Analysis of lncRNA-mRNA Co-expression Network in Invasive Pituitary Adenomas
-
摘要:
目的 利用二代测序技术筛选侵袭性垂体腺瘤组织中差异表达的lncRNA，分析其在侵袭性垂体腺瘤发病机制中可能发挥的潜在作用。 方法 通过RNA测序分析4例侵袭性垂体腺瘤患者和3例非侵袭性垂体腺瘤患者的lncRNA和mRNA的表达情况，筛选出差异表达的lncRNA和mRNA。据此，构建lncRNA-mRNA共表达网络，并进行GO和KEGG通路分析。 结果 对侵袭性和非侵袭性垂体瘤的lncRNA和mRNA差异表达分析，共获得35个差异表达的lncRNA和463个差异表达的mRNA。共表达网络显示FAM66A、TPTEP1、AC017116.11、RP11-1114A5.4和RP11-246K15.1在网络中处于关键位置。 结论 lncRNA-mRNA共表达网络的建立，发现一些差异表达的lncRNA可能在侵袭性垂体腺瘤的发病机制中发挥关键作用，可能成为侵袭性垂体腺瘤新的诊断标志物和治疗靶点。 -
关键词:
- 侵袭性垂体腺瘤 /
- 长链非编码（lncRNA） /
- RNA测序 /
- lncRNA-mRNA共表达
Abstract:Objective To screen differentially expressed lncRNAs in invasive pituitary adenomas by second-generation sequencing, and to explore their potential role in the pathogenesis of invasive pituitary adenomas. Methods The expressions of lncRNA and mRNA in 4 patients with invasive pituitary adenoma and 3 patients with non-invasive pituitary adenoma were analyzed by RNA sequencing to single out the differentially expressed lncRNA and mRNA. Accordingly, lncrNA-mRNA co-expression networks were constructed and GO and KEGG pathways were analyzed. Results A total of 35 differentially expressed lncRNAs and 463 differentially expressed mRNAs were obtained by analyzing the differentially expressed lncRNAs and mRNAs in both invasive and non-invasive pituitary tumors. The co-expression network showed that FAM66A, TPTEP1, AC017116.11, RP11-1114A5.4 and RP11-246K15.1 were in a key position in the network. Conclusion Through the establishment of co-expression network of lncRNA-mRNA, we found that some new lncRNA may play a key role in the pathogenesis of invasive pituitary adenomas and may be used as novel biomarkers of invasive pituitary adenomas. -
垂体腺瘤是最常见的神经内分泌肿瘤之一，发病率约17%，占中枢神经系统肿瘤的10%～25%[1]。垂体腺瘤按生物学特性分为非侵袭性垂体腺瘤和侵袭性垂体腺瘤。非侵袭性垂体腺瘤呈膨胀性生长，一般都具有清晰的边界。通常将侵袭性垂体腺瘤的生物学特性及其产生的影像学表现相结合作为诊断标准，表现为腺瘤侵入海绵窦、硬脑膜和颅骨等周围脑组织并包绕颈内动脉等重要结构[2]。侵袭性垂体腺瘤手术切除极其困难，术后容易残留和复发，给临床治疗带来极大困难[3]。因此，研究侵袭性垂体腺瘤的侵袭机制，对提高临床诊治效果具有重要意义。
基因组学发现，不到2%的人类基因被转录并翻译成蛋白质，而超过90%的基因被转录成非编码RNA （ncRNA）[4]。LncRNA在许多生命活动中起着重要的作用，如表观遗传调控、细胞周期调控、细胞分化调控等[5]。大量研究表明，lncRNA与肿瘤发生密切相关[6]。近年来，研究者开始研究lncRNA在侵袭性垂体腺瘤中的作用，郭辉等[7]发现垂体腺瘤细胞中IFNGAS1过表达可能通过下调上皮剪接调控蛋白2 （ESRP2）而调控垂体腺瘤的侵袭性作用；郭强等[8]研究发现，lncRNA1 C5orf66-AS1可抑制垂体功能腺瘤的发生和侵袭。虽然有侵袭性垂体腺瘤相关的lncRNA的报道，但lncRNA在侵袭性垂体瘤发病机制中的研究较少，尚无明确的lncRNA作为侵袭性垂体腺瘤的特异性标志物。
笔者使用RNA-seq分析来识别差异表达的lncRNA，以寻找可能作为分子标志物的lncRNA。鉴定差异表达的mRNA并建立lncRNA-mRNA网络来预测lncRNA与mRNA在侵袭性垂体瘤中可能的相互作用。GO和KEGG分析预测侵袭性垂体腺瘤相关的信号通路。lncRNA在垂体腺瘤中的表达有显著差异，异常表达的lncRNA可作为生物学标志物和特异性治疗靶点。这些发现可能为侵袭性垂体瘤今后的早期诊断和预后预测提供潜在的生物标志物。
1. 材料与方法
1.1 样本收集与测序准备
4例侵袭性垂体腺瘤和3例非侵袭性垂体腺瘤均来自昆明医科大学第一附属医院神经外科。所有病例均经影像学、手术及病理证实。本研究经昆明医科大学第一附属医院伦理委员会批准，所有参与者均已签署知情同意书。将手术切除的垂体瘤组织用生理盐水中反复漂洗，放入无菌、氯化的2.0 mL冷冻管。然后将样本浸泡在Trizol试剂中，放入−80 ℃冰箱保存，准备进行组织中的总RNA提取和后续分析。
1.2 总RNA提取、文库制备和测序
每个样本提取3 μg RNA作为RNA-seq准备材料。NanoPhotometer® spectrophotometer （IMPLEN，CA，USA）测量RNA纯度。Qubit® RNA Assay Kit in Qubit® 2.0 Flurometer （Life Technologies，CA，USA）测定RNA浓度。通过安捷伦生物分析仪2100系统（Agilent Technologies，CA，USA）的RNA Nano 6000检测试剂盒评估RNA完整性。用Epicentre Ribo-zero™ rRNA删除工具（Epicentre，USA）去除样本中的rRNA，并用乙醇沉淀法去除rRNA残留。按照制造商的说明使用rRNA-depleted RNA by NEBNext® Ultra™ Directional RNA Library Prep Kit for Illumina® （NEB，USA）生成测序库。采用AMPure XP系统对产品进行纯化，并在安捷伦生物分析仪2100系统上对文库质量进行评价。根据制造商的说明，使用TruSeq PE Cluster Kit v3-cBot-HS （Illumia）在cBot集群生成系统上对索引编码的样本进行聚类。集群生成之后，在Illumina Hiseq 4000平台上进行测序。
1.3 RNA定量及差异表达
RNA表达水平由TPM（转录本/百万）进行表达量归一化处理，通过以下标准进行估计：标准化表达式 = Mapped readcount/总读取数×100000011[9]。使用 R语言DEGseq包对样本进行差异表达分析，差异lncRNA默认筛选条件为：P < 0.05，|log2（foldchange）| > 1。
1.4 GO和KEGG通路
为了研究侵袭性垂体瘤样本与非侵袭性垂体瘤样本失调的lncRNA的功能，笔者对其共表达的mRNA进行了功能分析，包括基因本体论（GO）分析和《京都基因与基因组百科全书》[10]（KEGG）通路分析。用GOseq[11]对与lncRNA共表达的mRNA作GO富集分析，包括细胞组分（CC）、分子功能（BP）和生物学过程（MF）。KOBAS软件[12]检测KEGG通路中mRNA的富集分析情况。
1.5 lncRNA-mRNA共表达网络的构建
皮尔逊相关系数（PCC）被广泛用于测量线性相关[13]。一般来说，PCC值为1表示完全正线性相关，PCC值为−1表示完全负线性相关，PCC值为0表示无线性相关。使用差异表达的lncRNA和差异表达的mRNA来检测所有可能的lncRNA- mRNA相关关系。对于每个RNA，笔者使用其FPKM标准化表达值来计算相关性。对于每个lncRNA-mRNA，计算PCC来评估lncRNA和mRNA的表达是否在所有4个侵袭性垂体腺瘤或3个非侵袭性垂体腺瘤样本中一致线性相关。如果| PCC | > 0.95和P < 0.05，笔者认为lncRNA与mRNA呈线性相关，即具有共表达关系。使用Cytoscape （ http://www.cytoscape.org）将相关的lncRNA-mRNA对可视化为共表达网络。分子网络的拓扑性质包括度、介数和紧密度。因此，对这些常见的拓扑测量进行分析，以揭示网络的特性。Cytohubba是Cytoscape 插件，其计算的结果包括11种算法，选择最常用的算法度（Degree）筛选网络中排名前五的lncRNA[14]。
2. 结果
2.1 差异表达的lncRNA和mRNA
共检测到1997个lncRNA，其中表达具有显著差异的共35个，其中上调21个，下调14个，见表1。为了探讨lncRNA与mRNA之间可能的相互作用。对mRNA进行RNA-Seq分析，检测到463个差异表达基因的mRNA，其中229个表达上调，234个表达下调，差异最显著的前20个mRNA，见表2。差异表达基因的聚类热图，见图1。
表 1 差异表达的lncRNATable 1. Differentially expressed lncRNAs基因名 Log2（Foldchange） P 异常表达情况 RP11-252P19.2 7.110230855 0.025594461 上调 LINC00473 6.892052835 0.000316802 上调 STXBP5-AS1 5.640589233 0.007878966 上调 RP11-71H17.7 5.221628067 0.017764884 上调 TPTEP1 4.89206949 0.003097546 上调 RP11-262H14.3 3.952787834 0.03606433 上调 RP11-12O16.1 2.807343125 0.011324588 上调 RP11-111M22.3 2.28836899 0.002792906 上调 RP11-250B2.3 1.906609127 0.035774432 上调 FAM66A 1.848133787 0.002209197 上调 RP11-262H14.4 1.813382724 0.009868508 上调 CTD-3193K9.4 1.721455664 0.001307362 上调 MAFG-AS1 1.536359193 0.044840975 上调 SNHG8 1.461730762 0.049804872 上调 AC139100.4 1.448409941 0.045905713 上调 FAM27C 1.415494365 0.029287703 上调 AC005062.2 1.349936987 0.033475711 上调 RP11-646I6.5 1.272730756 0.046225249 上调 RN7SL674P 1.260917811 0.008860604 上调 RP11-662M24.2 1.188403274 0.037409712 上调 LRRC75A-AS1 1.042079322 0.002182732 上调 ZFAS1 −1.030295183 0.02204746 下调 TP53TG1 −1.093552638 0.027463784 下调 CTB-129O4.1 −1.167587296 0.041920971 下调 RP11-1020A11.1 −1.227419109 0.025518005 下调 AP006621.5 −1.265098387 0.004293786 下调 C5orf66 −1.323699343 0.024003471 下调 RP11-1114A5.4 −1.346165585 0.036015113 下调 AC017116.11 −1.355620383 0.018311217 下调 AC019181.2 −1.556768999 0.031834266 下调 UMAD1 −2.049223764 0.026775377 下调 AC005618.6 −2.103056949 0.012754031 下调 SOCS2-AS1 −2.450904018 0.010320293 下调 RP11-246K15.1 −3.394395932 0.006322703 下调 ARMCX5-GPRASP2 −3.509890448 0.042606052 下调 
图 1 差异表达基因的聚类热图（红色代表高表达，蓝色代表低表达）A：为差异表达的lncRNA热图；B：为差异表达的mRNA热图。Figure 1. Cluster heat map of differentially expressed genes（Red represents high expression and blue represents low expression）表 2 排名前20的差异表达的mRNATable 2. The top 20 differentially expressed mRNAmRNAs基因名 Log2（Foldchange） P 异常表达情况 SLC4A3 3.130642688 0.000067700 上调 ZNF444 1.555389418 0.000111993 上调 HDAC4 2.871048277 0.000146683 上调 MRO −3.344017691 0.000209461 下调 ECHDC1 10.92744203 0.000217674 上调 KIAA1958 −1.739496332 0.000224985 下调 TBC1D5 22.81214317 0.000254824 上调 NCALD 2.281098096 0.000325798 上调 LAMTOR5 −4.230692295 0.000366157 下调 TMPRSS6 7.265115275 0.000399492 上调 RPL26 −4.965389762 0.000462772 下调 RPSA 2.332207622 0.000464748 上调 CTSC 1.469599612 0.000464889 上调 MYO10 4.166108193 0.000472723 上调 ATP6AP2 3.197467642 0.000514505 上调 EPHX2 2.326018659 0.000616419 上调 PARP11 −1.579039067 0.000625344 下调 AGTRAP 1.045079801 0.000845595 上调 MXRA7 −1.391168544 0.000967649 下调 SLC29A2 −9.596231979 0.001050552 下调 2.2 lncRNA-mRNA共表达网络的构建与分析
用Pearson相关系数分析lncRNA与mRNA的相关性。35个差异表达的lncRNA与463个差异表达的mRNA共进行了35×463个相关分析。最后筛选出449对相关系数不同的碱基对，包括34个lncRNA和274个mRNA，见图2。列出Degree排名最高的5个lncRNA，见表3。
图 2 lncRNA-mRNA共表达网络菱形代表lncRNA，圆形代表mRNA；红色表示上调，绿色表示下调，图形的大小代表Degree。Figure 2. lncRNA-mRNA co-expression network表 3 Degree排名前五的lncRNATable 3. The top 5 lncRNAs in Degree基因名 Degree FAM66A 52 TPTEP1 42 AC017116.11 33 RP11-1114A5.4 29 RP11-246K15.1 28 2.3 共表达网络中mRNA的GO和KEGG通路
侵袭性垂体瘤样本中失调的lncRNA与非侵袭性垂体瘤样本相比的功能，对与其共表达的mRNA进行 GO和KEGG通路分析。GO分析中显著富集的生物学过程结果显示lncRNA可能与细胞增殖、细胞周期和凋亡过程有关，图3。KEEG通路分析的结果表明差异表达的lncRNA可能通过各种代谢途径参与了垂体瘤的侵袭过程，见图4。
图 3 GO富集分析结果A：BP、CC和MF富集排名前十的柱状图；B：BP、CC和MF富集排名前十的气泡图。Figure 3. GO enrichment analysis results
图 4 KEGG富集分析结果A：KEGG富集排名前十的柱状图；B：富集排名前十的气泡图。Figure 4. KEGG enrichment analysis results3. 讨论
近年来，越来越多的研究表明，lncRNA在包括癌症在内的许多疾病中发挥着重要作用，已受到越来越多的关注。随着高通量测序技术的发展，大量的lncRNA被发现，其作用机制的研究也取得了一定的进展。然而，lncRNA在侵袭性垂体腺瘤中的全基因组表达谱尚未见报道，笔者的研究填补了这一空白。
在本研究中，笔者使用RNA-seq来鉴定lncRNA和mRNA在4例侵袭性垂体腺瘤和3例非侵袭性垂体腺瘤中的表达谱。发现35个lncRNA的表达存在显著差异，其中21个表达上调，14个表达下调。另外，笔者的研究中发现229个mRNA表达上调，234个mRNA表达下调。因为lncRNA的大部分功能是未知的，特别是在侵袭性垂体腺瘤中，因此，笔者建立了共表达网络。基于Pearson相关系数筛选了34个lncRNA和274个mRNA，构建了一个lncRNA-mRNA网络。在lncRNA- mRNA网络中，通过Cytoscape插件计算得到了排名前五lncRNA。最后，对共表达网络中的mRNA进行了GO和KEGG分析，预测侵袭性垂体腺瘤可能的发生机制。结果显示差异基因主要与肿瘤的侵袭和代谢有关，如代谢通路、肿瘤内通路、内吞作用等。
在共表达网络中寻找到了FAM66A、TPTEP1、AC017116.11、RP11-1114A5.4和RP11-246K15.1共五个关键的lncRNA。它们在网络中的Degree排名位列前五，数值分别52、42、33、29和28。LncRNA TPTEP1已被报道通过影响IL-6/STAT3信号通路抑制肝癌细胞的进展[15]。由于对lncRNA的研究还处于早期阶段，大多数lncRNA的功能还不清楚。在本研究中FAM66A、AC017116.11、RP11-1114A5.4和RP11-246K15.1尚未见有报道，但是它们在共表达网络中处于核心位置，具有作为垂体瘤分子标志物潜在的研究价值。
本研究存在一定的局限性。首先，样本数量有限，笔者只用了4个侵袭性垂体腺瘤样本和3个非侵袭性垂体腺瘤样本来获取转录组数据。其次，笔者没有使用功能实验来验证本假设。但这项研究也有明显的优势，笔者的研究是第一次分析侵袭性垂体腺瘤完整的lncRNAs表达谱。
总之，本研究首次提供了lncRNA在侵袭性和非侵袭性垂体组织中的表达。生物信息学分析丰富了与病理机制相关的信号通路。通过lncRNA-RNA共表达网络，筛选出5种可能与侵袭性垂体腺瘤病理机制密切相关的关键lncRNA。笔者的发现将有助于了解侵袭性垂体腺瘤的发病机制，并可为侵袭性垂体腺瘤提供早期诊断生物标志物和潜在的治疗靶点。
-
图 1 差异表达基因的聚类热图（红色代表高表达，蓝色代表低表达）
A：为差异表达的lncRNA热图；B：为差异表达的mRNA热图。
Figure 1. Cluster heat map of differentially expressed genes（Red represents high expression and blue represents low expression）
图 2 lncRNA-mRNA共表达网络
菱形代表lncRNA，圆形代表mRNA；红色表示上调，绿色表示下调，图形的大小代表Degree。
Figure 2. lncRNA-mRNA co-expression network
图 3 GO富集分析结果
A：BP、CC和MF富集排名前十的柱状图；B：BP、CC和MF富集排名前十的气泡图。
Figure 3. GO enrichment analysis results
图 4 KEGG富集分析结果
A：KEGG富集排名前十的柱状图；B：富集排名前十的气泡图。
Figure 4. KEGG enrichment analysis results
表 1 差异表达的lncRNA
Table 1. Differentially expressed lncRNAs
基因名 Log2（Foldchange） P 异常表达情况 RP11-252P19.2 7.110230855 0.025594461 上调 LINC00473 6.892052835 0.000316802 上调 STXBP5-AS1 5.640589233 0.007878966 上调 RP11-71H17.7 5.221628067 0.017764884 上调 TPTEP1 4.89206949 0.003097546 上调 RP11-262H14.3 3.952787834 0.03606433 上调 RP11-12O16.1 2.807343125 0.011324588 上调 RP11-111M22.3 2.28836899 0.002792906 上调 RP11-250B2.3 1.906609127 0.035774432 上调 FAM66A 1.848133787 0.002209197 上调 RP11-262H14.4 1.813382724 0.009868508 上调 CTD-3193K9.4 1.721455664 0.001307362 上调 MAFG-AS1 1.536359193 0.044840975 上调 SNHG8 1.461730762 0.049804872 上调 AC139100.4 1.448409941 0.045905713 上调 FAM27C 1.415494365 0.029287703 上调 AC005062.2 1.349936987 0.033475711 上调 RP11-646I6.5 1.272730756 0.046225249 上调 RN7SL674P 1.260917811 0.008860604 上调 RP11-662M24.2 1.188403274 0.037409712 上调 LRRC75A-AS1 1.042079322 0.002182732 上调 ZFAS1 −1.030295183 0.02204746 下调 TP53TG1 −1.093552638 0.027463784 下调 CTB-129O4.1 −1.167587296 0.041920971 下调 RP11-1020A11.1 −1.227419109 0.025518005 下调 AP006621.5 −1.265098387 0.004293786 下调 C5orf66 −1.323699343 0.024003471 下调 RP11-1114A5.4 −1.346165585 0.036015113 下调 AC017116.11 −1.355620383 0.018311217 下调 AC019181.2 −1.556768999 0.031834266 下调 UMAD1 −2.049223764 0.026775377 下调 AC005618.6 −2.103056949 0.012754031 下调 SOCS2-AS1 −2.450904018 0.010320293 下调 RP11-246K15.1 −3.394395932 0.006322703 下调 ARMCX5-GPRASP2 −3.509890448 0.042606052 下调 
下载: 导出CSV
表 2 排名前20的差异表达的mRNA
Table 2. The top 20 differentially expressed mRNA
mRNAs基因名 Log2（Foldchange） P 异常表达情况 SLC4A3 3.130642688 0.000067700 上调 ZNF444 1.555389418 0.000111993 上调 HDAC4 2.871048277 0.000146683 上调 MRO −3.344017691 0.000209461 下调 ECHDC1 10.92744203 0.000217674 上调 KIAA1958 −1.739496332 0.000224985 下调 TBC1D5 22.81214317 0.000254824 上调 NCALD 2.281098096 0.000325798 上调 LAMTOR5 −4.230692295 0.000366157 下调 TMPRSS6 7.265115275 0.000399492 上调 RPL26 −4.965389762 0.000462772 下调 RPSA 2.332207622 0.000464748 上调 CTSC 1.469599612 0.000464889 上调 MYO10 4.166108193 0.000472723 上调 ATP6AP2 3.197467642 0.000514505 上调 EPHX2 2.326018659 0.000616419 上调 PARP11 −1.579039067 0.000625344 下调 AGTRAP 1.045079801 0.000845595 上调 MXRA7 −1.391168544 0.000967649 下调 SLC29A2 −9.596231979 0.001050552 下调
下载: 导出CSV
表 3 Degree排名前五的lncRNA
Table 3. The top 5 lncRNAs in Degree
基因名 Degree FAM66A 52 TPTEP1 42 AC017116.11 33 RP11-1114A5.4 29 RP11-246K15.1 28
下载: 导出CSV
-
[1] Ezzat S,Asa S L,Couldwell W T,et al. The prevalence of pituitary adenomas:A systematic review[J]. Cancer,2004,101(3):613-619. doi: 10.1002/cncr.20412 [2] Sav A,Rotondo F,Syro L V,et al. Invasive,atypical and aggressive pituitary adenomas and carcinomas[J]. Endocrinology and Metabolism Clinics of North America,2015,44(1):99-104. [3] 王任直. 神经外科学[M]. 2 版. 北京: 人民卫生出版社, 2002: 462 - 463. [4] Ponting C P,Oliver P L. Evolution and functions of long noncoding RNAs[J]. Cell,2009,136(4):629-641. doi: 10.1016/j.cell.2009.02.006 [5] Peschansky V J. Non-coding RNAs as direct and indirect modulators of epigenetic regulation[J]. Epigenetics,2014,9(1):3-12. doi: 10.4161/epi.27473 [6] Gutschner T. The hallmarks of cancer:A long non-coding RNA point of view[J]. RNA Biology,2012,9(6):703-719. doi: 10.4161/rna.20481 [7] Lu G,Duan J. Long-noncoding RNA IFNG-AS1 exerts oncogenic properties by interacting with epithelial splicing regulatory protein 2 (ESRP2) in pituitary adenomas[J]. Pathology,Research and Practice,2018,214(12):2054-2061. [8] Yu G,Li C,Xie W,et al. Long non-coding RNA C5orf66-AS1 is downregulated in pituitary null cell adenomas and is associated with their invasiveness[J]. Oncology Reports,2017,38(2):1140-1148. doi: 10.3892/or.2017.5739 [9] Zhou L,Chen J,Li Z,et al. Integrated profiling of microRNAs and mRNAs:microRNAs located on Xq273 associate with clear cell renal cell carcinoma[J]. PloS One,2010,5(12):e15224. doi: 10.1371/journal.pone.0015224 [10] Chen L, Zhang Y H, Wang S, et al. Prediction and analysis of essential genes using the enrichments of gene ontology and KEGG pathways[J]. PLoS One,2017,12(9):e0184129. [11] Chen C M,Lu Y L,Sio C P,et al. Gene Ontology based housekeeping gene selection for RNA-seq normalization[J]. Methods (San Diego,Calif),2014,67(3):354-363. [12] Mao X,Cai T,Olyarchuk J G. Automated genome annotation and pathway identification using the KEGG Orthology (KO) as a controlled vocabulary[J]. Bioinformatics (Oxford,England),2005,21(19):3787-3793. doi: 10.1093/bioinformatics/bti430 [13] Xing W,Qi Z,Huang C,et al. Genome-wide identification of lncRNAs and mRNAs differentially expressed in non-functioning pituitary adenoma and construction of an lncRNA-mRNA co-expression network[J]. Biology Open,2019,8(1):2046. [14] Chin C H,Chen S H,Wu H H,et al. cytoHubba:Identifying hub objects and sub-networks from complex interactome[J]. BMC Systems Biology,2014,8(4):11. [15] Ding H,Liu J,Zou R,et al. Long non-coding RNA TPTEP1 inhibits hepatocellular carcinoma progression by suppressing STAT3 phosphorylation[J]. Journal of Experimental & Clinical Cancer Research:CR,2019,38(1):189. 期刊类型引用(9)
1. 李早慧，都晓伟. 滇重楼药材的研究进展及其质量标志物（Q-Marker）预测分析. 中草药. 2023(09): 3032-3048 . 
百度学术2. 王晓菲，李鹏，杨玥，徐旭，林娟，杨洪军，李楚源. 重楼皂苷抗炎、抗氧化及抗肿瘤作用机制研究进展. 药物评价研究. 2023(12): 2699-2708 . 百度学术3. 刘平安，张国民. 七叶一枝花药理机制研究进展. 湖南中医杂志. 2022(06): 202-206 . 百度学术4. 张毅，郭亮，谢辉，田源，苏文莉. 中药巴布剂研究进展. 实用中医药杂志. 2022(07): 1269-1271 . 百度学术5. 王宇飞，江媛，杨成金，王婧，徐志超，刘颖琳，段宝忠. 滇重楼化学成分、药理作用和临床应用研究进展. 中草药. 2022(23): 7633-7648 . 百度学术6. Guoqing ZHAO，Lamei ZHOU. Research Progress of External Treatment of Acute Gouty Arthritis with Traditional Chinese Medicine. Medicinal Plant. 2021(03): 7-9 . 必应学术7. 李梅，王燕，邝丽娟. 中医外治法干预急性痛风性关节炎白细胞介素的研究进展. 风湿病与关节炎. 2020(02): 73-77 . 百度学术8. 杨建宇，刘冠军，刘白云，刘桂香，张举昌，仪忠宝，祝之友，唐祖宣. 中华中医药道地药材系列汇讲（8）道地药材滇重楼的研究近况. 现代医学与健康研究电子杂志. 2020(08): 117-120 . 百度学术9. 周娟，修光辉，熊伟，凌斌，孙洁，陈献忠. 重楼治疗脓毒症研究进展. 中医学报. 2019(08): 1625-1629 . 百度学术其他类型引用(7)
-
下载:
点击查看大图
计量
- 文章访问数: 2053
- HTML全文浏览量: 1696
- PDF下载量: 29
- 被引次数: 16
