人工智能辅助优化Lentinula edodes提取物,以提高其生物活性特征和治疗潜力

科学领域:

• 菌类学 菌类学是指菌类学.
• 生物化学 生物化学
• 计算生物学 计算生物学

背景情况:

• 兰丁 (Lentinula edodes) 具有各种生物活动.
• 优化提取参数对于最大化这些活动至关重要.
• 像响应表面方法 (RSM) 这样的传统方法在复杂的优化任务中存在局限性.

研究的目的:

• 为了优化Lentinula的提取参数,Edodes使用RSM和人工神经网络-遗传算法 (ANN-GA) 混合模型提取提取物.
• 为了比较ANN-GA和RSM在增强生物活动中的有效性.
• 为了评估优化的提取物中的抗氧化剂,抗胆化酶,抗增殖活性和含量.

主要方法:

• 使用响应表面方法 (RSM) 的优化.
• 使用人工神经网络-遗传算法 (ANN-GA) 混合模型进行优化.
• 抗氧化剂 (TAS,FRAP,DPPH),抗胆酶 (AChE,BChE) 和抗增殖活性的确定.
• 使用LC-MS/MS分析对化合物的量化.

主要成果:

• 与RSM相比,ANN-GA优化的提取物显示出显著更高的抗氧化能力 (TAS,FRAP,DPPH) 和较低的氧化应激标志物 (TOS,OSI).
• ANN-GA 提取物对乙胆酶 (AChE) 和丁胆酶 (BChE) 具有较强的抗胆酶活性.
• ANN-GA优化导致对A549,MCF-7和DU-145癌细胞系的增强细胞毒性作用,并增加了有益的化合物的水平.

结论:

• 使用ANN-GA进行人工智能辅助优化是提高Lentinula edodes提取物生物价值的强大策略.
• 与RSM相比,ANN-GA在优化提取物生物活性方面提供了优异的结果.
• 该研究强调了人工智能在自然产品研发中的潜力.