| 摘要: |
| 目的 运用网络药理学、机器学习、分子对接及细胞实验探索泮托拉唑治疗特发性肺纤维化（IPF）的分子机制。 方
法 首先，采用网络药理学方法获取IPF相关的疾病靶点，构建交集并进行蛋白质-蛋白质相互作用网络分析。随后，采用机器学习筛
选与IPF预后相关的核心基因，并基于这些基因构建预后模型。通过分子对接分析泮托拉唑与关键靶点的结合情况。将A549细胞分
为空白对照组、转化生长因子-β1（TGF-β1）组、泮托拉唑钠（20、40、60 mg/L）组。TGF-β1组加入5 ng/mL TGF-β1刺激培养48 h，
泮托拉唑钠组分别加入20、40、60 mg/L泮托拉唑钠和5 ng/mL TGF-β1共同刺激培养48 h。采用蛋白质印迹法检测上皮间质转化
（EMT）相关标志物E-钙黏蛋白（E-cadherin）、波形蛋白（Vimentin）、基质金属蛋白酶（MMP）1、MMP8蛋白相对表达水平。 结果 筛
选出41个泮托拉唑治疗IPF的关键靶点，基因本体论、京都基因和基因组百科全书分析显示泮托拉唑主要涉及胶原蛋白分解、磷脂酰
肌醇3-激酶/蛋白激酶B信号通路等生物学过程。机器学习方法筛选出7个核心靶点：MMP1、MMP7、MMP8、激酶插入结构域受体、
丝裂原活化蛋白激酶8、丝氨酸蛋白酶抑制剂A1家族成员1、肉瘤病毒癌基因，并建立了有效的IPF预后模型。分子对接结果显示，泮
托拉唑与这些靶点具有较强结合力。细胞实验结果表明，泮托拉唑能逆转TGF-β1诱导的A549细胞EMT，表现为上调E-cadherin，
下调Vimentin、MMP1、MMP8等蛋白表达。 结论 泮托拉唑可能通过多靶点、多信号途径发挥治疗IPF的作用。 |
| 关键词: |
| DOI： |
| 分类号: |
| 基金项目:浙江省医药卫生科技计划项目（2024KY273）；浙江省中医药科技计划项目（2026ZL0706） |
|
|
|
|
| Abstract: |
|
| Key words: |
