen (2–3) werden gedurende de simulatie behouden. Residue-energie-decompositie identificeerde ASP323 en ALA212 als cruciale bijdragers aan de binding.
• In Vivo Effectiviteit:
  • Histologie: PNS-behandeling verbeterde dosisafhankelijk de microstructuur van de trabeculaire botten, verminderde adipocyt-hyperplasie en verminderde de lege lacunae vergeleken met het onbehandelde AIONFH-model.
  • Botmetabolisme: TRAP-kleuring toonde een onderdrukking van de osteoclast-overactiviteit, terwijl ALP- en Alizarine Rood-kleuring wijzen op herstelde osteoblastactiviteit en calciumdepositie.
  • Moleculair Mechanisme: Immunofluorescentie en qPCR bevestigden dat AIONFH HSD11B1 opreguleert en Runx2 downreguleert. PNS-behandeling onderdrukte de HSD11B1-expressie dosisafhankelijk en herstelde de Runx2-niveaus, met name bij medium en hoge doses.

Significantie en Claims
De auteurs beweren dat deze studie een rigoureus "computationele voorspelling → moleculaire validatie → in vivo verificatie" onderzoeksmodel voor traditionele Chinese geneeskunde heeft vastgesteld. De primaire significantie ligt in:

1. Mechanistische Verheldering: De studie identificeert HSD1B1 als een sleuteltarget voor de therapeutische werking van PNS bij AIONFH, een bevinding die als nieuw wordt gepresenteerd. Het mechanisme wordt voorgesteld als de inhibitie van HSD11B1 door Ginsenoside Re, wat de lokale overproductie van glucocorticoiden vermindert, waardoor vasculaire compressie wordt verlicht en de ischemie-osteonecrose-cyclus wordt doorbroken.
2. Multidimensionaal Therapeutisch Effect: Er wordt aangetoond dat PNS therapeutische effecten uitoefent via een multi-component, multi-target en multi-pathway wijze, waarbij gelijktijdig de perfusie (via VEGF/FGF2) wordt verbeterd, het botmetabolisme wordt gebalanceerd en osteocyt-apoptose wordt geremd.
3. Methodologische Integratie: De integratie van machine learning met netwerkfarmacologie en moleculaire dynamica biedt een robuust kader voor het ontleden van complexe multi-componentmechanismen, wat een wetenschappelijke basis biedt voor de klinische toepassing van PNS bij de behandeling van AIONFH.

De auteurs erkennen beperkingen, waaronder de afhankelijkheid van bestaande databases voor target-screening, de focus van MD-simulaties op een enkel complex (G-Re–HSD11B1), en de afwezigheid van langetermijn structurele stabiliteitsbeoordelingen in het diermodel. Toekomstig werk zal onder meer CRISPR/Cas9-validatie en de ontwikkeling van samengestelde klinische modellen omvatten.