MétaCan
Menu
Retour à la cohorte
Enregistrement W4409787663 · doi:10.61091/jcmcc127a-412

Network Pharmacology and Integrated Molecular Docking Study on the Mechanism of the Protective Effect of Litchi Seed in Skin Photoaging

2025· article· en· W4409787663 sur OpenAlexvenueno aff

Notice bibliographique

RevueJournal of Combinatorial Mathematics and Combinatorial Computing · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFood Quality and Safety Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPhotoagingMechanism (biology)PharmacologyDocking (animal)ChemistryComputational biologyBiologyMedicineDermatologyPhysics

Résumé

récupéré en direct d'OpenAlex

Background: Ultraviolet radiation (UVR) causes premature skin aging.Litchi seed (LS) is considered a natural plant extract with potential antioxidant, anti-aging and anti-inflammatory properties.However, the mechanisms of LS's protective effects on skin photoaging remain unclear.Objective: This study aims to perform a rapid and efficient virtual screening of the main targets and possible mechanisms of the protective effect of LS on skin photoaging through network pharmacology, bioinformatics and molecular docking.Methods: The primary active compounds and their corresponding targets of LS were obtained from the TCMSP, STP, and UniProt databases.Concurrently, photoaging-related targets were mined from the GEO, GeneCards, and OMIM databases."LS-photoaging" targets were identified using Venn diagrams created with R software.Protein-protein interaction (PPI) networks and "compound-target-disease" networks were constructed and analyzed using Cytoscape.GO and KEGG pathway enrichment analyses were then performed to predict the protective mechanisms of LS against skin photoaging.Finally, key targets and active compounds were validated through molecular docking using AutoDock Vina.Results: The screening identified 368 targets of LS active compounds and 872 photoaging-related targets.Network topology analysis revealed 87 common targets, with AKT1, IL6, TP53, and CASP3 as core targets.Enrichment analysis reveals that LS can modulate the ROS/MAPK/AP-1 pathway, thereby inhibiting inflammatory responses and reducing oxidative stress, which leads to a decrease in pro-inflammatory factors.Additionally, it promotes collagen restoration by suppressing the expression of MMPs.Molecular docking validation demonstrated a strong binding affinity between the core targets and the key compounds.Conclusion: LS shows potential for treating photoaging by counteracting inflammation and oxidative stress, regulating collagen and lipid metabolism, and inhibiting apoptosis.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,259
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueJournal of Combinatorial Mathematics and Combinatorial ComputingMême sujetFood Quality and Safety StudiesTravaux en français237 207