综合性安全评估Withania somnifera (阿什瓦甘达):基于人工智能驱动的元分析和基于定量结构-活性关系的毒性评估

科学领域:

• 药理学和毒理学 药理学和毒理学
• 草药的安全性 草药的安全性
• 计算化学的计算化学

背景情况:

• 维坦尼亚·索姆尼费拉 (Ashwagandha) 是一种适应性草药,具有传统的阿育吠陀用途.
• 关于阿什瓦甘达的安全信息存在矛盾,特别是关于其生物活性化合物,维他诺化物.
• 评估草药补充剂的安全性需要区分不同的植物部位.

研究的目的:

• 评估阿什瓦甘达根与非根部分的安全性.
• 将阿什瓦甘达与其他草药补充剂的安全性进行比较,重点关注肝脏和生殖毒性.
• 为全面的安全评估利用人工智能方法.

主要方法:

• 使用自然语言处理 (NLP) 进行系统的文献审查.
• 用于毒性预测的定量结构-活性关系 (QSAR) 建模.
• 对植物部位的元数据分析和与其他草药补充剂的比较.

主要成果:

• 与非根部件相比,阿什瓦甘达根在肝脏和生殖毒性方面表现出更高的安全性.
• 阿什瓦甘达根表现出比大多数其他评估的草药补充剂更好的安全性.
• 非根部份显示有更高的毒性潜力,但仍然与其他食用植物和草药补充剂相当.

结论:

• 维坦尼亚·索姆尼费拉 (阿什瓦甘达) 的根具有有利的安全性,支持传统使用.
• 区分植物部分对于准确的草药补充剂安全性评估至关重要.
• 人工智能方法可以增强草药产品安全性的传统毒理学评估.