Probing the mechanism of action (MOA) of Solanum nigrum Linn against breast cancer using network pharmacology and molecular docking
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Solanum nigrum Linn is a medicinal herb widely used in traditional Chinese medicine to treat ailments such as fever, inflammation and cancer. Although quite a few compounds have been isolated and characterized, its anticancer mechanism remains elusive. Thus, in this study, we used network pharmacology and molecular docking strategies to identify the major active ingredients in S. nigrum and reveal its putative mechanism against human breast cancer. Six compounds, quercetin, cholesterol, 3-epi-beta-sitosterol, diosgenin, medioresinol and solanocapsine, were identified to be the major active ingredients. Target identification and analysis showed that they regulate 80 breast cancer-related targets. Furthermore, network analysis showed that the six active ingredients regulate multiple pathways including ErbB signaling pathway and estrogen signaling pathway and genes AKT1 (AKT serine/threonine kinase 1), ESR1 (estrogen receptor 1), EGFR (epidermal growth factor receptor), SRC (proto-oncogene tyrosine-protein kinase Src), AR (androgen receptor) and MMP9 (matrix metalloproteinase 9) are crucial genes involved in the regulations. Molecular docking implied that quercetin could form good binding with AKT1, EGFR, SRC and MMP9. Our current study suggests that the anticancer function of S. nigrum is likely via synergistic/additive effects of multiple active ingredients’ regulations of different signaling pathways. Further studies are warranted to establish the standard for S. nuigrum to be used as a CAM (complementary and alternative medicine) in breast cancer treatment and dissect its potential interactions with chemotherapy drugs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle