未定位的代谢学,用于,森纳,大黄和弗兰古拉代谢物的分析

科学领域:

• *天然产品的植物化学和代谢学.
• *人工智能在自然产品分类中的应用.

背景情况:

• * 草药药,如卡斯卡拉,弗兰古拉,胡卜和塞纳含有氧甲衍生物 (HADs),以药作用而闻名,但也存在安全问题 (基因毒性,致癌性).
• *以前的研究主要集中在量化HAD,忽视了这些植物的更广泛的代谢格局.
• *了解这些传统药物的全部化学多样性对于评估这些传统药物的药理潜力和安全性至关重要.

研究的目的:

• *为四种含有HAD的草药生成非向的代谢指纹:卡斯卡拉,弗朗格拉,鲁巴巴和塞纳.
• * 探索化学多样性并使用基于AI的结构分类来识别特定物种的代谢物.
• *建立以化学为中心的基础,为未来研究这些植物药物的安全性和有效性建立基础.

主要方法:

• * UPLC-HRMS/MS分析了来自四种商业植物原料 (花,法兰古拉,胡卜,塞纳) 的甲醇提取物.
• *使用精确的质量和MS/MS与光谱数据库匹配的代谢物注释.
• *使用图形神经网络将代谢物分成结构类的AI驱动分类;用于比较分析的多变量分析 (PCA,HCA).

主要成果:

• * 93,83,83和51个代谢物分别在卡斯卡拉,弗朗格拉,鲁巴巴和塞纳进行了注释,包括黄类,类和类.
• * 观察到高生物化学差异,所有物种中只有四种共享的黄,表明不同的代谢概况.
• *发现了种类丰富的代谢物 (例如,卡斯卡拉/法朗古拉的帕维尼,塞纳的维西宁-2,拉巴巴的皮塞坦诺利);塞纳显示出最明显的特征,而卡斯卡拉和法朗古拉则紧密聚集在一起.

结论:

• *使用先进的UPLC-HRMS/MS和AI分类,建立了四种含有HAD的草药的综合代谢指纹.
• *这项研究突出了这些物种之间显著的化学分歧,为它们的代谢物组成提供了关键的见解.
• *这些数据支持进一步研究已确定代谢物的药理活性,生物可用性和安全性.