J Ethnopharmacol:基于MAPK/PI3K信号通路和成分细胞垂钓的茯苓醇溶提取物抑制胃癌MKN45细胞生长的研究

2023-11-20 紫菀款冬 MedSci原创

研究了茯苓乙醇溶性提取物(PESE)的物质组成及对胃癌的抑制作用,并探讨其潜在的机制和生物活性成分。

背景:茯苓是一种形成菌核的食用菌,具有利尿、祛湿、健脾、调胃的作用,最早被记录在中国古代医学巨著《神农本草经》中。茯苓在中医临床中有很高的应用,是许多抗癌配方的重要成分之一,如宋代《太平惠民和剂局方》记载的四君子汤,汉代《金匮要略》记载的桂枝茯苓丸、小半夏加茯苓汤。这些配方含有茯苓,对胃癌卵巢癌肝癌肺癌和其他癌症有很好的抑制作用。

茯苓含有多糖、三萜、甾醇等活性化学成分;研究表明,多糖和三萜都是一类具有广泛抗肿瘤活性的化合物。胃癌是一种常见的消化道疾病,由生活习惯、饮食和环境等多种综合因素引起;中医等综合治疗方法已成为临床上癌症重要的治疗方法。2000多年来,茯苓被广泛用于治疗胃肠道疾病。该研究进一步研究了茯苓乙醇溶性提取物(PESE)的物质组成及对胃癌的抑制作用,并探讨其潜在的机制和生物活性成分。

方法:采用体外和体内实验检测细胞活性和凋亡情况。基于转录组学进行差异表达分析和途径富集,并通过实时聚合酶链反应和western blotting进行验证。将胃癌肿瘤模型小鼠随机分为三组,即对照组(CMC-Na,0.5%,20 mL/kg/天)、CDDP组(顺铂,4 mg/kg/2天)和PESE组(PESE,200 mg/kg/天)。测定小鼠体重和肿瘤体积,测定肿瘤组织病理特征及免疫组化变化。然后,采用MKN45细胞垂钓检测PESE的主要活性成分。

结果:体外实验表明,PESE对MKN45细胞增殖有抑制作用,但不诱导细胞凋亡。基于转录组和western blotting结果,PESE对MKN45增殖的抑制可能受丝裂原活化蛋白激酶(MAPK)和磷酸肌醇-3-激酶-蛋白激酶B (PI3K-Akt)信号通路的影响。体内实验表明,PESE抑制小鼠肿瘤生长,引起肿瘤细胞部分坏死,但对小鼠无毒性作用。细胞垂钓鉴定出茯苓中9种三萜类化合物为PESE的主要活性成分

结论:PESE对胃癌具有明显的抑制作用,其机制可能共同影响MAPK和PI3K-Akt信号通路,可能与PESE的三萜成分有关

原始出处:

Xie Z, Zeng H, He D, et al. Insights into the inhibition of stomach cancer MKN45 cell growth by Poria cocos ethanol-soluble extract based on MAPK/PI3K signaling pathways and components cell fishing [published online ahead of print, 2023 Nov 15]. J Ethnopharmacol. 2023;117417. doi:10.1016/j.jep.2023.117417

作者:紫菀款冬



版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言
评论区 (1)
#插入话题
  1. 2023-11-20 梅斯管理员

    #胃癌# # 抗增殖# #MAPK3# #PIK3R3# #茯苓三萜类成分#

    0

相关资讯

ESMO 2023:胃癌新辅助Ⅲ期RESOLVE研究更新5年随访结果

RESOLVE在最新的5年生存结果上取得了显著的突破。同时,与国际同类研究相比,RESOLVE研究在中国患者中表现出更佳的效果。

前沿进展 | 胃癌中基于免疫检查点抑制剂疗效预测的生物标志物

本文结合文献就胃癌基于ICI疗效预测的生物标志物研究进展进行汇总。

Cancer Commun:王峰/周志伟/徐瑞华团队揭示基于辅助化疗后残留ctDNA可有效预测II-III期胃癌复发

研究表明,ACT术后残余ctDNA可有效预测II/III期胃癌的高复发风险,结合组织基础和循环肿瘤特征可更好地实现风险预测。

European Radiology:光谱CT,实现胃癌神经周围浸润的术前预测!

光谱CT可以在一站式扫描中提供形态学特征和定量参数,在对GC的N分期和疗效评估方面也表现出很好的诊断准确性。

Academic radiology:放射组学和深度学习对胃癌患者程序性死亡配体1表达水平的非侵入性评估!

放射组学和深度学习方法可以通过生成和整合高通量的定量放射学特征来推断肿瘤病理的微观特征、,这被称为 "数字活检"。