الكلمات الرئيسية: حمض الأوليانوليك، السمنة، الصيدلة الشبكية، الديناميكا الجزيئية، PPARG/PPAR , مسار إشارات PPAR، تراكم الدهون

السمنة، كوباء عالمي حديث مزمن ومعقد [1]، تم العثور عليها لتقليل متوسط العمر المتوقع وزيادة خطر العديد من الأمراض [2]. زادت نسبة السمنة في الولايات المتحدة من 30.5% إلى بين عامي 1999 و2018. في الوقت نفسه، وفقًا لأحدث تقرير لمنظمة الصحة العالمية عن السمنة في أوروبا، فإن 59% من البالغين وحوالي ثلث الأطفال في أوروبا يعانون من زيادة الوزن أو السمنة. وهذا يفرض عبئًا كبيرًا على ملايين الأسر [3-5]. التدخل المبكر ضد السمنة هو نهج مناسب لمنع الأمراض المعقدة متعددة الأوجه [6]. ومع ذلك، مع بعض الأدوية المضادة للسمنة التي تحقق نتائج متوسطة وبعض التقارير عن آثار جانبية محددة، لا يزال علاج السمنة صعبًا [7]. بشكل خاص، تظهر العديد من هذه الأدوية معدلًا مرتفعًا من الآثار الجانبية المتعلقة بأمراض القلب والأوعية الدموية، مما أدى إلى سحبها من السوق [8]، مما يبرز التحدي المتمثل في إدارة السمنة بشكل فعال. في هذا السياق، هناك اهتمام متزايد في استكشاف إمكانيات الأدوية العشبية الصينية المستمدة من الموارد الطبيعية لإدارة السمنة والأمراض المرتبطة بها [9-11].
حمض الأوليانوليك (OA)، وهو ثلاثي الحلقات، هو مكون نشط في الأعشاب مثل Fructus Ligustri Lucidi وFolium Camellia Sinensis، وكذلك في العديد من الأطعمة الشائعة بما في ذلك أوراق الزيتون، والتفاح، والعنب، والزنجبيل، والمانجو [12]. في الصين، تم استخدام OA كدواء واقي للكبد [13]، وهناك دليل سريري على فعاليته في علاج فرط شحميات الدم [14]. علاوة على ذلك، أظهرت دراسات سريرية متعددة إمكانيات مختلفة لمشتقات OA في منع أو علاج مجموعة من الأمراض، بما في ذلك السرطان، والسكري، والعدوى الفيروسية [13، 15، 16]. أظهرت الأبحاث السابقة أن OA يمتلك خصائص دوائية متنوعة، مثل التأثيرات المضادة للفيروسات، والمضادة للبكتيريا، والمضادة للسرطان، والمضادة للالتهابات، ومضادة للأكسدة، والواقية للكبد، والواقية للجهاز الهضمي [17-19]. لقد أظهر OA تحسين التغيرات الشاذة في معايير الدهون، وتقليل الكبد الدهني المجهري، وزيادة محتوى اللبتين، وتقليل الدهون الحشوية بشكل كبير، وتحسين تحمل الجلوكوز، وزيادة مستويات الأنسولين [20،21]. كما قلل من الالتهاب الجهازي، وعزز تكوين الدهون في الكبد، وزاد من إدراك طعم الدهون الغذائية في الفئران التي تتغذى على نظام غذائي عالي الدهون [21]. في الوقت نفسه، تظهر مشتقات OA، مثل Nano-OA، تأثيرات مشابهة في خفض الدهون [22]. على الرغم من تأكيد تأثير OA في خفض الدهون [23، 24]، إلا أن المزيد من الأبحاث مطلوبة لتوضيح
الآليات الكامنة وراء دوره المحتمل في مكافحة السمنة.

تعتبر الصيدلة الشبكية نهجًا مهمًا للتحقيق في التأثيرات البيولوجية للجزيئات الصغيرة المستمدة من موارد طبيعية متنوعة من خلال بناء شبكات تفاعل حيوية لتقييم آليات جزيئات الأدوية [25، 26]. بشكل خاص، تعتبر الصيدلة الشبكية أداة فعالة لتحديد المكونات النشطة والأهداف المحتملة للطب الصيني [27]. يمكن أن توفر تقنيات الربط الجزيئي والديناميكا الجزيئية حسابًا متعمقًا للتفاعلات بين الجزيئات، ويمكن أن تشرح بشكل رسومي آلية التفاعلات، ولها تطبيقات مهمة في تطوير الأدوية [28]. وبالتالي، فإن دمج التحقق المدعوم بمحاكاة جزيئية مع تحليل الصيدلة الشبكية هو نهج مفيد لفحص آلية مكافحة السمنة لـ OA.

لتسليط الضوء على الآلية الكامنة وراء تأثير OA المضاد للسمنة، تستخدم الدراسة الحالية مزيجًا من الصيدلة الشبكية، والربط الجزيئي، وتقنيات المحاكاة الديناميكية الجزيئية لتصفية وتحليل الأهداف والمسارات الرئيسية. علاوة على ذلك، يتم إجراء تجارب حية للتحقق من الأهداف والمسارات الرئيسية. بقدر ما نعلم، يمثل هذا أول تحقيق منهجي في تأثير OA المضاد للسمنة وآليته. ستوفر نتائج الدراسة ليس فقط أساسًا تجريبيًا لاستخدام OA كعامل مضاد للسمنة ولكن أيضًا قاعدة نظرية لتطبيق الأدوية والأطعمة المستمدة من OA، مثل زيت الزيتون، في إدارة ومنع السمنة.

للتحقيق في الأهداف الجزيئية المحتملة لـ OA لإدارة السمنة، تم إجراء تحليل للصيدلة الشبكية (الشكل 1). في البداية، تم تحديد 78 جينًا ذات صلة بـ OA (CC1(CCC2(CCC3(C)=CCC4C3(CCC5C4(C باستخدام قاعدة بيانات SwissTargetPrediction، بينما تم الحصول على 1,387 جينًا مرتبطًا بالسمنة من قاعدة بيانات GeneCards. بعد ذلك، تم بناء مخطط فنّي باستخدام منصة microbiology letter، وتم تحديد 42 هدفًا ذا صلة (الشكل 1A). لتقييم تأثير OA على السمنة بصريًا، قمنا ببناء شبكة (PPI) تتكون من 42 عقدة و148 حافة، باستخدام الجينات المتقاطعة المحددة (الشكل 1B). يتم توضيح الأهداف الرئيسية لـ OA المعنية في تأثيره المضاد للسمنة في الشكل 1C، والتي تتكون من تسعة

البروتينات. ومن الجدير بالذكر أن PPARG أظهر أعلى عدد من الروابط، حيث ارتبط بـ 19 بروتينًا إضافيًا. استنادًا إلى ارتباطاتها، PPARA، MAPK3، NR3C1،

تم ربط PTGS2 و CYP19A1 و CNR1 و HSD11B1 و AGTR1 بـ وثمانية بروتينات إضافية، على التوالي.

لتقديم توضيح شامل ومنهجي للآليات المحتملة لعمل OA في علاج السمنة، قمنا بإجراء تحليل إثراء GO لأهدافه العلاجية على مستويات مختلفة باستخدام قاعدة بيانات DAVID. شمل التحليل BP وCC وMF. حددنا 149 مصطلح GO ذو دلالة إحصائية، تتضمن ، و 44 مصطلح MF. تم استخدام الرسوم البيانية العمودية لعرض أعلى 10 مصطلحات إثراء من ، و MF مع أعلى عدد من الجينات (الشكل 1D). أظهرت نتائجنا أن أهداف OA في علاج السمنة كانت غنية بشكل أساسي في العمليات البيولوجية مثل إشارات المستقبلات داخل الخلايا، وإشارات مستقبلات الهرمونات الستيرويدية داخل الخلايا، ونقل الأحماض الدهنية طويلة السلسلة، والتنظيم السلبي للاستجابة الالتهابية، واستجابات بيولوجية أخرى. كما كانت غنية في المكونات الخلوية مثل الكروماتين، والنواة، ومجمع المستقبلات، وغشاء الشبكة الإندوبلازمية، ومكونات خلوية أخرى. علاوة على ذلك، وُجد أن أهداف OA تظهر وظائف جزيئية مثل نشاط عامل النسخ RNA polymerase II، والارتباط المحدد بالتسلسل للحمض النووي المنشط بواسطة الليغاند، والارتباط بالستيرويد، والارتباط المحدد بالتسلسل للحمض النووي، ووظائف جزيئية أخرى.

للتحقيق بشكل منهجي في الآليات المحتملة التي تكمن وراء تأثيرات أحماض أوميغا 3 المضادة للسمنة، استخدمنا مسارات KEGG للتنبؤ بمسارات الإشارات لأهداف أحماض أوميغا 3 المحتملة المضادة للسمنة. كشفت النتائج عن 172 مسارًا ذا دلالة إحصائية. تم تقديم أعلى عشرة مسارات تحتوي على أكبر عدد من الجينات المرتبطة في رسم بياني عمودي في الجدول 1. من بينها، كانت المسارات الثلاثة الأولى هي المسار الأيضي، ومسار إشارات PPAR، ومسار السرطان. بالإضافة إلى ذلك، قمنا بإجراء تحليل إثراء KEGG لأهداف أحماض أوميغا 3 المضادة للسمنة باستخدام قاعدة بيانات DAVID، مما أسفر عن 16 مسارًا ذا صلة (الشكل 1E). كانت المسارات الثلاثة المحتملة الأولى هي مسار إشارات PPAR، ومقاومة الأنسولين، وتكوين الستيرويدات المبيضية. تحقيقنا في التباينات في النتائج
قد تكون دراسات قاعدة البيانات المرتبطة بقاعدة البيانات مرتبطة بتحديث قاعدة البيانات. ركزنا على مسار إشارة PPAR استنادًا إلى نتائج إثراء الأهداف الأساسية والمسارات، ويظهر الشكل التخطيطي لـ OA في علاج السمنة من خلال استهداف مسار إشارة PPAR في الشكل 2. تشير هذه النتائج إلى أن OA يمكن أن تظهر فوائد مضادة للسمنة عبر مجموعة متنوعة من الطرق، حيث يلعب مسار إشارة PPAR دورًا رئيسيًا في عملية OA المضادة للسمنة.

لتحقيق آلية عمل حمض الأوميغا ضد السمنة ودراسة وضع الربط المحتمل ودرجة الربط مع الأهداف الرئيسية، قمنا بإجراء ربط جزيئي لحمض الأوميغا والأهداف الأساسية المتعلقة بالسمنة. تم اختيار الأهداف الأساسية المضادة للسمنة لحمض الأوميغا للربط الجزيئي، وتم إعادة ربط جميع الهياكل الكبيرة قبل الربط الرسمي. كانت قيم RMSD لجميعها أقل من 2 أنغستروم، مما يدل على دقة جيدة ونمط ربط جيد. من المقبول على نطاق واسع أن طاقة الربط المنخفضة تشير إلى ربط أكثر استقرارًا بين الجزيء المتفاعل والمستقبل، مما يشير إلى أن المادة الكيميائية من المرجح أن تتفاعل مع البروتين. تظهر النتائج في الجدول 2 أن جميع البروتينات المستهدفة التسعة يمكن أن ترتبط بشكل تلقائي بحمض الأوميغا، وجميعها لديها طاقات ربط أقل من ، مما يشير إلى قدرة ربط قوية. وهذا يوحي بأن PPARG و PPARA وغيرها من الأهداف يجب أن تكون الأهداف المباشرة الرئيسية لـ OA لتحقيق تأثيراتها المضادة للسمنة.

تشير نتائج الربط الجزيئي إلى أن OA يتفاعل مع بروتينات الهدف الرئيسية على المستوى الذري من خلال تفاعلات غير تساهمية، مثل التفاعلات الكارهة للماء، والروابط الهيدروجينية، والجسور الملحية. كما هو موضح في الشكل 3 والجدول 3، يمكن لـ OA الارتباط بـ HSD11B1 وCNR1 عبر التفاعلات الكارهة للماء؛ والاتصال بـ MAPK3 وPPARA وPTGS2 عبر التفاعلات الكارهة للماء والروابط الهيدروجينية؛ ومن المتوقع أن يرتبط في جيب الربط لـ CYP19A1 وAGTR1 وNR3C1 وPPARG عبر الكارهة للماء.

التفاعلات، الروابط الهيدروجينية، وتفاعلات الجسر الملحي. استنادًا إلى دراسات الربط، توقعنا بشكل فعال ارتباط OA بالبروتينات المستهدفة.

في كل نموذج، تمثل الهياكل الزرقاء جزيئات OA، بينما تمثل الهياكل الأرجوانية مواقع ارتباط بقايا الأحماض الأمينية في البروتينات المستهدفة. تم تصور التفاعلات من خلال خطوط متقطعة، حيث تمثل الخطوط المتقطعة الرمادية التفاعلات الكارهة للماء، وتمثل الخطوط المتقطعة الخضراء الروابط الهيدروجينية، وتمثل الخطوط المتقطعة الوردية الجسور الملحية. بالإضافة إلى ذلك، تظهر التسميات في النماذج البقايا والمسافة بين التفاعلات بين OA والأهداف المعنية.

أكدت محاكاة الديناميات الجزيئية استقرار OA في الارتباط بالهدف الأساسي (الملف الإضافي 1: الشكل S1). يُشار إلى التغير الهيكلي في لحظة معينة بالنسبة للتكوين الأصلي باسم RMSD. كلما كان الرقم أقل، كانت حالة ارتباط OA بالموقع المستهدف أكثر استقرارًا. تُظهر النتائج أن الهياكل المركبة لـ OA مع كل هدف أساسي هي نسبياً

مستقر، يتقلب في الغالب حوالي 2 نانومتر ويبدأ في البقاء مستقرًا حول 15 نانوثانية، مما يشير إلى أن OA يمكن أن يرتبط بشكل مستقر بكل هدف أساسي. Rg هو متوسط ​​نصف القطر الموزون بالكتلة للنظام خلال المحاكاة وغالبًا ما يستخدم لتحديد الضيق واستقرار الطي أثناء ارتباط البروتين بالليغاند. توضح الإضافة 1: الشكل S1B أن قيم OA المعقدة مع كل هدف محدودة بـ 3.5 نانومتر طوال المحاكاة، مما يشير إلى أن المعقدات مضغوطة. المعقدات الخاصة بـ PPARG و PPARA و PTGS2 هادئة بشكل خاص، مما يشير إلى أنها أكثر استقرارًا. مجتمعة، تشير نتائج ديناميات الجزيئات لدينا إلى أن OA لديه استقرار في الارتباط بالأهداف الأساسية، وخاصة PPARG و PPARA و PTGS2، التي لديها إمكانات عالية جدًا في مكافحة السمنة الناتجة عن OA.

أدى التغذية المستمرة للجرذان بنظام غذائي عالي الدهون إلى زيادة سريعة في وزن الجسم، مع ملاحظة فرق كبير بين الجرذان التي تتبع نظامًا غذائيًا عالي الدهون والجرذان الضابطة في وقت مبكر. ). كانت التغيرات في وزن الجسم في كل مجموعة واضحة بعد بدء الإدارة في الأسبوع العاشر. بعد 4 أسابيع من الإدارة، أظهرت الفئران في مجموعات الأورليستات، OA-L، OA-M، وOA-H انخفاضًا كبيرًا في وزن الجسم مقارنة بمجموعة النموذج، وكانت الفروق ذات دلالة إحصائية ( ) (الشكل 4A). بالإضافة إلى ذلك، انخفضت نسبة التغير في وزن الجسم بعد الجرعة في كل مجموعة جرعات، والتي كانت أقل بشكل ملحوظ من التغير في وزن الجسم في مجموعة النموذج، وكانت نسبة التغير في وزن الجسم بعد الجرعة سلبية في الأورليستات،

مجموعات OA-M و OA-H، والتي كانت فرقًا كبيرًا (الشكل 4B). تشير هذه النتائج إلى أن OA يعيق بشكل فعال زيادة الوزن في الفئران البدينة الناتجة عن النظام الغذائي عالي الدهون وحتى يتسبب في فقدان الوزن.

زاد وزن كبد الفئران والدهون الإبيديديمية نتيجة نظام الحمية الغذائية عالي الدهون، وكانت الحيوانات في مجموعة النموذج لديها مؤشرات أعلى بكثير من الفئران في مجموعة التحكم. عند العلاج، أظهرت مجموعات الأورليستات وOA-L وOA-M وOA-H انخفاضًا في وزن الكبد والدهون الإبيديديمية مقارنة بمجموعة النموذج (الشكل 4C، D). وُجد أن مجموعتي OA-H والأورليستات هما الأكثر فعالية مع اختلافات ذات دلالة إحصائية في تأثيراتهما. تشير هذه النتائج إلى أن OA يقلل من تراكم الدهون في الفئران البدينة.

أدى التعرض المطول لنظام غذائي عالي الدهون إلى زيادة كبيرة في مستويات الجلوكوز في الدم الصائم في الفئران النموذجية. )، الذي تم تحسينه بشكل ملحوظ بواسطة العلاج بالأورليستات ( )، بالإضافة إلى المنخفضة ( )، متوسط ( ) ، وجرعات عالية ( ) من OA. علاوة على ذلك، فإن نظام HFD الغذائي رفع مستويات الدهون في الفئران، مما تسبب في زيادة كبيرة في TG ( ), TC ( ) و LDL-C ( )، وانخفاض كبير في HDL-C ( ) في مجموعة النموذج. بعد العلاج، أورليستات (TG: ، TC: LDL-C: HDL-C: )، منخفض (TC: LDL-C: )، متوسط (TG: ، TC: LDL-C: )، ومرتفع (TG: ، TC: LDL-C: HDL-C: أظهرت الجرعات تأثيرات ملحوظة على تنظيم الدهون، كما يتضح من انخفاض مستويات TG و TC و LDL-C وزيادة مستويات HDL-C (الشكل 4E-H). تشير هذه النتائج إلى أن OA له تأثير إيجابي على

تنظيم استقلاب الجلوكوليبيد، مع تأثير يعتمد على الجرعة.

زيادة حجم الخلايا الدهنية المتضخمة والعديد من تمزقات سيتوبلازم الخلايا الدهنية هي علامات على إصابة الأنسجة الدهنية في الحيوانات التي تم تغذيتها بنظام غذائي عالي الدهون، كما هو موضح في الشكل 5A. أظهر أورليستات وOA-H تأثيرًا أكثر وضوحًا. ومع ذلك، أدى إعطاء OA إلى بعض التخفيف من تلف الأنسجة. تبرز قدرة OA على تقليل تلف الأنسجة وتحسين التدهون في الفئران البدينة التي تتغذى على نظام غذائي عالي الدهون.

أدى تناول النظام الغذائي عالي الدهون إلى زيادة كبيرة في مستويات السيتوكينات في المصل، وبشكل خاص IL-6 )، TNF- ( ) ، وكيموكين أحادي النواة MCP-1 ( لحسن الحظ، كانت العلاج الدوائي ناجحًا في تقليل مستويات هذه العلامات الالتهابية، كما هو موضح في الشكل 5B-D. ومن الجدير بالذكر أن الجرعات العالية من OA أظهرت إمكانيات مضادة للالتهابات تعادل تلك الخاصة بالأورليستات. تشير هذه النتائج إلى أن OA يقلل من الاستجابة الالتهابية في الفئران البدينة، مما قد يساهم في تأثيراته المضادة للسمنة.

تشير البيانات المعروضة في الشكل 5E إلى أن الفئران التي تتبع نظام غذائي عالي الدهون كانت لديها مستويات منخفضة بشكل ملحوظ من GLP-1 في المصل. ). من الجدير بالذكر أن الأورليستات ( ) و OA-H ( أظهرت المجموعات زيادة ملحوظة في مستويات GLP-1 في جميع الحيوانات. كشفت اختبارات نقل البروتين أن النظام الغذائي عالي الدهون
خفض النظام الغذائي تعبير TGR5، مع بيانات أقل بكثير في مجموعة النموذج ( ). علاوة على ذلك، أورليستات وجميع جرعات OA (OA-M: نتج عن ذلك انخفاض في تثبيط البروتين المرتبط بالسمنة وزيادة في تعبير TGR5 (الشكل 5G). يجب الإشارة إلى أنه تم الكشف عن TGR5 فقط بسبب القيود التجريبية، وتعتبر الدراسات الإضافية ضرورية للتحقق من هذه النتيجة. ومع ذلك، استنادًا إلى النتائج التجريبية، نفترض أن OA يعزز إفراز GLP-1 من خلال زيادة تعبير TGR5، مما يؤدي إلى تأثيرات مضادة للسمنة ومقاومة الأنسولين.

لتأكيد الأهداف والمسارات المفترضة سابقًا لـ OA من أجل تأثيرات مضادة للسمنة، قمنا بإجراء تحليل البروتين للكشف عن تعبير عوامل تكوين الدهون الرئيسية PPAR و SREBP1. أدى تأثير النظام الغذائي الغني بالدهون إلى زيادة في التعبير النسبي للبروتين لكل من PPAR (0.05) و SREBP1 ( 0.05) في عينات الأنسجة الدهنية البيضاء من الفئران البدينة في مجموعة النموذج، والتي تت correspond إلى زيادة في كتلة الدهون في الجسم. منع العلاج بالأورليستات و OA بشكل مختلف زيادة كلا البروتينين. من بينهما، بدا أن OA له تأثير أفضل في تنظيم PPAR. ، مع كل من OA-M ( ) و OA-H ( ) تقليل PPAR بشكل كبير التعبير (الشكل 5 H). في تنظيم SREBP1، OA ( كان له تأثير مشابه للأورليستات ) (الشكل 5I). بالاقتران مع البيانات من مصل الحيوانات، من المعقول أن نقترح أن OA يمكن أن يتحكم في السمنة من خلال تنظيم PPAR SREBP1 للتحكم في تخليق الدهون.

لقد استكشفنا أيضًا تأثير OA على استهلاك الطاقة من خلال دراسة تعبير بروتين TGR5/UCP-1. تم وصف تعبير TGR5 أعلاه. مقارنةً بمجموعة التحكم، كان UCP1 في الأنسجة الدهنية البيضاء للفئران في مجموعة النموذج منخفضًا بشكل ملحوظ. ) (الشكل 5J). في نفس الوقت، من خلال الجرعات، زادت تعبير كل مجموعة علاج، على الرغم من أن أيًا منها لم يكن ذا دلالة إحصائية. استنادًا إلى نتائج تعبير البروتين، يمكننا أن نفترض أن أحد آليات تنظيم السمنة بواسطة OA هو
تعزيز تعبير بروتين TGR5 / UCP-1، مما يسرع من استهلاك الطاقة. ومع ذلك، لا يزال يتعين التحقق من صحة هذه الفرضية من خلال أبحاث أخرى.

قاعدة بيانات باب كيم (https://pubchem.ncbi.nlm.nih.gov/) [29] تم استخدامه للحصول على اسم SMLLE لـ “حمض أولينوليك”، والذي تم استيراده بعد ذلك إلى قاعدة بيانات SwissTargetPrediction (http://swisstargetprediction.
للحصول على الأهداف المقابلة لـ OA (احتمالية > 0). بعد ذلك، قاعدة بيانات GeneCards (https://www. genecards.org/) [31] تم البحث عن الأهداف المتعلقة بالمرض باستخدام الكلمة الرئيسية “السمنة”، تلا ذلك تطبيق الفلاتر (درجة الصلة > 2) لاستخراج المجموعة النهائية من أهداف المرض. ثم تم تحليل القائمتين من الأهداف التي تم الحصول عليها باستخدام منصة المعلوماتية الحيوية (http://www. bioinformatics.com.cn/) لتحديد الأهداف التي تتداخل بين OA والسمنة.

تم تحقيق تحديد الأهداف العلاجية لـ OA ضد السمنة من خلال تراكب أهداف OA مع تلك المتعلقة بالسمنة. ثم خضعت الأهداف العلاجية للتحليل باستخدام قاعدة بيانات STRING (https://string-db.org/) [32] لبناء شبكة تفاعل البروتينات (PPI). ثم تم تصور شبكة PPI الناتجة بمساعدة برنامج Cytoscape 3.9.1 [33].

ثم تم استخدام الإضافة CytoNCA [34] لبرنامج Cytoscape لتحليل وتقييم قيم Betweenness (BC) وCloseness (CC) وDegree (DC) وEigenvector (EC) لكل هدف. تم اختيار الأهداف التي أظهرت درجات أعلى من القيمة المتوسطة لكل مقياس وتم تقاطعها للحصول على الأهداف الأساسية لـ OA لعلاج السمنة.

تم إخضاع الأهداف المتعلقة بـ OA والسمنة لتحليل إثراء الوظائف GO باستخدام قاعدة بيانات DAVID (https://david.ncifcrf.gov/) [35] تحت قيود المعرف “OFFICIAL_GENE_SYMBOL” والأنواع “homo sapiens”. تم استخدام البيانات الناتجة لإنشاء رسوم بيانية إحصائية لـ CC وMF وBP وKyoto Encyclopedia of Genes and Genomes (KEGG) باستخدام منصة المعلوماتية الحيوية (http://www.bioinformatics. com.cn/).

تم تحويل الأهداف العلاجية لـ OA من “اسم الجين” إلى شكل “UniProtKB” باستخدام قاعدة بيانات UniProt (https://www.uniprot.org) [36]. بعد ذلك، تم الحصول على معرفات KEGG، وتم مطابقة معلومات مسار الهدف باستخدام KEGG Mapper (https://www.genome.jp/ kegg/mapper/). ثم تم تعديل ألوان الجينات ذات الصلة في المسار للتحليل والتنبؤ اللاحق بمسار العلاج لـ OA ضد السمنة.

لتحقيق التفاعل بين OA والأهداف المحتملة المضادة للسمنة، تم استخدام الأهداف الأساسية التي تم تحديدها من خلال تحليل الصيدلة الشبكية كمستقبلات للتداخل،
واستخدمت OA كروابط للتداخل الجزيئي عبر AutoDock. في البداية، تم الحصول على الهيكل ثلاثي الأبعاد لـ OA بتنسيق “mol2” من قاعدة بيانات نظام الطب التقليدي الصيني ومنصة التحليل (TCMSP، https://old.tcmsp-e.com/tcmsp.php) [37]، ثم تم حفظه بتنسيق “PDB” باستخدام Pymol 2.5.7 (Portland، OR، الولايات المتحدة). تم تنزيل هيكل البروتين للأهداف الأساسية بتنسيق “PDB” من قواعد بيانات البروتين PDB (https:// www.rcsb.org) [38] وقواعد بيانات alphafold (https:// alphafold.com) [39]. بعد ذلك، تمت إزالة الروابط لجزيئات الهدف باستخدام برنامج Pymol، وتم معالجة الجزيئات مسبقًا باستخدام أداة AutoDock 1.5.7، بما في ذلك الهيدروجين، وإضافة الإلكترونات، وإضافة الجذر. في الخطوة النهائية، تم استخدام برنامج AutoDock 4.2.6 للتداخل الجزيئي شبه المرن، وتم تقييم إمكانات الربط بواسطة درجة الارتباط. ثم تم اختيار نموذج التداخل الأمثل، وتم تحليل التفاعلات غير التساهمية لمجمع البروتين-الرابط على المستوى الذري بواسطة أداة الويب Protein-ligand Interaction Profiler (PLIP) (https://plip-tool. biotec.tu-dresden.de/plip-web/plip/index) [40]. أخيرًا، تم إجراء إعادة التداخل لتقييم أنماط الربط قبل التداخل الجزيئي الرسمي، تلاها تحليل بصري باستخدام برنامج Pymol.

تم إجراء محاكاة الديناميكا الجزيئية لـ OA والأهداف الأساسية باستخدام برنامج GROMACS (2022.5) للتحقق بدقة من توقعات الصيدلة الشبكية وتقليل الخطأ بين التشكيلات التي تم الحصول عليها من تداخل البروتينات والجزيئات الصغيرة والمجمعات الواقعية. تم استخدام برنامج SPDBV4.10 لإصلاح هيكل البروتين. تم استخدام Pymol 2.5.7 لحفظ الروابط الجزيئية الصغيرة المدخلة بتنسيق mol2. تم استخدام Sobpob 1.0 (dev3.1) لمعالجة ملفات الرابط والتوبولوجيا. ثم تم استخدام برنامج GROMACS لمعالجة ملفات البروتين والتوبولوجيا، وإضافة صناديق، وماء، وأيونات، وتوازن الأيونات، وتقليل الطاقات، وNvt التوازن المسبق، وإنهاء إجراء المحاكاة الحركية. بعد المحاكاة، تم تقييم الانحراف المعياري الجذري (RMSD) ونصف قطر الدوران (Rg) بواسطة GROMACS لتحليل استقرار ربط البروتين-الرابط.

تم توفير OA (HPLC ) من Yuanye (شنغهاي، الصين) وتم إذابته بواسطة محلول ملحي مخفف بالفوسفات (PBS pH:7.2-7.4). تم شراء كبسولات Orlistat من Aili (تشونغتشينغ، الصين). تم الحصول على مجموعات TC وTG وHDLC وLDL-C وALT وAST وGSH وMDA من شركة Nanjing Jiancheng Biotechnology Co. (نانجينغ،

جيانغسو، الصين). تم توفير مجموعات اختبار المناعية المرتبطة بالإنزيم (ELISA) للإنترلوكين 6 (IL-6) وعامل نخر الورم- (TNF- ) وPeptide 1 الشبيه بالجلوكاجون (GLP-1) وبروتين كيميائي أحادي (MCP-1) من Meimian (يانشينغ، جيانغسو، الصين). تم شراء الأجسام المضادة الأولية لـ SREBP-1 وTGR5 وUCP-1 و -أكتين من Abclonal (ووهان، هوبي، الصين). في الوقت نفسه، توفر Abcam (كامبريدج، المملكة المتحدة) الأجسام المضادة الثانوية وPPAR الجسم المضاد.

تم شراء خمسين فأرًا ذكرًا من نوع C57BL/6J بعمر 4 أسابيع ( ) من مركز Guangdong Medical Laboratory Animal (قوانغتشو، غوانغدونغ، الصين) وتم الاحتفاظ بها في بيئة بمستوى SPF مع 12 ساعة من دورات الضوء والظلام، ودرجة حرارة الغرفة المتحكم بها ورطوبة نسبية من . كانت التجارب الحيوانية التي أجريت خلال هذا البحث وفقًا لبروتوكولات رعاية الحيوانات المعتمدة من لجنة الأخلاقيات لحماية واستخدام الحيوانات في جامعة Guangdong Pharmaceutical.

تم إجراء بروتوكول التجربة الحيوانية لهذه الدراسة وفقًا للإجراءات التي تم تأسيسها مسبقًا [41]. بعد خمسة أيام من التغذية التكيفية، تم تقسيم 50 فأرًا ذكرًا من نوع C57BL/6J عشوائيًا إلى ست مجموعات: مجموعة التحكم، مجموعة النموذج، مجموعة orlistat ( )، مجموعة حمض الأولينوليك بجرعة منخفضة (OA-L، )، مجموعة حمض الأولينوليك بجرعة متوسطة (OA-M، )، ومجموعة حمض الأولينوليك بجرعة عالية ( ) استمرت التجربة لمدة 13 أسبوعًا. لإقامة النموذج، تم إعطاء نظام غذائي عالي الدهون لمدة 9 أسابيع، تلاها إعطاء الدواء عن طريق التغذية لمدة 4 أسابيع. تم تغذية مجموعة التحكم والمجموعات الخمس الأخرى بالنظامين الغذائيين التاليين على التوالي: (1) ND (نظام غذائي طبيعي، دقيق القمح، دقيق كعكة الصويا، دقيق الذرة، دقيق السمك، نخالة، مسحوق الخميرة، وجبة العظام، ملح، زيت كبد السمك، إضافات معدنية، ); (2) HFD (نظام غذائي عالي الدهون، من الطاقة من الدهون؛ HF60، ). تم الحصول على الأنظمة الغذائية عالية الدهون من Dyets، Inc. اعتُبر النموذج ناجحًا عندما تجاوز متوسط وزن الجسم للفئران في مجموعة NFD من ND.

بدءًا من الأسبوع العاشر، تم إعطاء كل مجموعة محلول ملحي، أوlistat ( )، أو جرعات متفاوتة من OA ( ، و ) عن طريق التغذية لمدة أربعة أسابيع. طوال فترة الدراسة، تم قياس أوزان الفئران أسبوعيًا. تم قتل الفئران تحت التخدير في نهاية التجربة بعد صيام لمدة 12 ساعة مع الوصول إلى الماء. تم إزالة الدم من كرة العين وتركه ليقف في درجة حرارة الغرفة لمدة ساعة قبل أن يتم طرده لمدة 10 دقائق عند

3500 دورة في الدقيقة لفصله. تم إزالة الكبد، والدهون الإبيديديمية، ومحتويات الأمعاء الغليظة، والأنسجة الدهنية البنية للفئران بعد التشريح وتم تجميدها على الفور في النيتروجين السائل أو حفظها بالبارافورمالدهيد.

بعد التكيف، تم قياس الوزن الأولي للفئران بعد 12 ساعة من الصيام. بعد ذلك، تم تسجيل قياسات الوزن مرة واحدة في الأسبوع خلال فترة التغذية، وتم الحصول على الوزن النهائي عن طريق قياس وزن الفئران بعد 12 ساعة من الصيام قبل القتل. يتم حساب زيادة الوزن باستخدام الصيغة التالية: نسبة تغيير الوزن الوزن النهائي الوزن الأولي الوزن الأولي (غ). بعد التشريح، تم استئصال الكبد السليم والدهون الإبيديديمية للفئران ووزنها.

تم قياس مستويات الجلوكوز في الدم بعد الصيام في الفئران أسبوعيًا باستخدام جهاز قياس الجلوكوز الآلي (روش، أكتيف، بازل، سويسرا). تم قياس مستويات الكوليسترول الكلي (TC) في المصل، والدهون الثلاثية (TG)، وكوليسترول البروتين الدهني منخفض الكثافة (LDL-C)، وكوليسترول البروتين الدهني عالي الكثافة (HDL-C)، ومستويات الجلوكوز (GLU) باستخدام قارئ الميكرو بلايت (ثيرمو ساينتيفيك، MK3، نيويورك، الولايات المتحدة الأمريكية) مع مجموعات TC وTG وLDL-C وHDL-C وGLU وفقًا لبروتوكولات الشركة المصنعة.

تم تثبيت نسيج الدهون من الخصية للفأر الطازج بمادة التثبيت لأكثر من 24 ساعة، ثم تم تجفيفه بالكحول، وغمره في البارافين، وتضمينه، وتقطيعه بشكل متسلسل. ثم تم إزالة الشمع من الشرائح باستخدام الزيلين، وترطيبها بكحول بتركيز متدرج، وصبغها بالهيماتوكسيليين والإيوزين، وتجفيفها بالكحول، وجعلها شفافة بالزيلين، وإغلاقها بالصمغ المحايد. تم ملاحظة التغيرات النسيجية المرضية بواسطة المجهر (نيكون، إكليبس Ci-L، طوكيو، اليابان).

تمت معالجة عينات المصل المجمعة لقياس الإنترلوكين 6 (IL-6) وعامل نخر الورم (TNF- بروتين كيميائي جذب وحيدات النوى 1 (MCP-1) وبيبتيد شبيه الجلوكاجون 1 (GLP-1) من خلال اتباع الإرشادات المقدمة مع مجموعات ELISA.

تم تجانس الأنسجة الدهنية من البربخ ومعالجتها بمحلول التحلل (RIPA: PMSF=100:1) لإنتاج مستخلصات البروتين. تم استخدام تقنية مجموعة بروتين حمض البيسينكونينيك (BCA) لتحديد تركيز البروتين في عينات تجانس الأنسجة. دوديكانول الصوديوم
تم استخدام تقنية الفصل الكهربائي للهلام بولي أكريلاميد كبريتات الصوديوم (SDS-PAGE) لفصل البروتينات، والتي تم نقلها بعد ذلك إلى أغشية فلوريد البولي فينيليدين (PVDF). تم تحضين الأغشية طوال الليل مع الأجسام المضادة الأولية والثانوية المخففة في TBST. تم إجراء تصوير كيميائي ضوئي عن طريق إضافة قطرات المطور إلى غشاء PVDF. مستويات تعبير البروتين لـ PPAR تم تحليل SREBP1 و UCP1 و TGR5 باستخدام جهاز تصوير الهلام وبرنامج ImageJ (بايو راد، كاليفورنيا، الولايات المتحدة الأمريكية).

تم استخدام تحليل التباين أحادي الاتجاه (ANOVA) للتحليل الإحصائي للبيانات، التي تم الإبلاغ عنها كمتوسط الانحراف المعياري ( تم استخدام برنامج GraphPad Prism 8.0.1 (شركة Graph Pad Software، Inc.، سان دييغو، كاليفورنيا، الولايات المتحدة الأمريكية) لإنشاء الرسوم البيانية. تم تعريف الدلالة الإحصائية على أنها قيمة p أقل من 0.05.

لقد أظهر حمض الأوليك فعالية في سياقات العلاج المضاد للالتهابات، وخفض سكر الدم، ومكافحة تصلب الشرايين، وعلاج السكري. أظهرت مراجعة منهجية تفحص تأثيرات حمض الأوليك على مؤشرات متلازمة الأيض، مثل السمنة المركزية، وملفات الدهون، وضغط الدم، وارتفاع سكر الدم، وعلامات الإجهاد التأكسدي، إمكانيته في تنظيم طيف الدهون وعلاج مقاومة الأنسولين ومتلازمة الأيض. في دراسة سابقة، وجدنا أن حمض الأوليك يمكن أن يقلل من مقاومة الأنسولين عن طريق خفض مستويات السيتوكينات الالتهابية. علاوة على ذلك، تم إثبات أن حمض الأوليك يقلل من التهاب الأنسجة الدهنية عن طريق تنظيم تسلل وتوجه البلعميات، ويعزز إدراك الطعم، ويقلل من الالتهاب الجهازي، ويعزز تكوين الدهون في الكبد، ويزيد من تفضيل الدهون. يمكن أن يتعارض إعطاء حمض الأوليك على المدى القصير لجرذان حديثي الولادة مع الإجهاد التأكسدي الناتج عن الفركتوز دون التأثير على الصحة على المدى الطويل. كما وُجد أن حمض الأوليك ينظم توازن الأكسدة والاختزال وPPAR. الإشارة لتقليل السمنة الناتجة عن PCB ومقاومة الأنسولين [43]. ومع ذلك، فإن البحث المنهجي حول خصائصه المضادة للسمنة مفقود. نتيجة لذلك، قمنا بدراسة شاملة لآلية عمل OA المضادة للسمنة في هذه الدراسة باستخدام علم الأدوية الشبكي، والربط الجزيئي، ومحاكاة الديناميات الجزيئية، وتجارب على الحيوانات. قمنا أولاً بتحليل واستعراض الأهداف الأساسية لـ OA التي تمارس تأثيرات مضادة للسمنة باستخدام علم الأدوية الشبكي، والتحقق من الارتباط
تأثير OA على الأهداف الأساسية باستخدام طرق الربط الجزيئي، وتم التحقق من استقرار الربط وسعة الربط باستخدام محاكاة الديناميكا الجزيئية. في الوقت نفسه، تم استخدام التجارب الحيوانية للتحقق من الأهداف الأساسية والمسارات.

تتركز الدراسة الحالية بشكل أساسي على توضيح الآلية الأساسية التي من خلالها يسهل OA فقدان الوزن، والتي تستند إلى الهدف المشترك بين OA والسمنة. أسفرت عملية البحث الشاملة والفحص لعدة قواعد بيانات عن إجمالي 42 هدفًا مرتبطًا بـ OA والسمنة، والتي خضعت لتحليل إثراء GO وتحليل إثراء مسار KEGG لفهم نتائج الارتباط بشكل أفضل. تم تحديد مسار إشارة PPAR كالمسار الرئيسي بناءً على نتائج تحليل وظيفة GO وتحليل إثراء KEGG. لقد تم التعرف على مسار إشارة PPAR على نطاق واسع كآلية أساسية لتأثيرات الأعشاب في خفض الدهون. تعتبر مستقبلات البروتين المنشط لمستقبلات البيروكسيسوم (PPARs) مستقبلات هرمونية نووية تنشط بواسطة الروابط، والتي يمكن تنشيطها بواسطة الأحماض الدهنية ومشتقاتها لتنظيم نسخ إنزيمات استقلاب الدهون. تتكون PPARs من ثلاثة أشكال متباينة، وهي PPAR. و PPAR [54]، كل منها يلعب دورًا مميزًا في استقلاب الدهون. PPAR يوجد بشكل أساسي في الأنسجة ذات الطلب العالي على الطاقة، مثل الكبد، والكلى، والقلب [55]. وهو ينظم بشكل رئيسي تعبير الجينات والبروتينات المرتبطة بتمثيل الدهون وعمليات الأيض في الكبد [56]، ويعتبر هدفًا علاجيًا للفبرات (منبهات PPAR الانتقائية) [57]. PPAR هو منظم حاسم لتوازن الدهون في العضلات ويشارك في تنظيم الدهون على مستوى الجسم بواسطة المنشطات (بيزافيبريت، تيلميسارتان، إلخ) [58]. PPAR يقع بشكل أساسي في الأنسجة الدهنية [59] ويعتبر وسيطًا حاسمًا في توازن الطاقة وتمايز الخلايا. يمكن أن يعزز تمايز الأنسجة الدهنية وتخليق الدهون، مما يؤدي إلى تغييرات شكلية وزيادة حجم الخلايا الدهنية [60، 61]. علاوة على ذلك، فهو منظم رئيسي لتمثيل الجلوكوز وهدف علاجي لأدوية السكري من النوع 2 المعروفة باسم الثيازوليدينديونات (TZDs) [53، 61].

استنادًا إلى شبكة PPI، يمكننا التكهن بأن PPARG و PPARA والعديد من الجزيئات الأخرى هي الأهداف الرئيسية للدهون المنظمة بواسطة OA. PPARG (مستقبل بروتينات البيروكسيسوم المنشط بواسطة البروتينات الدهنية غاما) و PPARA (مستقبل بروتينات البيروكسيسوم المنشط بواسطة البروتينات الدهنية ألفا)، المذكوران أعلاه PPAR و PPAR لقد تم التعرف عليها منذ فترة طويلة كمنظمات حاسمة للسمنة وغالبًا ما يتم استخدامها في بروتوكولات العلاج السريري. MAPK3 (كيناز البروتين المنشط بالميتوجين 3)، المعروف أيضًا باسم ERK1 (كينازات البروتين المنظمة خارج الخلية)، هو فئة من كينازات البروتين الداخلية السيرين/الثريونين التي تشارك في عمليات خلوية متنوعة مثل تكاثر الخلايا، بقاء الخلايا، نمو الخلايا، الخلايا.
التمثيل الغذائي، هجرة الخلايا، وتمايز الخلايا [62]. يلعب دورًا في العديد من الأمراض مثل تمثيل الدهون الكبدي، تمثيل الدهون في الكبد، واضطرابات التمثيل الغذائي القلبي، إلخ [63، 64]. أظهرت الأبحاث السابقة أن اللبتين، وحمض البروتوكاتيكويك، وجزيئات أخرى يمكن أن تحارب السمنة وتصلب الشرايين من خلال MAPK3/ ERK1 [65، 66]. NR3C1 (عضو مجموعة 3 من عائلة المستقبلات النووية 1)، الذي يشفر مستقبل الجلوكوكورتيكويد، يشارك في الاستجابة الالتهابية، تكاثر الخلايا، وتمايزها في الأنسجة المستهدفة [67]. وقد تم الإبلاغ عن أنه يمارس تأثيرات مفيدة على السمنة، واضطراب تمثيل الجلوكوز، والخلل الدهني [68-70]. وبالمثل، يُتوقع أن يكون PTGS2 (سينثاز البروستاجلاندين-إنيدروكسي 2) وCYP19A1 (عضو عائلة السيتوكروم P450 19 فرع A 1) أهدافًا محورية لتقليل أو عكس فرط شحميات الدم والسمنة [68، 71، 72]. بالإضافة إلى ذلك، تم تحديد CNR1 (مستقبل الكانابينويد 1) كهدف دوائي واعد لعلاج السمنة، حيث أدى حذف CNR1 في الفئران إلى تحسين مقاومة الأنسولين، وإجهاد ER، وتراكم الدهون [73]. على العكس، وُجد أن الإفراط في التعبير عن HSD11B1 (إيزوزيم 11-بيتا-هيدروكسيستيرود ديهيدروجيناز) الذي يحفز تحويل الشكل النشط من الكورتيزول [74]، يؤدي إلى السمنة الحشوية، ومرض السكري المقاوم للأنسولين، والخلل الدهني [75]. AGTR1 (مستقبل الأنجيوتنسين II من النوع 1) هو لاعب رئيسي في نظام الرينين-أنجيوتنسين (RAS) الذي يمكن أن يزيد من ضغط الدم ومقاومة الأنسولين بينما يمنع أيضًا تحلل الدهون، ويحافظ على توازن الطاقة، ويقلل الالتهاب [76]. تم استخدام الربط الجزيئي والمحاكاة الديناميكية الجزيئية للتحقق من الآلية الجزيئية لتدخل OA في السمنة. كشفت دراسات الربط الجزيئي أن OA لديه affinity عالية للأهداف الرئيسية التي حددتها الصيدلة الشبكية. أظهرت نتائج المحاكاة الديناميكية الجزيئية أن ارتباط OA بالأهداف الأساسية كان أكثر استقرارًا، مما يشير إلى أن البروتينات الأساسية التي تم افتراضها سابقًا كانت بالفعل الروابط الحاسمة في عمل OA المضاد للسمنة.

للتحقق من الأهداف والمسارات المتوقعة لـ OA في علاج السمنة، أنشأنا نموذج فأر للسمنة مستحثة بنظام غذائي عالي الدهون وحققنا في تأثيرات OA على الاستجابات الالتهابية واستقلاب الجلوكوز والدهون في الفئران. كما ركزنا على التحقق من الهدف الأساسي الرئيسي، مستقبلات البيروكسيسوم المنشطة للبروتين غاما (PPAR )، الذي تم تحديده في توقعاتنا من خلال علم الأدوية الشبكي وطرق الربط الجزيئي. تظهر نتائجنا أن علاج OA قد حسن بشكل كبير من خلل التمثيل الغذائي الناتج عن النظام الغذائي الغني بالدهون في الفئران المعالجة، كما يتضح من انخفاض مستويات الجلوكوز في الدم، ومستويات الكوليسترول في الدم، وتلف الأنسجة، واستجابة التهابية مخفضة. تتماشى نتائجنا مع الدراسات السابقة [17، 21،

43]. كما لاحظنا أن التغذية الغنية بالدهون زادت من تعبير PPAR في الأنسجة الدهنية مع تقليل تعبير بروتين فك الارتباط الميتوكوندري 1 (UCP1). وعلى العكس، بعد علاج OA، زاد تعبير PPAR انخفضت، بينما زادت نسبة UCP1. UCP1، هدف ثانوي لـ PPAR ، يتم التعبير عنه بشكل كبير في الميتوكوندريا للأنسجة الدهنية البنية والبيج [77]، ويشارك في تنظيم إنفاق الطاقة ودوام التوازن الأيضي من خلال مسارات خلوية متعددة، مما يؤثر على إنتاج أنواع الأكسجين التفاعلية في ميتوكوندريا الخلايا الدهنية [78-80]. زيادة PPAR وانخفاض تعبير UCP1 يمثل زيادة في تخليق الدهون وتخزينها، فضلاً عن انخفاض في استهلاك الطاقة في الفئران البدينة، وهو ما يتماشى مع الآلية التطورية للسمنة. ومع ذلك، تم التخفيف من الآثار السلبية لهذه التغيرات من خلال مشاركة OA. تدعم نتائجنا التوقعات السابقة من علم الأدوية الشبكي والربط الجزيئي حول أهداف وطرق OA المضادة للسمنة. بشكل عام، تشير نتائجنا إلى أن OA يمكن أن تساعد في علاج السمنة من خلال تنظيم PPAR. وتفعيل مسار إشارة PPAR.

لفهم أفضل لتأثيرات حمض الأوليك (OA) على تراكم الدهون في الفئران البدينة، قمنا بالتحقيق في التأثير التنظيمي لحمض الأوليك على تعبير البروتينات SREBP1 و TGR5. SREBP1 (بروتينات ربط عنصر تنظيم الستيرول 1)، وهو منظم رئيسي لتمثيل الأحماض الدهنية، يشارك في امتصاص الدهون، وتخليق الدهون، وأكسدة الأحماض الدهنية المشبعة، ويزداد في المضيفين البدينين [81، 82]. TGR5، مستقبل الأحماض الصفراوية المرتبط بالبروتين G، يتحكم في تمثيل الكوليسترول، والأحماض الصفراوية، والدهون، والكربوهيدرات، بالإضافة إلى الأنسولين ونفقات الطاقة النظامية، وقد أظهر أنه يعزز معدل الأيض، وامتصاص الأكسجين، ويقلل من السمنة وتراكم الدهون في الكبد في نموذج الفئران البدينة [83-85]. بما يتماشى مع نتائج PPAR /UCP1، أظهرت الحيوانات البدينة مستويات أعلى من SREBP1 ومستويات أقل من TGR5، في حين كانت OA قادرة على تقليل تنظيم SREBP1 وزيادة تنظيم تعبير TGR5، مما يشير إلى أن إحدى الاستراتيجيات المحتملة لمكافحة السمنة لـ OA قد تتضمن زيادة تنظيم TGR5/ UCP1 لتشجيع استهلاك الدهون وتقليل تنظيم PPAR. SREBP1 لتقليل تخليق الدهون وتغيير تراكم الدهون. علاوة على ذلك، GLP-1 هو ببتيد شبيه الجلوكاجون-1، وهو إنتروجلوكاجون يتم إنتاجه من الأمعاء ويزيد من إفراز الأنسولين من البنكرياس. -الخلايا [86] بينما تقلل أيضًا من تناول الطعام ووزن الجسم [87]. لها ومستقبلها إمكانات كبيرة لعلاج اضطرابات الأيض الجليكوليبدية. كشفت دراستنا أن علاج OA يمكن أن يزيد من إفراز TGR5/GLP-1، مما يدعم اكتشافنا السابق بأن تعديل TGR5/GLP-1
يمكن أن يحسن كل من الاضطرابات الالتهابية وعمليات التمثيل الغذائي للغلوكوز والدهون. تشير هذه النتيجة إلى أن قدرة OA على مكافحة السمنة قد تتضمن هذه الآلية.
في الختام، تجمع هذه الدراسة بين علم الأدوية الشبكي، والربط الجزيئي، والمحاكاة الديناميكية الجزيئية، والتحقق التجريبي على الحيوانات لأول مرة لدراسة فعالية وآلية عمل OA في علاج السمنة. تكشف النتائج عن إمكانيات OA في علاج السمنة وتوفر اتجاهًا جديدًا لتطوير أدوية وأطعمة مشتقة من OA، مما يساهم في اكتشاف وتطوير الموارد الطبيعية المتعلقة بالسمنة. علاوة على ذلك، استكشفت هذه الدراسة تأثيرات الأدوية على السمنة من خلال تراكم الدهون، مما يوفر للباحثين رؤى جديدة لتطوير أدوية السمنة. لا يمكن إنكار أن هناك بعض القيود في دراستنا. يعتمد علم الأدوية الشبكي، والربط الجزيئي، والمحاكاة الديناميكية الجزيئية على البيانات والخوارزميات، وقد تختلف نتائجها عن النتائج الفعلية بسبب قيود قاعدة البيانات والبرمجيات. بالإضافة إلى ذلك، بسبب قيود الوقت والموارد، لم نتمكن من تأكيد جميع الأهداف المتوقعة تجريبيًا، أو دمج الأبحاث على الحيوانات والخلايا مع التحقق السريري وطرق أخرى، مما يمنعنا من الكشف الكامل عن آلية عمل OA المضادة للسمنة. سنقوم بإجراء اختبارات إضافية في المستقبل لفحص المسارات الجزيئية المحتملة وراء تأثيرات OA المضادة للسمنة بمزيد من التفصيل.

في الختام، استخدمت دراستنا علم الأدوية الشبكي، والربط الجزيئي، ومحاكاة الديناميكا الجزيئية، والتجارب الحيوانية لكشف المسارات الجزيئية المحتملة لنشاط OA ضد السمنة. الرئيسية تم تحديد MF لـ OA ضد السمنة باستخدام تحليل إثراء GO. كما تم استخدام تحليل إثراء قاعدة بيانات KEGG/DAVID لتحديد المسارات التي تلعب أدوارًا رئيسية في علاج OA السمنة. تم استخدام شبكة PPI لتحديد تسعة أهداف رئيسية، وتم التحقق من القدرة المحتملة على الارتباط واستقرار الارتباط لـ OA مع كل هدف مهم باستخدام تقنية الربط الجزيئي وMD. وُجد أن PPARG و PPARA و MAPK3 و NR3C1 و PTGS2 و CYP19A1 و CNR1 و HSD11B1 و AGTR1 تلعب أدوارًا أساسية في آلية مكافحة السمنة لـ OA. كما أظهرت نتائج التحقق من التجارب الحيوانية أن مسارات إشارات PPARG و PPAR حاسمة لتأثير OA المضاد للسمنة على الفئران البدينة.

تحتوي النسخة الإلكترونية على مواد إضافية متاحة على https://doi. org/10.1186/s12967-023-04840-x.

ملف إضافي 1.

نشكر J.W. وآخرون على مساعدتهم في التجارب و X.H. على الملاحظات القيمة.

كانت تقسيمات العمل المحددة كما يلي: الفكرة، TL؛ الحصول على التمويل، XH؛ التحقيقات، TL، JW؛ الطرق، TL، YT، وYX؛ إدارة المشروع، TL، وXH؛ الإشراف، YX، وXH؛ التحقق، TL. جميع المؤلفين قرأوا ويوافقون على النسخة المنشورة من المخطوطة.

لم تتلقَ هذه الدراسة أي منحة محددة من وكالات التمويل في القطاع العام أو التجاري أو غير الربحي.

تتوفر مجموعات البيانات المستخدمة و/أو التي تم تحليلها خلال الدراسة الحالية من المؤلف المراسل عند الطلب المعقول.

تمت الموافقة على التجارب الحيوانية في هذه الدراسة من قبل لجنة الأخلاقيات الحيوانية في جامعة قوانغدونغ للصيدلة.

غير قابل للتطبيق.

يعلن المؤلفون أنهم ليس لديهم مصالح متنافسة.

مدرسة الأدوية الصينية، جامعة قوانغدونغ للصيدلة، طريق وايهوآن الشرقي، قوانغتشو 510006، قوانغدونغ، الصين.

تاريخ الاستلام: 30 أغسطس 2023 تاريخ القبول: 26 ديسمبر 2023
تم النشر عبر الإنترنت: 21 يناير 2024

X, Lim SS, Liu P, Lopez AD, Lozano R, Majeed A, Malekzadeh R, Malta DC, Mazidi M, McAlinden C, McGarvey ST, Mengistu DT, Mensah GA, Mensink GBM, Mezgebe HB, Mirrakhimov EM, Mueller UO, Noubiap JJ, Obermeyer CM, Ogbo FA, Owolabi MO, Patton GC, Pourmalek F, Qorbani M, Rafay A, Rai RK, Ranabhat CL, Reinig N, Safiri S, Salomon JA, Sanabria JR, Santos IS, Sartorius B, Sawhney M, Schmidhuber J, Schutte AE, Schmidt MI, Sepanlou SG, Shamsizadeh M, Sheikhbahaei S, Shin MJ, Shiri R, Shiue I, Roba HS, Silva DAS, Silverberg JI, Singh JA, Stranges S, Swaminathan S, Tabares-Seisdedos R, Tadese F, Tedla BA, Tegegne BS, Terkawi AS, Thakur JS, Tonelli M, ToporMadry R, Tyrovolas S, Ukwaja KN, Uthman OA, Vaezghasemi M, Vasankari T, Vlassov V, Vollset SE, Weiderpass E, Werdecker A, Wesana J, Westerman R, Yano Y, Yonemoto N, Yonga G, Zaidi Z, Zenebe ZM, Zipkin B, Murray CJL. Health Effects of Overweight and Obesity in 195 Countries over 25 Years. N Engl J Med. 2017;377:13-27.
4. Boutari C, Mantzoros CS. A 2022 update on the epidemiology of obesity and a call to action: as its twin COVID-19 pandemic appears to be receding, the obesity and dysmetabolism pandemic continues to rage on. Metabolism. 2022;133: 155217.
5. Chooi YC, Ding C, Magkos F. The epidemiology of obesity. Metabolism. 2019;92:6-10.
6. Kivimaki M, Strandberg T, Pentti J, Nyberg ST, Frank P, Jokela M, Ervasti J, Suominen SB, Vahtera J, Sipila PN, Lindbohm JV, Ferrie JE. Body-mass index and risk of obesity-related complex multimorbidity: an observational multicohort study. Lancet Diabetes Endocrinol. 2022;10:253-63.
7. Reid TJ, Korner J. Medical and surgical treatment of obesity. Med Clin North Am. 2022;106:837-52.
8. Walter CP, Bleske BE, Dorsch MP. Pharmacotherapy for weight loss: the cardiovascular effects of the old and new agents. J Clin Pharm Ther. 2014;39:475-84.
9. Lan JP, Tong RC, Sun XM, Zhang HY, Sun S, Xiong AZ, Wang ZT, Yang L. Comparison of the main chemical composition of Plantago asiatica L . and P. depressa Willd. seed extracts and their anti-obesity effects in highfat diet-induced obese mice. Phytomedicine. 2021;81: 153362.
10. Martel J, Ojcius DM, Chang CJ, Lin CS, Lu CC, Ko YF, Tseng SF, Lai HC, Young JD. Anti-obesogenic and antidiabetic effects of plants and mushrooms. Nat Rev Endocrinol. 2017;13:149-60.
11. Wan Y, Xia J, Xu JF, Chen L, Yang Y, Wu JJ, Tang F, Ao H, Peng C. Nuciferine, an active ingredient derived from lotus leaf, lights up the way for the potential treatment of obesity and obesity-related diseases. Pharmacol Res. 2022;175: 106002.
12. Castellano JM, Espinosa JM, Perona JS. Modulation of lipid transport and adipose tissue deposition by small lipophilic compounds. Front Cell Dev Biol. 2020;8: 555359.
13. Yang YH, Dai SY, Deng FH, Peng LH, Li C, Pei YH. Recent advances in medicinal chemistry of oleanolic acid derivatives. Phytochemistry. 2022;203: 113397.
14. Luo HQ, Shen J, Chen CP, Ma X, Lin C, Ouyang Q, Xuan CX, Liu J, Sun HB, Liu J. Lipid-lowering effects of oleanolic acid in hyperlipidemic patients. Chin J Nat Med. 2018;16:339-46.
15. Liu D, Jin X, Yu G, Wang M, Liu L, Zhang W, Wu J, Wang F, Yang J, Luo Q, Cai L, Yang X, Ke X, Qu Y, Xu Z, Jia L, Chen WL. Oleanolic acid blocks the purine salvage pathway for cancer therapy by inactivating SOD1 and stimulating lysosomal proteolysis. Mol Ther Oncolytics. 2021;23:107-23.
16. Santos-Lozano JM, Rada M, Lapetra J, Guinda A, Jimenez-Rodriguez MC, Cayuela JA, Angel-Lugo A, Vilches-Arenas A, Gomez-Martin AM, OrtegaCalvo M, Castellano JM. Prevention of type 2 diabetes in prediabetic patients by using functional olive oil enriched in oleanolic acid: The PREDIABOLE study, a randomized controlled trial. Diabetes Obes Metab. 2019;21:2526-34.
17. de Melo CL, Queiroz MGR, Fonseca SGC, Bizerra AMC, Lemos TLG, Melo TS, Santos FA, Rao VS. Oleanolic acid, a natural triterpenoid that improves blood glucose tolerance in normal mice and ameliorates visceral obesity in mice fed a high-fat diet. Chem-Biol Interact. 2010;185:59-65.
18. Dzubak P, Hajduch M, Vydra D, Hustova A, Kvasnica M, Biedermann D, Markova L, Urban M, Sarek J. Pharmacological activities of natural triterpenoids and their therapeutic implications. Nat Prod Rep. 2006;23:394-411.
19. Kaushik S, Dar L, Kaushik S, Yadav JP. Anti-dengue activity of supercritical extract and isolated oleanolic acid of Leucas cephalotes using in vitro and silico approach. Bmc Complement Med. 2021;21:227.
20. de Moura EDM, Dos Reis SA, da Conceicao LL, Sediyama C, Pereira SS, de Oliveira LL, Gouveia Peluzio MDC, Martinez JA, Milagro Fl. Diet-induced
obesity in animal models: points to consider and influence on metabolic markers. Diabetol Metab Syndr. 2021;13:32.
21. Djeziri FZ, Belarbi M, Murtaza B, Hichami A, Benammar C, Khan NA. Oleanolic acid improves diet-induced obesity by modulating fat preference and inflammation in mice. Biochimie. 2018;152:110-20.
22. Wang S, Du LB, Jin L, Wang Z, Peng J, Liao N, Zhao YY, Zhang JL, Pauluhn J, Hai CX, Wang X, Li WL. Nano-oleanolic acid alleviates metabolic dysfunctions in rats with high fat and fructose diet. Biomed Pharmacother. 2018;108:1181-7.
23. Liu J. Pharmacology of oleanolic acid and ursolic acid. J Ethnopharmacol. 1995;49:57-68.
24. Claro-Cala CM, Jimenez-Altayo F, Zagmutt S, Rodriguez-Rodriguez R. Molecular mechanisms underlying the effects of olive oil triterpenic acids in obesity and related diseases. Nutrients. 2022;14:1606.
25. Jiao W, Mi S, Sang Y, Jin Q, Chitrakar B, Wang X, Wang S. Integrated network pharmacology and cellular assay for the investigation of an anti-obesity effect of 6-shogaol. Food Chem. 2022;374: 131755.
26. Xia QD, Xun Y, Lu JL, Lu YC, Yang YY, Zhou P, Hu J, Li C, Wang SG. Network pharmacology and molecular docking analyses on Lianhua Qingwen capsule indicate Akt1 is a potential target to treat and prevent COVID-19. Cell Proliferat. 2020;53: e12949.
27. Yang B, Yang N, Chen Y, Zhu M, Lian Y, Xiong Z, Wang B, Feng L, Jia X. An integrated strategy for effective-component discovery of astragali radix in the treatment of lung cancer. Front Pharmacol. 2020;11: 580978.
28. Singh A, Vanga SK, Orsat V, Raghavan V. Application of molecular dynamic simulation to study food proteins: A review. Crit Rev Food Sci Nutr. 2018;58:2779-89.
29. Kim S, Chen J, Cheng T, Gindulyte A, He J, He S, Li Q, Shoemaker BA, Thiessen PA, Yu B, Zaslavsky L, Zhang J, Bolton EE. PubChem in 2021: new data content and improved web interfaces. Nucleic Acids Res. 2021;49:D1388-95.
30. Daina A, Michielin O, Zoete V. SwissTargetPrediction: updated data and new features for efficient prediction of protein targets of small molecules. Nucleic Acids Res. 2019;47:W357-64.
31. Stelzer G, Rosen N, Plaschkes I, Zimmerman S, Twik M, Fishilevich S, Stein TI, Nudel R, Lieder I, Mazor Y, Kaplan S, Dahary D, Warshawsky D, Guan-Golan Y, Kohn A, Rappaport N, Safran M, Lancet D. The GeneCards Suite: From Gene Data Mining to Disease Genome Sequence Analyses, Curr Protoc Bioinformatics, 2016;54, 130 31-31 3033.
32. Szklarczyk D, Gable AL, Nastou KC, Lyon D, Kirsch R, Pyysalo S, Doncheva NT, Legeay M, Fang T, Bork P, Jensen LJ, von Mering C. The STRING database in 2021: customizable protein-protein networks, and functional characterization of user-uploaded gene/measurement sets. Nucleic Acids Res. 2021;49:D605-12.
33. Shannon P, Markiel A, Ozier O, Baliga NS, Wang JT, Ramage D, Amin N, Schwikowski B, Ideker T. Cytoscape: a software environment for integrated models of biomolecular interaction networks. Genome Res. 2003;13:2498-504.
34. Tang Y, Li M, Wang J, Pan Y, Wu FX. CytoNCA: a cytoscape plugin for centrality analysis and evaluation of protein interaction networks. Biosystems. 2015;127:67-72.
35. Sherman BT, Hao M, Qiu J, Jiao X, Baseler MW, Lane HC, Imamichi T, Chang W, DAVID: a web server for functional enrichment analysis and functional annotation of gene lists,. update). Nucleic Acids Res. 2021;2022. https://doi.org/10.1093/nar/gkac194.
36. UniProt C. UniProt: the universal protein knowledgebase in 2021. Nucleic Acids Res. 2021;49:D480-9.
37. Ru J, Li P, Wang J, Zhou W, Li B, Huang C, Li P, Guo Z, Tao W, Yang Y, Xu X, Li Y, Wang Y, Yang L. TCMSP: a database of systems pharmacology for drug discovery from herbal medicines. J Cheminform. 2014;6:13.
38. Burley SK, Bhikadiya C, Bi C, Bittrich S, Chen L, Crichlow GV, Christie CH, Dalenberg K, Di Costanzo L, Duarte JM, Dutta S, Feng Z, Ganesan S, Goodsell DS, Ghosh S, Green RK, Guranovic V, Guzenko D, Hudson BP, Lawson CL, Liang Y, Lowe R, Namkoong H, Peisach E, Persikova I, Randle C, Rose A, Rose Y, Sali A, Segura J, Sekharan M, Shao C, Tao YP, Voigt M, Westbrook JD, Young JY, Zardecki C, Zhuravleva M. RCSB Protein Data Bank: powerful new tools for exploring 3D structures of biological macromolecules for basic and applied research and education in fundamental biology, biomedicine, biotechnology, bioengineering and energy sciences. Nucleic Acids Res. 2021;49:D437-51.
39. Jumper J, Evans R, Pritzel A, Green T, Figurnov M, Ronneberger O, Tunyasuvunakool K, Bates R, Zidek A, Potapenko A, Bridgland A, Meyer C, Kohl SAA, Ballard AJ, Cowie A, Romera-Paredes B, Nikolov S, Jain R, Adler J, Back T, Petersen S, Reiman D, Clancy E, Zielinski M, Steinegger M, Pacholska M, Berghammer T, Bodenstein S, Silver D, Vinyals O, Senior AW, Kavukcuoglu K, Kohli P, Hassabis D. Highly accurate protein structure prediction with AlphaFold. Nature. 2021;596:583-9.
40. Adasme MF, Linnemann KL, Bolz SN, Kaiser F, Salentin S, Haupt VJ, Schroeder M. PLIP 2021: expanding the scope of the proteinligand interaction profiler to DNA and RNA. Nucleic Acids Res. 2021;49:W530-4.
41. Song , Shen , Chu , Zheng . Pomegranate fruit pulp polyphenols reduce diet-induced obesity with modulation of gut microbiota in mice. J Sci Food Agric. 2022;102:1968-77.
42. Dong Y, Zheng Y, Zhu L, Li T, Guan Y, Zhao S, Wang Q, Wang J, Li L. Hua-Tan-Sheng-Jing decoction treats obesity with oligoasthenozoospermia by up-regulating the PI3K-AKT and down-regulating the JNK MAPK signaling pathways: at the crossroad of obesity and oligoasthenozoospermia. Front Pharmacol. 2022;13: 896434.
43. Su S, Wu G, Cheng X, Fan J, Peng J, Su H, Xu Z, Cao M, Long Z, Hao Y, Li G, Li S, Hai C, Wang X. Oleanolic acid attenuates PCBs-induced adiposity and insulin resistance via HNF1b-mediated regulation of redox and PPARgamma signaling. Free Radic Biol Med. 2018;124:122-34.
44. Li W, Zeng H, Xu M, Huang C, Tao L, Li J, Zhang T, Chen H, Xia J, Li C, Li X. Oleanolic acid improves obesity-related inflammation and insulin resistance by regulating macrophages activation. Front Pharmacol. 2021;12: 697483.
45. Pan Y, Zhou F, Song Z, Huang H, Chen Y, Shen Y, Jia Y, Chen J. Oleanolic acid protects against the pathogenesis of atherosclerosis, possibly via FXR-mediated angiotensin (Ang)-(1-7) upregulation. Biomed Pharmacother. 2018;97:1694-700.
46. Fernandez-Aparicio A, Schmidt-RioValle J, Perona JS, Correa-Rodriguez M, Castellano JM, Gonzalez-Jimenez E. Potential protective effect of oleanolic acid on the components of metabolic syndrome: a systematic review. J Clin Med. 2019;8:1294.
47. Li M, Han Z, Bei W, Rong X, Guo J, Hu X. Oleanolic acid attenuates insulin resistance via NF-kappaB to regulate the IRS1-GLUT4 pathway in HepG2 cells. Evid Based Complement Alternat Med. 2015;2015: 643102.
48. Nyakudya TT, Isaiah S, Ayeleso A, Ndhlala AR, Mukwevho E, Erlwanger KH. Short-Term neonatal oral administration of oleanolic acid protects against fructose-induced oxidative stress in the skeletal muscles of suckling rats. Molecules. 2019;24:661.
49. Teixeira LL, Pilon G, Coutinho CP, Dudonne S, Dube P, Houde V, Desjardins Y, Lajolo FM, Marette A, Hassimotto NMA. Purple grumixama anthocyanins (Eugenia brasiliensis Lam.) attenuate obesity and insulin resistance in high-fat diet mice. Food Funct. 2021;12:3680-91.
50. Shi L, Karrar E, Wang X. Sesamol ameliorates hepatic lipid accumulation and oxidative stress in steatosis HepG2 cells via the PPAR signaling pathway. J Food Biochem. 2021;45: e13976.
51. Wu L, Guo C, Wu J. Therapeutic potential of PPARgamma natural agonists in liver diseases. J Cell Mol Med. 2020;24:2736-48.
52. Robinson-Rechavi M, Carpentier AS, Duffraisse M, Laudet V. How many nuclear hormone receptors are there in the human genome? Trends Genet. 2001;17:554-6.
53. Montaigne D, Butruille L, Staels B. PPAR control of metabolism and cardiovascular functions. Nat Rev Cardiol. 2021;18:809-23.
54. Derosa G, Sahebkar A, Maffioli P. The role of various peroxisome prolifera-tor-activated receptors and their ligands in clinical practice. J Cell Physiol. 2018;233:153-61.
55. Botta M, Audano M, Sahebkar A, Sirtori CR, Mitro N, Ruscica M. PPAR agonists and metabolic syndrome: an established role? Int J Mol Sci. 2018;19:1197.
56. Pawlak M, Lefebvre P, Staels B. Molecular mechanism of PPAR alpha action and its impact on lipid metabolism, inflammation, and fibrosis in nonalcoholic fatty liver disease. J Hepatol. 2015;62:720-33.
57. Hu N, Chen CY, Wang JH, Huang J, Yao DH, Li CL. Atorvastatin ester regulates lipid metabolism in hyperlipidemia rats via the PPAR-signaling pathway and HMGCR expression in the liver. Int J Mol Sci. 2021;22:11107.
58. Magadum A, Engel FB. PPARbeta/delta: linking metabolism to regeneration. Int J Mol Sci. 2018;19:2013.
59. Braissant O, Foufelle F, Scotto C, Dauca M, Wahli W. Differential expression of peroxisome proliferator-activated receptors (PPARs): tissue distribution of PPAR-alpha, -beta, and -gamma in the adult rat. Endocrinology. 1996;137:354-66.
60. Berger J, Moller DE. The mechanisms of action of PPARs. Annu Rev Med. 2002;53:409-35.
61. Corrales P, Vidal-Puig A, Medina-Gomez G. PPARs and Metabolic Disorders Associated with Challenged Adipose Tissue Plasticity. Int J Mol Sci. 2018;19:2124.
62. Lavoie H, Gagnon J, Therrien M. ERK signaling: a master regulator of cell behavior, life, and fate. Nat Rev Mol Cell Biol. 2020;21:607-32.
63. Kwong E, Li Y, Hylemon PB, Zhou H. Bile acids and sphingosine-1-phosphate receptor 2 in hepatic lipid metabolism. Acta Pharm Sin B. 2015;5:151-7.
64. Hara T, Sata M, Fukuda D. Emerging roles of protease-activated receptors in cardiometabolic disorders. J Cardiol. 2022. https://doi.org/10.1016/j. jjcc.2022.09.013.
65. Zheng J, Li Q, He L, Weng H, Su D, Liu X, Ling W, Wang D. Protocatechuic acid inhibits vulnerable atherosclerotic lesion progression in older apoe-/- mice. J Nutr. 2020;150:1167-77.
66. Khan AS, Subramaniam S, Dramane G, Khelifi D, Khan NA. ERK1 and ERK2 activation modulates diet-induced obesity in mice. Biochimie. 2017;137:78-87.
67. Vitellius G, Trabado S, Bouligand J, Delemer B, Lombes M. Pathophysiology of glucocorticoid signaling. Ann Endocrinol. 2018;79:98-106.
68. Zhang QH, Cui XY, Wang D, Jin Y, Guan YX. Anti-obesity effect of escin: a study on high-fat diet-induced obese mice. Eur Rev Med Pharmacol Sci. 2022;26:7797-812.
69. Li R, Jia Y, Pan S, Li X, Song H, Zhao R. Glucocorticoid receptor mediates the effect of high-fat diet on mitochondrial oxidative phosphorylation in mouse liver. DNA Cell Biol. 2016;35:51-8.
70. Giordano R, Marzotti S, Berardelli R, Karamouzis I, Brozzetti A, D’Angelo V, Mengozzi G, Mandrile G, Giachino D, Migliaretti G, Bini V, Falorni A, Ghigo E, Arvat E. BCII polymorphism of the glucocorticoid receptor gene is associated with increased obesity, impaired glucose metabolism, and dyslipidemia in patients with Addison’s disease. Clin Endocrinol. 2012;77:863-70.
71. Suriagandhi V, Nachiappan V. Therapeutic target analysis and molecular mechanism of melatonin – leptin resistance induced obesity: a systematic study of network pharmacology. Front Endocrinol. 2022;13: 927576.
72. Huang J, Zhao L, Sun J, Wang L, Gu J, Liu X, Yang M, Wang Y, Zhang N, Zhu J, Xu S, Ren X, Su Y. Clinical evidence and potential mechanisms of complementary treatment of ling gui zhu gan formula for the management of serum lipids and obesity. Evid Based Complement Alternat Med. 2022;2022:7714034.
73. Pei SJ, Zhu HY, Guo JH, Zhang X, Deng ZJ. Knockout of CNR1 prevents metabolic stress-induced cardiac injury through improving insulin resistance (IR) injury and endoplasmic reticulum (ER) stress by promoting AMPK-alpha activation. Biochem Biophys Res Commun. 2018;503:744-51.
74. Tomlinson JW, Walker EA, Bujalska IJ, Draper N, Lavery GG, Cooper MS, Hewison M, Stewart PM. 11beta-hydroxysteroid dehydrogenase type 1: a tissue-specific regulator of glucocorticoid response. Endocr Rev. 2004;25:831-66.
75. Masuzaki H, Paterson J, Shinyama H, Morton NM, Mullins JJ, Seckl JR, Flier JS. A transgenic model of visceral obesity and the metabolic syndrome. Science. 2001;294:2166-70.
76. Pahlavani M, Kalupahana NS, Ramalingam L, Moustaid-Moussa N. Regulation, and functions of the renin-angiotensin system in white and brown adipose tissue. Compr Physiol. 2017;7:1137-50.
77. Bertholet AM, Kazak L, Chouchani ET, Bogaczynska MG, Paranjpe I, Wainwright GL, Betourne A, Kajimura S, Spiegelman BM, Kirichok Y. Mitochondrial Patch Clamp of Beige Adipocytes Reveals UCP1-Positive and UCP1-Negative Cells Both Exhibiting Futile Creatine Cycling, Cell Metab, 2017, 25, 811-+.
78. Gulyaeva O, Dempersmier J, Sul HS. Genetic and epigenetic control of adipose development. Biochim Biophys Acta Mol Cell Biol Lipids. 2019;1864:3-12.
79. Jia P, Wu X, Pan T, Xu S, Hu J, Ding X. Uncoupling protein 1 inhibits mitochondrial reactive oxygen species generation and alleviates acute kidney injury. EBio Med. 2019;49:331-40.
80. Clarke KJ, Porter RK. Uncoupling protein 1 dependent reactive oxygen species production by thymus mitochondria. Int J Biochem Cell Biol. 2013;45:81-9.
81. Shimano H, Sato R. SREBP-regulated lipid metabolism: convergent physiology – divergent pathophysiology. Nat Rev Endocrinol. 2017;13:710-30.
82. DeBose-Boyd RA, Ye J. SREBPs in Lipid Metabolism, Insulin Signaling, and Beyond, Trends Biochem Sci,
83. Thomas C, Gioiello A, Noriega L, Strehle A, Oury J, Rizzo G, Macchiarulo A, Yamamoto H, Mataki C, Pruzanski M, Pellicciari R, Auwerx J, Schoonjans K. TGR5-mediated bile acid sensing controls glucose homeostasis. Cell Metab. 2009;10:167-77.
84. Watanabe M, Houten SM, Mataki C, Christoffolete MA, Kim BW, Sato H, Messaddeq N, Harney JW, Ezaki O, Kodama T, Schoonjans K, Bianco AC, Auwerx J. Bile acids induce energy expenditure by promoting intracellular
85. Castellanos-Jankiewicz A, Guzman-Quevedo O, Fenelon VS, Zizzari P, Quarta C, Bellocchio L, Tailleux A, Charton J, Fernando D, Henricsson M, Piveteau C, Simon V, Allard C, Quemener S, Guinot V, Hennuyer N, Perino A, Duveau A, Maitre M, Leste-Lasserre T, Clark S, Dupuy N, Cannich A, Gonzales D, Deprez B, Mithieux G, Dombrowicz D, Backhed F, Prevot V, Marsicano G, Staels B, Schoonjans K, Cota D. Hypothalamic bile acid-TGR5 signaling protects from obesity. Cell Metab. 2021;33(1483-1492): e1410.
86. Hira T, Pinyo J, Hara H. What Is GLP-1 Doing in Obesity? Trends Endocrinol Metab. 2020;31:71-80.
87. Drucker DJ. GLP-1 physiology informs the pharmacotherapy of obesity. Mol Metab. 2022;57: 101351.

تظل Springer Nature محايدة فيما يتعلق بالمطالبات القضائية في الخرائط المنشورة والانتماءات المؤسسية.

Keywords Oleanolic acid, Obesity, Network pharmacology, Molecular dynamics, PPARG/PPAR , PPAR signaling pathway, Lipid accumulation

Obesity, as a chronic and sophisticated modern global epidemic [1], has been found to reduce life expectancy and increase the risk of numerous illnesses [2]. Obesity prevalence in the United States increased from 30.5% to between 1999 and 2018. Meanwhile, according to the most recent WHO report on obesity in Europe, 59% of adults and nearly one-third of children in Europe are overweight or obese. This imposes a substantial burden on millions of households [3-5]. Early intervention against obesity is an appropriate approach to prevent complex multimorbidity [6]. However, with certain antiobesity medications producing mediocre outcomes and some reports of specific side effects, treating obesity is still difficult [7]. Particularly, many of these medications exhibit a high incidence of adverse effects related to cardiovascular diseases, leading to their withdrawal from the market [8], which further underscores the challenge of effectively managing obesity. Against this backdrop, there is growing interest in exploring the potential of Chinese herbal medicines derived from natural resources for the management of obesity and obesity-related diseases [9-11].
Oleanolic acid (OA), a pentacyclic triterpenoid, is an active ingredient in herbs such as Fructus Ligustri Lucidi and Folium Camellia Sinensis, as well as in numerous common foods including olive leaves, Apple, Grape, Ginger, and Mango [12]. In China, OA has been utilized as a hepatoprotective medication [13], and there is clinical proof of its effectiveness in treating hyperlipidemia [14]. Furthermore, multiple clinical studies have demonstrated the potential of various OA derivatives to prevent or treat a range of diseases, including cancer, diabetes, and viral infections [13, 15, 16]. Previous research has identified OA as possessing diverse pharmacological properties, such as antiviral, antibacterial, anticancer, anti-inflammatory, antioxidant, hepatoprotective, and gastroprotective effects [17-19]. OA has been shown to improve aberrant alterations in lipid parameters, reduce hepatic microvesicular steatosis, increase leptin content, significantly reduce visceral fat, improve glucose tolerance, and elevate insulin levels [20,21]. It also reduced systemic inflammation, promoted hepatic lipogenesis, and enhanced the taste perception of dietary fat in mice fed the HFD [21]. Meanwhile, OA derivatives, such as Nano-OA, exhibit similar lipid-lowering effects [22]. Although the hypolipidemic effect of OA has been confirmed [23, 24], further research is required to elucidate
the mechanisms underlying its potential role in combating obesity.

Network pharmacology is an important approach for investigating the biological effects of small molecules derived from various natural resources by constructing biomedical interaction networks to assess drug molecular mechanisms [25, 26]. Particularly, network pharmacology is an efficient tool for identifying active ingredients and potential targets of Chinese medicine [27]. Molecular docking and molecular dynamics techniques can provide an in-depth account of intermolecular interactions can graphically explain the mechanism of interactions, and have equally important applications in drug development [28]. Consequently, combining molecular simu-lation-assisted validation with network pharmacological analysis screening is a useful approach to examine the anti-obesity mechanism of OA .

To shed light on the underlying mechanism of OA’s anti-obesity effect, the present study employs a combination of network pharmacology, molecular docking, and molecular dynamics simulation techniques to screen and analyze key targets and pathways. Moreover, in vivo experiments are conducted to validate the principal targets and pathways. As far as we know, this represents the first systematic investigation into the anti-obesity effect and mechanism of OA. The study findings will not only serve as an experimental foundation for utilizing OA as an anti-obesity agent but also offer a theoretical basis for the application of OA-derived drugs and food, such as olive oil, in the management and prevention of obesity.

To investigate the potential molecular targets of OA for the management of obesity, a network pharmacology analysis was conducted(Figure 1). Initially, 78 genes relevant to OA (CC1(CCC2(CCC3(C)=CCC4C3(CCC5C4(C were identified utilizing the SwissTargetPrediction database, while 1,387 genes associated with obesity were sourced from the GeneCards database. Subsequently, a Venn diagram was constructed employing the microbiology letter platform, and 42 related targets were identified (Fig. 1A). To visually assess the impact of OA on obesity, we constructed a (PPI network consisting of 42 nodes and 148 edges, employing the identified intersecting genes (Fig. 1B). The primary targets of OA involved in its anti-obesity effect are illustrated in Fig. 1C, which comprises nine

proteins. Notably, PPARG exhibited the highest number of connections, being linked to 19 additional proteins. Based on their associations, PPARA, MAPK3, NR3C1,

PTGS2, CYP19A1, CNR1, HSD11B1, and AGTR1 were linked to , and 8 additional proteins, respectively.

To provide a comprehensive and systematic illustration of the potential mechanisms of action of OA in treating obesity, we conducted a GO enrichment analysis of its therapeutic targets at different levels using the DAVID database. The analysis covered BP, CC, and MF. We identified 149 statistically significant GO terms, comprising , and 44 MF terms. Bar charts were used to display the top 10 enrichment terms of , and MF with the highest gene counts (Figure 1D). Our results showed that the targets of OA in treating obesity were predominantly enriched in biological processes such as intracellular receptor signaling, intracellular steroid hormone receptor signaling, long-chain fatty acid transport, negative regulation of the inflammatory response, and other biological responses. They were also enriched in cellular components such as chromatin, nucleoplasm, receptor complex, endoplasmic reticulum membrane, and other cellular components. Moreover, OA targets were found to exhibit molecular functions such as RNA polymerase II transcription factor activity, ligand-activated sequence-specific DNA binding, steroid binding, sequence-specific DNA binding, and other molecular functions.

To systematically investigate the potential mechanisms underlying the anti-obesity effects of OA, we utilized KEGG pathways to predict the signaling pathways of OA’s potential anti-obesity targets. The results revealed 172 statistically significant related pathways. The top ten pathways with the highest number of linked genes were presented in a bar graph in Table 1. Among them, the metabolic pathway, the PPAR signaling pathway, and the cancer pathway were the top three pathways. In addition, we performed KEGG enrichment analysis of OA anti-obesity targets using the DAVID database, which resulted in 16 relevant pathways (Figure 1E). The top three potential pathways were the PPAR signaling pathway, Insulin resistance, and ovarian steroidogenesis. Our investigation into the discrepancies in the outcomes
of the two database studies may be connected to the database’s update. We focused on the PPAR signaling pathway based on the results of the enrichment of core targets and pathways, and the schematic diagram of OA in the treatment of obesity by targeting the PPAR signaling pathway is shown in Fig. 2. These findings imply that OA can exhibit anti-obesity benefits via a variety of routes, among which the PPAR signaling pathway plays a key role in OA’s anti-obesity process.

To investigate the mechanism of OA against obesity and to study the potential binding mode and degree of binding to key targets, we conducted molecular docking of OA and obesity-related core targets. The core anti-obesity targets of OA were selected for molecular docking, and all macromolecular structures were re-docked before formal docking. The RMSD values for all of them were less than 2 A , indicating good precision and a good binding pattern [42]. It is widely accepted that a lower binding energy indicates a more stable binding of ligand and receptor, suggesting that the chemical is more likely to interact with the protein. The results in Table 2 demonstrate that all 9 target proteins can spontaneously bind to OA, and all of them have binding energies that are less than , indicating potent binding ability. This suggests that PPARG, PPARA, and other targets should be the primary direct targets for OA to exert its anti-obesity effects.

Molecular docking results indicate that OA interacts with key target proteins at the atomic level through noncovalent interactions, such as hydrophobic interactions, hydrogen bonds, and salt bridges. As shown in Fig. 3 and Table 3, OA can bind to HSD11B1, and CNR1 via hydrophobic interactions; connect to MAPK3, PPARA, and PTGS2 via hydrophobic interactions and hydrogen bonds; and is predicted to dock in the binding pocket of CYP19A1, AGTR1, NR3C1, and PPARG via hydrophobic

interactions, hydrogen bonds, and salt-bridge interactions. Based on the docking studies, we effectively predicted the binding of OA to target proteins.

In each model, the blue bar structures represent the OA molecules, while the purple structures represent the binding sites of residues in the target proteins. The interactions were visualized through dashed lines, where gray dashed lines represent hydrophobic interactions, green dashed lines represent hydrogen bonds, and magenta dashed lines represent salt bridges. Additionally, the labels in the models show the residues and the distance of the interactions between OA and the respective targets.

Molecular dynamics simulations confirmed OA’s stability to attach to the core target (Additional file 1: Fig. S1). The structural variation at a given instant relative to the original conformation is referred to as the RMSD. The lower the score, the more stable OA’s binding conformation to the target site. The results demonstrate that the composite structures of OA with each core target are relatively

stable, fluctuating mostly about 2 nm and beginning to remain stable around 15 ns , indicating that OA can be stably bound to each core target. Rg is the mass-weighted average radius of the system during the simulation and is often used to determine tightness and folding stability during protein-ligand binding. Additional file 1: Fig. S1B demonstrates that the values of OA complexed with each target are limited to 3.5 nm throughout the simulation, indicating that the complexes are compact. The complexes of PPARG, PPARA, and PTGS2 are particularly subdued, indicating that they are more stable. Taken together, our molecular dynamics results suggest that OA has binding stability to core targets, especially PPARG, PPARA, and PTGS2, which have very high potential in OA anti-obesity.

The continuous feeding of HFD to mice resulted in a rapid increase in body weight, with a significant difference observed between HFD and control mice early on ( ). Changes in body weight in each group were evident after administration commenced at week 10. After 4 weeks of administration, mice in the orlistat, OA-L, OA-M, and OA-H groups showed a significant decrease in body weight compared to the model group, and the difference was statistically significant ( ) (Fig. 4A). Additionally, the percentage change in body weight after dosing decreased in each dosing group, which was significantly lower than the change in body weight in the model group, and the percentage change in body weight after dosing was negative in the orlistat,

OA-M, and OA-H groups, which was a significant difference (Fig. 4B). These findings suggest that OA effectively retards weight gain in HFD-induced obese mice and even induces weight loss.

The weight of the mice’s liver and epididymal fat increased as a result of the HFD diet, and the animals in the model group had considerably higher indices than the mice in the control group. Upon treatment, the orlistat, OA-L, OA-M, and OA-H groups displayed reduced liver weight and epididymal fat compared to the model group (Fig. 4C, D). The OA-H and orlistat groups were found to be the most effective with statistically significant differences in their effects. These results suggest that OA reduces fat accumulation in obese mice.

Prolonged exposure to HFD led to a significant increase in FBG levels in the model mice ( ), which was notably ameliorated by treatment with orlistat ( ), as well as with low ( ), medium ( ), and high doses ( ) of OA. Moreover, the HFD diet elevated the lipid levels in the mice, causing a significant increase in TG ( ), TC ( ), and LDL-C ( ), and a significant decrease in HDL-C ( ) in the model group. After treatment, orlistat (TG: , TC: , LDL-C: , HDL-C: ), low (TC: , LDL-C: ), medium (TG: , TC: , LDL-C: ), and high (TG: , TC: , LDL-C: , HDL-C: ) doses exhibited remarkable effects on lipid regulation, as evidenced by lower levels of TG, TC, LDL-C, and increased levels of HDL-C (Figure 4E-H). These results suggest that OA has a favorable impact on

regulating glucolipid metabolism, with a dose-dependent effect.

The increased and bloated adipocyte volume and many ruptured adipocyte cytoplasm are signs of adipose tissue injury in HFD-induced animals, as illustrated in Fig. 5A. Orlistat and OA-H showed a more noticeable effect. Administration with OA did, however, result in some alleviation of tissue damage. The ability of OA to reduce tissue damage and improve steatosis in obese mice fed a high-fat diet is highlighted by this.

The feeding of HFD led to a substantial elevation in the levels of serum cytokines, specifically IL-6 ( ), TNF- ( ), and chemokine monocyte MCP-1 ( ). Fortunately, medication therapy was successful in reducing the levels of these inflammatory markers, as illustrated in Fig. 5B-D. Of note, high doses of OA demonstrated anti-inflammatory potential comparable to that of orlistat. These results suggest that OA attenuates the inflammatory response in obese mice, which may contribute to its anti-obesity effects.

The data presented in Fig. 5E indicate that the HFD mice had significantly lower serum GLP-1 levels ( ). Notably, the orlistat ( ) and OA-H ( ) groups exhibited a significant increase in GLP-1 levels in all animals. Protein blotting tests revealed that HFD
diet reduced TGR5 expression, with considerably lower data in the model group ( ). Moreover, orlistat and all doses of OA (OA-M: ) resulted in decreased obesity-related protein inhibition and increased TGR5 expression (Fig. 5G). It should be noted that only TGR5 was detected due to experimental limitations, and further studies are necessary to validate this finding. Nevertheless, based on the experimental results, we speculate that OA enhances GLP-1 secretion through TGR5 upregulation, thereby exerting anti-obesity and anti-insulin resistance effects.

To confirm the previously hypothesized targets and pathways of OA for anti-obesity effects, we conducted protein blotting to detect the expression of the key adipogenesis factors PPAR and SREBP1. The impact of a high-fat diet resulted in an increase in the relative protein expression of both PPAR (0.05) and SREBP1 ( 0.05 ) in white adipose tissue samples of obese mice in the model group, which corresponded to an increase in body fat mass. Treatment with orlistat and OA differentially prevented the increase of both proteins. Among them, OA appeared to have a better effect in regulating PPAR , with both OA-M ( ) and OA-H ( ) significantly decreasing PPAR expression (Fig. 5 H ). In the regulation of SREBP1, OA ( ) had a similar effect to orlistat ( ) (Fig. 5I). Combined with the data from the animal sera, it is reasonable to suggest that OA can control obesity by regulating PPAR SREBP1 to control lipid synthesis.

We also explored the effect of OA on energy consumption by studying the expression of TGR5/UCP-1 protein. The expression of TGR5 is described above. Compared with the control group, the UCP1 in the white adipose tissue of mice in the model group was significantly reduced ( ) (Fig. 5J). At the same time, by dosing, the expression of each treatment group was increased, although none of them were statistically significant. Based on the results of protein expression, we can hypothesize that one of the mechanisms of OA regulation of obesity is the
enhancement of TGR5 / UCP-1 protein expression, hence accelerating energy expenditure. However, this hypothesis still needs to be validated by other research.

The PubChem database (https://pubchem.ncbi.nlm.nih. gov/) [29] was utilized to obtain the SMLLE name of “Oleanolic acid”, which was then imported into the SwissTargetPrediction database (http://swisstargetprediction.
ch/) [30] to obtain OA’s corresponding targets (probability> 0). Next, the GeneCards database (https://www. genecards.org/) [31] was searched for disease-related targets using the keyword “obesity”, followed by applying filters (Relevance score> 2) to extract the final set of disease targets. The two lists of targets obtained were then analyzed using the bioinformatics platform (http://www. bioinformatics.com.cn/) to identify the targets that overlap between OA and obesity.

The identification of therapeutic targets of OA against obesity was achieved by overlaying the targets of OA with those related to obesity. The therapeutic targets were then subjected to analysis using the STRING database (https://string-db.org/) [32] to construct a protein-protein interaction (PPI) network. The resulting PPI network was subsequently visualized with the aid of Cytoscape 3.9.1 software [33].

The CytoNCA plug-in [34] for Cytoscape was then used to analyze and evaluate the Betweenness (BC), Closeness (CC), Degree (DC), and Eigenvector (EC) values for each target. Targets that exhibited scores above the mean value for each metric were selected and intersected to obtain the essential targets of OA for treating obesity.

The targets related to OA and obesity were subjected to GO functional enrichment analysis using the DAVID database (https://david.ncifcrf.gov/) [35] under the identifier restriction “OFFICIAL_GENE_SYMBOL” and species “homo sapiens”. The resulting data were used to generate statistical graphs for CC, MF, BP, and Kyoto Encyclopedia of Genes and Genomes (KEGG) using a bioinformatics platform (http://www.bioinformatics. com.cn/).

The therapeutic targets of OA were converted from “gene name” to “UniProtKB” form using the UniProt database (https://www.uniprot.org) [36]. Next, the KEGG IDs were obtained, and the target’s pathway information was matched using KEGG Mapper (https://www.genome.jp/ kegg/mapper/). The related gene colors in the pathway were then modified for subsequent analysis and prediction of the OA therapeutic pathway against obesity.

To investigate the interaction between OA and potential anti-obesity targets, the core targets identified by network pharmacology analysis were used as docking receptors,
and OA was utilized as ligands for molecular docking via AutoDock. Initially, the 3D structure of OA was obtained in “mol2” format from the China Traditional Medicine System Drug Database and Analysis Platform (TCMSP, https://old.tcmsp-e.com/tcmsp.php) [37], and then saved in “PDB” format using Pymol 2.5.7 (Portland, OR, US). The protein structure of the core targets in “PDB” format was downloaded from protein databases PDB (https:// www.rcsb.org) [38] and the alphafold databases (https:// alphafold.com) [39]. Next, the ligands of the target macromolecules were removed using Pymol software, and the molecules were pretreated using AutoDock tool 1.5.7 software, including hydrogenation, electron addition, and root addition. In the final step, AutoDock 4.2.6 software was employed for molecular semi-flexible docking, and the binding potential was assessed by an affinity score. The optimal docking model was then selected, and the noncovalent interactions of the protein-ligand complex at the atomic level were analyzed by the Protein-ligand Interaction Profiler (PLIP) web tool (https://plip-tool. biotec.tu-dresden.de/plip-web/plip/index) [40]. Finally, redocking was conducted to evaluate binding patterns before the formal molecular docking, followed by visual analysis using Pymol software.

Molecular dynamics simulations of OA and core targets were carried out using GROMACS software (2022.5) to more precisely validate the predictions of network pharmacology and to minimize the error between the conformations obtained by docking proteins and small molecules and the realistic complexes. Software SPDBV4.10 was used to repair the protein structure. Pymol 2.5.7 was used to save the molecularly docked small molecule ligands in mol2 format. Sobpob 1.0 (dev3.1) was used to process the ligand and topology files. GROMACS software was then used to process the protein and topology files, add boxes, water, and ions, equilibrate the ions, minimize the energies, and Nvt preequilibrium, and finish the kinetic simulation procedure. Following the simulation, the Root Mean Square Deviation (RMSD) and Radius of Gyration (Rg) were evaluated by GROMACS to analyze the stability of the protein-ligand binding.

OA (HPLC ) was supplied from Yuanye (Shanghai, China) and dissolved by Tween 80 phosphate-buffered saline (PBS pH:7.2-7.4). Orlistat capsules were purchased from Aili (Chongqing, China). The kits of TC, TG, HDLC, LDL-C, ALT, AST, GSH, and MDA were obtained from Nanjing Jiancheng Biotechnology Co. (Nanjing,

Jiangsu, China). The enzyme-linked immunosorbent assay (ELISA) kits of interleukin 6 (IL-6), tumor necrosis factor- (TNF- ), Glucagon-Like Peptide 1 (GLP-1) and Monocyte Chemotactic Protein 1 (MCP-1) was supplied from Meimian (Yancheng, Jiangsu, China). The primary antibodies of SREBP-1, TGR5, UCP-1, and -actin were purchased from Abclonal (Wuhan, Hubei, China). Meanwhile, Abcam (Cambridge, UK) provides the secondary antibodies and PPAR antibody.

Fifty 4 -week-old male C57BL/6J mice ( ) were purchased from Guangdong Medical Laboratory Animal Center (Guangzhou, Guangdong, China) and were kept in an SPF level environment with 12 hours of light and dark cycles, controlled room temperature of and relative humidity of . The animal experiments conducted during this research were by the animal care protocols approved by Guangdong Pharmaceutical University’s Animal Protection and Use Ethics Committee.

The animal experimental protocol of this study was conducted by previously established procedures [41]. After five days of acclimation feeding, 50 male C57BL/6J mice were divided into six groups at random: control, model, orlistat ( ), oleanolic acid low dose (OA-L, ), oleanolic acid medium dose (OA-M, ), and oleanolic acid high dose ( ) groups. The experiment lasted 13 weeks in total. To establish the model, a high-fat diet was given for 9 weeks, followed by medication administered via gavage for 4 weeks. The control group and the other five groups were fed the following two diets respectively: (1) ND (normal diet, Wheat flour, soybean cake flour, corn flour, fish flour, bran, yeast Powder, bone meal, salt, cod liver oil, mineral additives, ); (2) HFD (high-fat diet, of energy from fat; HF60, ). The high-fat diets were obtained from Dyets, Inc. The modelling was considered successful when the mean body weight of mice in the NFD group exceeded of the ND.

Starting at week 10, each group was administered saline, orlistat ( ), or varying doses of OA ( , and ) via gavage for four weeks. Throughout the study period, the mice’s body weights were measured weekly. The mice were euthanized under anesthesia at the end of the experiment after a 12-hour fast with access to water. Blood was removed from the eyeball and left to stand at room temperature for an hour before being centrifuged for 10 minutes at

3500 rpm to separate it. The liver, epididymal fat, caecal contents, and brown adipose tissues of the mice were removed after dissection and either immediately frozen in liquid nitrogen or preserved with paraformaldehyde.

Following acclimatization, the initial body weight of the mice was measured after 12 hours of fasting. Subsequently, body weight measurements were recorded once a week during feeding, and the final body weight was obtained by measuring the mice’s weight after 12 hours of fasting just before euthanasia. Weight gain is calculated using the following formula: weight change percentage final weight initial weight initial weight (g). After dissection, the intact liver and epididymal fat of the mice were excised and weighed.

Fasting blood glucose levels in mice were measured weekly using an automated glucometer (ROCHE, Active, Basel, Switzerland). Serum total cholesterol (TC) levels, triglycerides (TG), low-density lipoprotein cholesterol (LDL-C), high-density lipoprotein cholesterol (HDL-C), and glucose (GLU) levels were measured using a microplate reader (Thermo Scientific, MK3, New York, USA) with TC, TG, LDL-C, HDL-C, and GLU kits by the manufacturer’s protocols.

Fresh mouse adipose tissue of epididymis was fixed with fixative for more than 24 h and then was dehydrated in alcohol, immersed in paraffin, embedded, and sectioned sequentially. The sections were then dewaxed with xylene, hydrated with gradient concentration ethanol, stained with hematoxylin and eosin, dehydrated with ethanol, transparent with xylene, and sealed with neutral gum. Histopathological changes were observed by microscope (Nikon, Eclipse Ci-L, Tokyo, Japan).

The serum samples collected were subjected to measurement of interleukin 6 (IL-6), tumor necrosis factor (TNF- ), monocyte chemotactic protein 1 (MCP-1), and glucagon-like peptide 1 (GLP-1) by following the guidelines provided with the ELISA kits.

Adipose tissue from the epididymis was homogenized and treated with lysate (RIPA: PMSF=100:1) to produce protein extracts. The bicinchoninic acid (BCA) protein kit technique was used to determine the protein concentration in tissue homogenate samples. Sodium dodecyl
sulfate-polyacrylamide gel electrophoresis (SDS-PAGE) was used to separate the proteins, which were then transferred to polyvinylidene fluoride (PVDF) membranes. The membranes were incubated overnight with primary and secondary antibodies diluted in TBST. Chemiluminescence imaging was performed by adding developer drops to the PVDF membrane. Protein expression levels of PPAR , SREBP1, UCP1, and TGR5 were analyzed using a gel imager and ImageJ software (Bio-Rad, California, USA).

One-way analysis of variance (ANOVA) was used for the statistical analysis of the data, which were reported as mean standard deviation ( SD). GraphPad Prism 8.0.1 (Graph Pad Software, Inc., San Diego, CA, USA) was used to create the graphs. Statistical significance was defined as a p-value less than 0.05.

OA has demonstrated efficacy in the contexts of antiinflammatory, hypoglycemic, anti-atherosclerotic, and diabetic treatments [43-45]. A systematic review examining OA’s effects on metabolic syndrome-related indicators, such as central adiposity, lipid profiles, blood pressure, hyperglycemia, and biomarkers of oxidative stress, demonstrated its potential in regulating the lipid spectrum and treating insulin resistance and metabolic syndrome [46]. In a previous study, we found that OA can reduce insulin resistance by lowering inflammatory cytokine levels [47]. Moreover, OA has been shown to reduce adipose tissue inflammation by regulating macrophage infiltration and polarization, enhance taste perception, reduce systemic inflammation, promote hepatic adipogenesis, and increase lipid preference [21, 44]. Short-term OA administration to neonatal rats can counteract fructose-induced oxidative stress without impacting long-term health [48]. OA has also been found to regulate redox and PPAR signaling to reduce PCB-induced obesity and insulin resistance [43]. However, systematic research on its anti-obesity properties is lacking. As a result, we comprehensively investigated the mechanism of OA’s anti-obesity action in this study using network pharmacology, molecular docking, Molecular dynamics simulation and animal trials. We first analyzed and screened the core targets of OA exerting anti-obesity effects using network pharmacology, verified the binding
effect of OA to the core targets using molecular docking methods, and further verified the binding stability and binding capacity using molecular dynamics simulations. At the same time, animal experiments were used to verify the core targets and pathways.

The current study is primarily focused on elucidating the underlying mechanism by which OA facilitates weight loss, which is based on the shared target of OA and obesity. A comprehensive search and screening of multiple databases yielded a total of 42 OA-obesity-associated targets, which were subjected to GO enrichment analysis and KEGG pathway enrichment analysis to better comprehend the correlation outcomes. The PPAR signaling pathway was identified as the key pathway based on the results of GO function and KEGG enrichment analysis. The PPAR signaling pathway has been widely recognized as the underlying mechanism of herbs’ lipid-lowering effects [49-51]. The peroxisome prolif-erator-activated receptors (PPARs) are ligand-activated nuclear hormone receptors [52] that can be activated by fatty acids and their derivatives to regulate the transcription of lipid metabolizing enzymes [53]. PPARs consist of three isoforms, namely PPAR , and PPAR [54], each of which plays a distinct role in lipid metabolism. PPAR is primarily present in tissues with high energy demands, such as the liver, kidney, and heart [55]. It mainly regulates the expression of downstream genes and proteins that are associated with lipid metabolism and liver metabolism [56], and is a therapeutic target of fibrates (selective PPAR-agonists) [57]. PPAR is a critical regulator of muscle lipid homeostasis and is involved in systemic lipid regulation by agonists (bezafibrate, telmisartan, etc.) [58]. PPAR is primarily located in adipose tissue [59] and is a crucial mediator of energy balance and cell differentiation. It can promote adipose differentiation and lipid synthesis, leading to morphological changes and adipocyte enlargement [60, 61]. Furthermore, it is a major regulator of glucose metabolism and a therapeutic target of type 2 diabetes medication thiazolidinediones (TZDs) [53, 61].

Based on the PPI network, we can speculate that PPARG, PPARA, and several other molecules are the primary targets for OA-regulated lipids. PPARG(peroxisome proliferator-activated receptor gamma) and PPARA(peroxisome proliferator-activated receptor Alpha), the aforementioned PPAR and PPAR , have long been recognized as critical regulators of obesity and are commonly employed in clinical treatment protocols61.MAPK3 (mitogen-activated protein kinase 3), also known as ERK1 (extracellular regulated protein kinases), is a class of intracellular serine/threonine protein kinases that are involved in various cellular processes such as cell proliferation, cell survival, cell growth, cell
metabolism, cell migration, and cell differentiation [62]. It plays a role in various diseases such as hepatic lipid metabolism, liver lipid metabolism, cardiac metabolic disorders, etc [63, 64]. Prior research has demonstrated that Leptin, Protocatechuic Acid, and other molecules can combat obesity and atherosclerosis through MAPK3/ ERK1 [65, 66]. NR3C1 (Nuclear Receptor Subfamily 3 Group C Member 1), which encodes the glucocorticoid receptor, is involved in the inflammatory response, cell proliferation, and differentiation in target tissues [67]. It has been reported to exert beneficial effects on obesity, impaired glucose metabolism, and dyslipidemia [68-70]. Similarly, PTGS2(prostaglandin-endoperoxide synthase 2) and CYP19A1(cytochrome P450 family 19 subfamily A member 1) are also predicted to be pivotal target for reducing or reversing hyperlipidemia and obesity [68, 71, 72]. Additionally, the CNR1 (cannabinoid receptor 1) has been identified as a promising drug target for the treatment of obesity, with CNR1 knockout in mice resulting in improvements in insulin resistance, ER stress, and lipid accumulation [73]. Conversely, overexpression of HSD11B1 (corticosteroid 11-beta-dehydrogenase isozyme 1), which catalyzes the conversion of the active form of cortisol [74], has been found to result in visceral obesity, insulin-resistant diabetes, and dyslipidemia [75]. AGTR1 (angiotensin II receptor type 1) is a key player in the renin-angiotensin system (RAS) that can increase blood pressure and insulin resistance while also inhibiting lipolysis, maintaining energy homeostasis, and reducing inflammation [76]. Molecular docking and molecular dynamic simulation were used to validate the molecular mechanism of OA intervention in obesity. The molecular docking studies revealed that OA has a high affinity for the key targets identified by network pharmacology. The results of molecular dynamics simulation revealed that OA binding to the core targets was all more stable, indicating that the previously hypothesized core proteins were indeed the critical linkages in OA’s anti-obesity action.

To validate the predicted targets and pathways of OA in treating obesity, we established a high-fat dietinduced obesity mouse model and investigated the effects of OA on inflammatory responses and glucolipid metabolism in mice. We also focused on validating the primary core target, peroxisome proliferator-activated receptor gamma (PPAR ), which was identified in our prediction through network pharmacology and molecular docking approaches. Our results demonstrate that OA treatment significantly ameliorated high-fat dietinduced metabolic dysfunction in the treated mice, as evidenced by lowered FBG levels, blood cholesterol levels, tissue damage, and reduced inflammatory response. Our findings are consistent with earlier studies [17, 21,

43]. We also observed that high-fat feeding increased the expression of PPAR in adipose tissues while decreasing the expression of mitochondrial uncoupling protein 1 (UCP1). Conversely, after OA treatment, the expression of PPAR decreased, while that of UCP1 increased. UCP1, a downstream target of PPAR , is highly expressed in the mitochondria of brown adipose and beige adipose tissues [77], and is involved in regulating energy expenditure and metabolic dynamic homeostasis through multiple cellular pathways, affecting the production of reactive oxygen species in adipocyte mitochondria [78-80]. The increase in PPAR and the decrease in UCP1 expression represent an increase in fat synthesis and storage, as well as a decrease in energy consumption in obese mice, which is consistent with the developmental mechanism of obesity. However, the negative effects of these changes were counteracted by the participation of OA . Our findings corroborate previous predictions from network pharmacology and molecular docking on OA’s anti-obesity targets and pathways. Overall, our results suggest that OA can help treat obesity by regulating PPAR and activating the PPAR signaling pathway.

To gain a better understanding of the effects of OA on lipid accumulation in obese mice, we investigated the regulatory impact of OA on the expression of the proteins SREBP1 and TGR5. SREBP1 (Sterol-regulatory element binding proteins1), a key regulator of fatty acid metabolism, participates in lipid absorption, lipid synthesis, and saturated fatty acid oxidation, and is increased in obese hosts [81, 82]. TGR5, the G-proteincoupled bile acid receptor, controls the metabolism of cholesterol, bile acids, fats, and carbohydrates, as well as insulin and systemic energy expenditure, and has been shown to boost metabolic rate, uptake of oxygen, and decrease obesity and hepatic steatosis in a mouse model of obesity [83-85]. In line with the findings of PPAR /UCP1, obese animals exhibited higher levels of SREBP1 and lower levels of TGR5, whereas OA was able to down-regulate SREBP1 and up-regulate TGR5 expression, suggesting that one possible anti-obesity strategy for OA would involve up-regulating TGR5/ UCP1 to encourage fat consumption and down-regulating PPAR SREBP1 to decrease fat synthesis and alter lipid accumulation. Furthermore, GLP-1 is glucagonlike peptide-1, an enteroglucagon generated from the intestine that increases insulin secretion from pancreatic -cells [86] while also decreasing food intake and body weight [87]. It and its receptor have a significant potential for the therapy of glycolipid metabolic disorders. Our study revealed that OA treatment can increase the secretion of TGR5/GLP-1, which supports our previous finding that modulation of TGR5/GLP-1
can improve both inflammatory and glucolipid metabolism disorders. This finding suggests that OA’s ability to combat obesity may involve this mechanism.
In conclusion, this study combines network pharmacology, molecular docking, molecular dynamic simulation, and animal experimental verification for the first time to study the effectiveness and mechanism of action of OA in the treatment of obesity. The findings reveal the potential of OA in the treatment of obesity and provide a novel direction for the development of OA-derived drugs and food, thereby contributing to the discovery and development of natural resources related to obesity. Furthermore, this study explored the effects of medications on obesity through lipid accumulation, providing researchers with new insights for developing obesity drugs. Undeniably, there are some limitations in our study. Network pharmacology, molecular docking, and molecular dynamic simulation are reliant on data and algorithms, and their outcomes may differ from actual results due to database and software limitations. Additionally, due to time and resource limitations, we were unable to experimentally confirm all of the expected targets, or to combine animal and cell research with clinical validation and other methods, preventing us from fully revealing the anti-obesity mechanism of OA. We will conduct additional tests in the future to examine the potential molecular pathways behind the anti-obesity effects of OA in greater detail.

In conclusion, our study used network pharmacology, molecular docking, MD simulation, and animal trials to uncover putative molecular pathways of OA activity against obesity. The major , and MF of OA against obesity were identified using GO enrichment analysis. KEGG/DAVID database enrichment analysis was also used to identify pathways that play key roles in obese OA treatment. The PPI network was used to identify nine main targets, and the potential binding ability and binding stability of OA with each important target were verified using molecular docking technology and MD. PPARG, PPARA, MAPK3, NR3C1, PTGS2, CYP19A1, CNR1, HSD11B1, and AGTR1 were found to play essential roles in the anti-obesity mechanism of OA . The animal experimental validation results also showed that the PPARG and PPAR signaling pathways are critical for the anti-obesity impact of OA on obese mice.

The online version contains supplementary material available at https://doi. org/10.1186/s12967-023-04840-x.

Additional file 1.

We thank J.W. et al. for their help in the experiments and X.H. for insightful feedback.

The specific division of labor was as follows: Conception, TL; Funding acquisition, XH; Investigations, TL, JW; Methods, TL, YT, and YX; Project management, TL, and XH; Supervision, YX, and XH; Validation, TL. All authors have read and agree to the published version of the manuscript.

This research did not receive any specific grant from funding agencies in the public, commercial, or not-for-profit sectors.

The datasets used and/or analysed during the current study are available from the corresponding author on reasonable request.

The animal experiments in this study were approved by the Animal Ethics Committee of Guangdong Pharmaceutical University.

Not applicable.

The authors declare that they have no competing interests.

School of Chinese Materia Medica, Guangdong Pharmaceutical University, Waihuan East Road, Guangzhou 510006, Guangdong, China.

Received: 30 August 2023 Accepted: 26 December 2023
Published online: 21 January 2024

X, Lim SS, Liu P, Lopez AD, Lozano R, Majeed A, Malekzadeh R, Malta DC, Mazidi M, McAlinden C, McGarvey ST, Mengistu DT, Mensah GA, Mensink GBM, Mezgebe HB, Mirrakhimov EM, Mueller UO, Noubiap JJ, Obermeyer CM, Ogbo FA, Owolabi MO, Patton GC, Pourmalek F, Qorbani M, Rafay A, Rai RK, Ranabhat CL, Reinig N, Safiri S, Salomon JA, Sanabria JR, Santos IS, Sartorius B, Sawhney M, Schmidhuber J, Schutte AE, Schmidt MI, Sepanlou SG, Shamsizadeh M, Sheikhbahaei S, Shin MJ, Shiri R, Shiue I, Roba HS, Silva DAS, Silverberg JI, Singh JA, Stranges S, Swaminathan S, Tabares-Seisdedos R, Tadese F, Tedla BA, Tegegne BS, Terkawi AS, Thakur JS, Tonelli M, ToporMadry R, Tyrovolas S, Ukwaja KN, Uthman OA, Vaezghasemi M, Vasankari T, Vlassov V, Vollset SE, Weiderpass E, Werdecker A, Wesana J, Westerman R, Yano Y, Yonemoto N, Yonga G, Zaidi Z, Zenebe ZM, Zipkin B, Murray CJL. Health Effects of Overweight and Obesity in 195 Countries over 25 Years. N Engl J Med. 2017;377:13-27.
4. Boutari C, Mantzoros CS. A 2022 update on the epidemiology of obesity and a call to action: as its twin COVID-19 pandemic appears to be receding, the obesity and dysmetabolism pandemic continues to rage on. Metabolism. 2022;133: 155217.
5. Chooi YC, Ding C, Magkos F. The epidemiology of obesity. Metabolism. 2019;92:6-10.
6. Kivimaki M, Strandberg T, Pentti J, Nyberg ST, Frank P, Jokela M, Ervasti J, Suominen SB, Vahtera J, Sipila PN, Lindbohm JV, Ferrie JE. Body-mass index and risk of obesity-related complex multimorbidity: an observational multicohort study. Lancet Diabetes Endocrinol. 2022;10:253-63.
7. Reid TJ, Korner J. Medical and surgical treatment of obesity. Med Clin North Am. 2022;106:837-52.
8. Walter CP, Bleske BE, Dorsch MP. Pharmacotherapy for weight loss: the cardiovascular effects of the old and new agents. J Clin Pharm Ther. 2014;39:475-84.
9. Lan JP, Tong RC, Sun XM, Zhang HY, Sun S, Xiong AZ, Wang ZT, Yang L. Comparison of the main chemical composition of Plantago asiatica L . and P. depressa Willd. seed extracts and their anti-obesity effects in highfat diet-induced obese mice. Phytomedicine. 2021;81: 153362.
10. Martel J, Ojcius DM, Chang CJ, Lin CS, Lu CC, Ko YF, Tseng SF, Lai HC, Young JD. Anti-obesogenic and antidiabetic effects of plants and mushrooms. Nat Rev Endocrinol. 2017;13:149-60.
11. Wan Y, Xia J, Xu JF, Chen L, Yang Y, Wu JJ, Tang F, Ao H, Peng C. Nuciferine, an active ingredient derived from lotus leaf, lights up the way for the potential treatment of obesity and obesity-related diseases. Pharmacol Res. 2022;175: 106002.
12. Castellano JM, Espinosa JM, Perona JS. Modulation of lipid transport and adipose tissue deposition by small lipophilic compounds. Front Cell Dev Biol. 2020;8: 555359.
13. Yang YH, Dai SY, Deng FH, Peng LH, Li C, Pei YH. Recent advances in medicinal chemistry of oleanolic acid derivatives. Phytochemistry. 2022;203: 113397.
14. Luo HQ, Shen J, Chen CP, Ma X, Lin C, Ouyang Q, Xuan CX, Liu J, Sun HB, Liu J. Lipid-lowering effects of oleanolic acid in hyperlipidemic patients. Chin J Nat Med. 2018;16:339-46.
15. Liu D, Jin X, Yu G, Wang M, Liu L, Zhang W, Wu J, Wang F, Yang J, Luo Q, Cai L, Yang X, Ke X, Qu Y, Xu Z, Jia L, Chen WL. Oleanolic acid blocks the purine salvage pathway for cancer therapy by inactivating SOD1 and stimulating lysosomal proteolysis. Mol Ther Oncolytics. 2021;23:107-23.
16. Santos-Lozano JM, Rada M, Lapetra J, Guinda A, Jimenez-Rodriguez MC, Cayuela JA, Angel-Lugo A, Vilches-Arenas A, Gomez-Martin AM, OrtegaCalvo M, Castellano JM. Prevention of type 2 diabetes in prediabetic patients by using functional olive oil enriched in oleanolic acid: The PREDIABOLE study, a randomized controlled trial. Diabetes Obes Metab. 2019;21:2526-34.
17. de Melo CL, Queiroz MGR, Fonseca SGC, Bizerra AMC, Lemos TLG, Melo TS, Santos FA, Rao VS. Oleanolic acid, a natural triterpenoid that improves blood glucose tolerance in normal mice and ameliorates visceral obesity in mice fed a high-fat diet. Chem-Biol Interact. 2010;185:59-65.
18. Dzubak P, Hajduch M, Vydra D, Hustova A, Kvasnica M, Biedermann D, Markova L, Urban M, Sarek J. Pharmacological activities of natural triterpenoids and their therapeutic implications. Nat Prod Rep. 2006;23:394-411.
19. Kaushik S, Dar L, Kaushik S, Yadav JP. Anti-dengue activity of supercritical extract and isolated oleanolic acid of Leucas cephalotes using in vitro and silico approach. Bmc Complement Med. 2021;21:227.
20. de Moura EDM, Dos Reis SA, da Conceicao LL, Sediyama C, Pereira SS, de Oliveira LL, Gouveia Peluzio MDC, Martinez JA, Milagro Fl. Diet-induced
obesity in animal models: points to consider and influence on metabolic markers. Diabetol Metab Syndr. 2021;13:32.
21. Djeziri FZ, Belarbi M, Murtaza B, Hichami A, Benammar C, Khan NA. Oleanolic acid improves diet-induced obesity by modulating fat preference and inflammation in mice. Biochimie. 2018;152:110-20.
22. Wang S, Du LB, Jin L, Wang Z, Peng J, Liao N, Zhao YY, Zhang JL, Pauluhn J, Hai CX, Wang X, Li WL. Nano-oleanolic acid alleviates metabolic dysfunctions in rats with high fat and fructose diet. Biomed Pharmacother. 2018;108:1181-7.
23. Liu J. Pharmacology of oleanolic acid and ursolic acid. J Ethnopharmacol. 1995;49:57-68.
24. Claro-Cala CM, Jimenez-Altayo F, Zagmutt S, Rodriguez-Rodriguez R. Molecular mechanisms underlying the effects of olive oil triterpenic acids in obesity and related diseases. Nutrients. 2022;14:1606.
25. Jiao W, Mi S, Sang Y, Jin Q, Chitrakar B, Wang X, Wang S. Integrated network pharmacology and cellular assay for the investigation of an anti-obesity effect of 6-shogaol. Food Chem. 2022;374: 131755.
26. Xia QD, Xun Y, Lu JL, Lu YC, Yang YY, Zhou P, Hu J, Li C, Wang SG. Network pharmacology and molecular docking analyses on Lianhua Qingwen capsule indicate Akt1 is a potential target to treat and prevent COVID-19. Cell Proliferat. 2020;53: e12949.
27. Yang B, Yang N, Chen Y, Zhu M, Lian Y, Xiong Z, Wang B, Feng L, Jia X. An integrated strategy for effective-component discovery of astragali radix in the treatment of lung cancer. Front Pharmacol. 2020;11: 580978.
28. Singh A, Vanga SK, Orsat V, Raghavan V. Application of molecular dynamic simulation to study food proteins: A review. Crit Rev Food Sci Nutr. 2018;58:2779-89.
29. Kim S, Chen J, Cheng T, Gindulyte A, He J, He S, Li Q, Shoemaker BA, Thiessen PA, Yu B, Zaslavsky L, Zhang J, Bolton EE. PubChem in 2021: new data content and improved web interfaces. Nucleic Acids Res. 2021;49:D1388-95.
30. Daina A, Michielin O, Zoete V. SwissTargetPrediction: updated data and new features for efficient prediction of protein targets of small molecules. Nucleic Acids Res. 2019;47:W357-64.
31. Stelzer G, Rosen N, Plaschkes I, Zimmerman S, Twik M, Fishilevich S, Stein TI, Nudel R, Lieder I, Mazor Y, Kaplan S, Dahary D, Warshawsky D, Guan-Golan Y, Kohn A, Rappaport N, Safran M, Lancet D. The GeneCards Suite: From Gene Data Mining to Disease Genome Sequence Analyses, Curr Protoc Bioinformatics, 2016;54, 130 31-31 3033.
32. Szklarczyk D, Gable AL, Nastou KC, Lyon D, Kirsch R, Pyysalo S, Doncheva NT, Legeay M, Fang T, Bork P, Jensen LJ, von Mering C. The STRING database in 2021: customizable protein-protein networks, and functional characterization of user-uploaded gene/measurement sets. Nucleic Acids Res. 2021;49:D605-12.
33. Shannon P, Markiel A, Ozier O, Baliga NS, Wang JT, Ramage D, Amin N, Schwikowski B, Ideker T. Cytoscape: a software environment for integrated models of biomolecular interaction networks. Genome Res. 2003;13:2498-504.
34. Tang Y, Li M, Wang J, Pan Y, Wu FX. CytoNCA: a cytoscape plugin for centrality analysis and evaluation of protein interaction networks. Biosystems. 2015;127:67-72.
35. Sherman BT, Hao M, Qiu J, Jiao X, Baseler MW, Lane HC, Imamichi T, Chang W, DAVID: a web server for functional enrichment analysis and functional annotation of gene lists,. update). Nucleic Acids Res. 2021;2022. https://doi.org/10.1093/nar/gkac194.
36. UniProt C. UniProt: the universal protein knowledgebase in 2021. Nucleic Acids Res. 2021;49:D480-9.
37. Ru J, Li P, Wang J, Zhou W, Li B, Huang C, Li P, Guo Z, Tao W, Yang Y, Xu X, Li Y, Wang Y, Yang L. TCMSP: a database of systems pharmacology for drug discovery from herbal medicines. J Cheminform. 2014;6:13.
38. Burley SK, Bhikadiya C, Bi C, Bittrich S, Chen L, Crichlow GV, Christie CH, Dalenberg K, Di Costanzo L, Duarte JM, Dutta S, Feng Z, Ganesan S, Goodsell DS, Ghosh S, Green RK, Guranovic V, Guzenko D, Hudson BP, Lawson CL, Liang Y, Lowe R, Namkoong H, Peisach E, Persikova I, Randle C, Rose A, Rose Y, Sali A, Segura J, Sekharan M, Shao C, Tao YP, Voigt M, Westbrook JD, Young JY, Zardecki C, Zhuravleva M. RCSB Protein Data Bank: powerful new tools for exploring 3D structures of biological macromolecules for basic and applied research and education in fundamental biology, biomedicine, biotechnology, bioengineering and energy sciences. Nucleic Acids Res. 2021;49:D437-51.
39. Jumper J, Evans R, Pritzel A, Green T, Figurnov M, Ronneberger O, Tunyasuvunakool K, Bates R, Zidek A, Potapenko A, Bridgland A, Meyer C, Kohl SAA, Ballard AJ, Cowie A, Romera-Paredes B, Nikolov S, Jain R, Adler J, Back T, Petersen S, Reiman D, Clancy E, Zielinski M, Steinegger M, Pacholska M, Berghammer T, Bodenstein S, Silver D, Vinyals O, Senior AW, Kavukcuoglu K, Kohli P, Hassabis D. Highly accurate protein structure prediction with AlphaFold. Nature. 2021;596:583-9.
40. Adasme MF, Linnemann KL, Bolz SN, Kaiser F, Salentin S, Haupt VJ, Schroeder M. PLIP 2021: expanding the scope of the proteinligand interaction profiler to DNA and RNA. Nucleic Acids Res. 2021;49:W530-4.
41. Song , Shen , Chu , Zheng . Pomegranate fruit pulp polyphenols reduce diet-induced obesity with modulation of gut microbiota in mice. J Sci Food Agric. 2022;102:1968-77.
42. Dong Y, Zheng Y, Zhu L, Li T, Guan Y, Zhao S, Wang Q, Wang J, Li L. Hua-Tan-Sheng-Jing decoction treats obesity with oligoasthenozoospermia by up-regulating the PI3K-AKT and down-regulating the JNK MAPK signaling pathways: at the crossroad of obesity and oligoasthenozoospermia. Front Pharmacol. 2022;13: 896434.
43. Su S, Wu G, Cheng X, Fan J, Peng J, Su H, Xu Z, Cao M, Long Z, Hao Y, Li G, Li S, Hai C, Wang X. Oleanolic acid attenuates PCBs-induced adiposity and insulin resistance via HNF1b-mediated regulation of redox and PPARgamma signaling. Free Radic Biol Med. 2018;124:122-34.
44. Li W, Zeng H, Xu M, Huang C, Tao L, Li J, Zhang T, Chen H, Xia J, Li C, Li X. Oleanolic acid improves obesity-related inflammation and insulin resistance by regulating macrophages activation. Front Pharmacol. 2021;12: 697483.
45. Pan Y, Zhou F, Song Z, Huang H, Chen Y, Shen Y, Jia Y, Chen J. Oleanolic acid protects against the pathogenesis of atherosclerosis, possibly via FXR-mediated angiotensin (Ang)-(1-7) upregulation. Biomed Pharmacother. 2018;97:1694-700.
46. Fernandez-Aparicio A, Schmidt-RioValle J, Perona JS, Correa-Rodriguez M, Castellano JM, Gonzalez-Jimenez E. Potential protective effect of oleanolic acid on the components of metabolic syndrome: a systematic review. J Clin Med. 2019;8:1294.
47. Li M, Han Z, Bei W, Rong X, Guo J, Hu X. Oleanolic acid attenuates insulin resistance via NF-kappaB to regulate the IRS1-GLUT4 pathway in HepG2 cells. Evid Based Complement Alternat Med. 2015;2015: 643102.
48. Nyakudya TT, Isaiah S, Ayeleso A, Ndhlala AR, Mukwevho E, Erlwanger KH. Short-Term neonatal oral administration of oleanolic acid protects against fructose-induced oxidative stress in the skeletal muscles of suckling rats. Molecules. 2019;24:661.
49. Teixeira LL, Pilon G, Coutinho CP, Dudonne S, Dube P, Houde V, Desjardins Y, Lajolo FM, Marette A, Hassimotto NMA. Purple grumixama anthocyanins (Eugenia brasiliensis Lam.) attenuate obesity and insulin resistance in high-fat diet mice. Food Funct. 2021;12:3680-91.
50. Shi L, Karrar E, Wang X. Sesamol ameliorates hepatic lipid accumulation and oxidative stress in steatosis HepG2 cells via the PPAR signaling pathway. J Food Biochem. 2021;45: e13976.
51. Wu L, Guo C, Wu J. Therapeutic potential of PPARgamma natural agonists in liver diseases. J Cell Mol Med. 2020;24:2736-48.
52. Robinson-Rechavi M, Carpentier AS, Duffraisse M, Laudet V. How many nuclear hormone receptors are there in the human genome? Trends Genet. 2001;17:554-6.
53. Montaigne D, Butruille L, Staels B. PPAR control of metabolism and cardiovascular functions. Nat Rev Cardiol. 2021;18:809-23.
54. Derosa G, Sahebkar A, Maffioli P. The role of various peroxisome prolifera-tor-activated receptors and their ligands in clinical practice. J Cell Physiol. 2018;233:153-61.
55. Botta M, Audano M, Sahebkar A, Sirtori CR, Mitro N, Ruscica M. PPAR agonists and metabolic syndrome: an established role? Int J Mol Sci. 2018;19:1197.
56. Pawlak M, Lefebvre P, Staels B. Molecular mechanism of PPAR alpha action and its impact on lipid metabolism, inflammation, and fibrosis in nonalcoholic fatty liver disease. J Hepatol. 2015;62:720-33.
57. Hu N, Chen CY, Wang JH, Huang J, Yao DH, Li CL. Atorvastatin ester regulates lipid metabolism in hyperlipidemia rats via the PPAR-signaling pathway and HMGCR expression in the liver. Int J Mol Sci. 2021;22:11107.
58. Magadum A, Engel FB. PPARbeta/delta: linking metabolism to regeneration. Int J Mol Sci. 2018;19:2013.
59. Braissant O, Foufelle F, Scotto C, Dauca M, Wahli W. Differential expression of peroxisome proliferator-activated receptors (PPARs): tissue distribution of PPAR-alpha, -beta, and -gamma in the adult rat. Endocrinology. 1996;137:354-66.
60. Berger J, Moller DE. The mechanisms of action of PPARs. Annu Rev Med. 2002;53:409-35.
61. Corrales P, Vidal-Puig A, Medina-Gomez G. PPARs and Metabolic Disorders Associated with Challenged Adipose Tissue Plasticity. Int J Mol Sci. 2018;19:2124.
62. Lavoie H, Gagnon J, Therrien M. ERK signaling: a master regulator of cell behavior, life, and fate. Nat Rev Mol Cell Biol. 2020;21:607-32.
63. Kwong E, Li Y, Hylemon PB, Zhou H. Bile acids and sphingosine-1-phosphate receptor 2 in hepatic lipid metabolism. Acta Pharm Sin B. 2015;5:151-7.
64. Hara T, Sata M, Fukuda D. Emerging roles of protease-activated receptors in cardiometabolic disorders. J Cardiol. 2022. https://doi.org/10.1016/j. jjcc.2022.09.013.
65. Zheng J, Li Q, He L, Weng H, Su D, Liu X, Ling W, Wang D. Protocatechuic acid inhibits vulnerable atherosclerotic lesion progression in older apoe-/- mice. J Nutr. 2020;150:1167-77.
66. Khan AS, Subramaniam S, Dramane G, Khelifi D, Khan NA. ERK1 and ERK2 activation modulates diet-induced obesity in mice. Biochimie. 2017;137:78-87.
67. Vitellius G, Trabado S, Bouligand J, Delemer B, Lombes M. Pathophysiology of glucocorticoid signaling. Ann Endocrinol. 2018;79:98-106.
68. Zhang QH, Cui XY, Wang D, Jin Y, Guan YX. Anti-obesity effect of escin: a study on high-fat diet-induced obese mice. Eur Rev Med Pharmacol Sci. 2022;26:7797-812.
69. Li R, Jia Y, Pan S, Li X, Song H, Zhao R. Glucocorticoid receptor mediates the effect of high-fat diet on mitochondrial oxidative phosphorylation in mouse liver. DNA Cell Biol. 2016;35:51-8.
70. Giordano R, Marzotti S, Berardelli R, Karamouzis I, Brozzetti A, D’Angelo V, Mengozzi G, Mandrile G, Giachino D, Migliaretti G, Bini V, Falorni A, Ghigo E, Arvat E. BCII polymorphism of the glucocorticoid receptor gene is associated with increased obesity, impaired glucose metabolism, and dyslipidemia in patients with Addison’s disease. Clin Endocrinol. 2012;77:863-70.
71. Suriagandhi V, Nachiappan V. Therapeutic target analysis and molecular mechanism of melatonin – leptin resistance induced obesity: a systematic study of network pharmacology. Front Endocrinol. 2022;13: 927576.
72. Huang J, Zhao L, Sun J, Wang L, Gu J, Liu X, Yang M, Wang Y, Zhang N, Zhu J, Xu S, Ren X, Su Y. Clinical evidence and potential mechanisms of complementary treatment of ling gui zhu gan formula for the management of serum lipids and obesity. Evid Based Complement Alternat Med. 2022;2022:7714034.
73. Pei SJ, Zhu HY, Guo JH, Zhang X, Deng ZJ. Knockout of CNR1 prevents metabolic stress-induced cardiac injury through improving insulin resistance (IR) injury and endoplasmic reticulum (ER) stress by promoting AMPK-alpha activation. Biochem Biophys Res Commun. 2018;503:744-51.
74. Tomlinson JW, Walker EA, Bujalska IJ, Draper N, Lavery GG, Cooper MS, Hewison M, Stewart PM. 11beta-hydroxysteroid dehydrogenase type 1: a tissue-specific regulator of glucocorticoid response. Endocr Rev. 2004;25:831-66.
75. Masuzaki H, Paterson J, Shinyama H, Morton NM, Mullins JJ, Seckl JR, Flier JS. A transgenic model of visceral obesity and the metabolic syndrome. Science. 2001;294:2166-70.
76. Pahlavani M, Kalupahana NS, Ramalingam L, Moustaid-Moussa N. Regulation, and functions of the renin-angiotensin system in white and brown adipose tissue. Compr Physiol. 2017;7:1137-50.
77. Bertholet AM, Kazak L, Chouchani ET, Bogaczynska MG, Paranjpe I, Wainwright GL, Betourne A, Kajimura S, Spiegelman BM, Kirichok Y. Mitochondrial Patch Clamp of Beige Adipocytes Reveals UCP1-Positive and UCP1-Negative Cells Both Exhibiting Futile Creatine Cycling, Cell Metab, 2017, 25, 811-+.
78. Gulyaeva O, Dempersmier J, Sul HS. Genetic and epigenetic control of adipose development. Biochim Biophys Acta Mol Cell Biol Lipids. 2019;1864:3-12.
79. Jia P, Wu X, Pan T, Xu S, Hu J, Ding X. Uncoupling protein 1 inhibits mitochondrial reactive oxygen species generation and alleviates acute kidney injury. EBio Med. 2019;49:331-40.
80. Clarke KJ, Porter RK. Uncoupling protein 1 dependent reactive oxygen species production by thymus mitochondria. Int J Biochem Cell Biol. 2013;45:81-9.
81. Shimano H, Sato R. SREBP-regulated lipid metabolism: convergent physiology – divergent pathophysiology. Nat Rev Endocrinol. 2017;13:710-30.
82. DeBose-Boyd RA, Ye J. SREBPs in Lipid Metabolism, Insulin Signaling, and Beyond, Trends Biochem Sci,
83. Thomas C, Gioiello A, Noriega L, Strehle A, Oury J, Rizzo G, Macchiarulo A, Yamamoto H, Mataki C, Pruzanski M, Pellicciari R, Auwerx J, Schoonjans K. TGR5-mediated bile acid sensing controls glucose homeostasis. Cell Metab. 2009;10:167-77.
84. Watanabe M, Houten SM, Mataki C, Christoffolete MA, Kim BW, Sato H, Messaddeq N, Harney JW, Ezaki O, Kodama T, Schoonjans K, Bianco AC, Auwerx J. Bile acids induce energy expenditure by promoting intracellular
85. Castellanos-Jankiewicz A, Guzman-Quevedo O, Fenelon VS, Zizzari P, Quarta C, Bellocchio L, Tailleux A, Charton J, Fernando D, Henricsson M, Piveteau C, Simon V, Allard C, Quemener S, Guinot V, Hennuyer N, Perino A, Duveau A, Maitre M, Leste-Lasserre T, Clark S, Dupuy N, Cannich A, Gonzales D, Deprez B, Mithieux G, Dombrowicz D, Backhed F, Prevot V, Marsicano G, Staels B, Schoonjans K, Cota D. Hypothalamic bile acid-TGR5 signaling protects from obesity. Cell Metab. 2021;33(1483-1492): e1410.
86. Hira T, Pinyo J, Hara H. What Is GLP-1 Doing in Obesity? Trends Endocrinol Metab. 2020;31:71-80.
87. Drucker DJ. GLP-1 physiology informs the pharmacotherapy of obesity. Mol Metab. 2022;57: 101351.

Springer Nature remains neutral with regard to jurisdictional claims in published maps and institutional affiliations.