Classification and Correlation of St. John's Wort Extracts by Nuclear Magnetic Resonance Spectroscopy, Multivariate Data Analysis and Pharmacological Activity
Notice bibliographique
Résumé
The use of proton NMR spectroscopy allows the analysis of complex multi-component mixtures such as plant extracts by simultaneous quantification of all proton-bearing compounds and consequently all relevant substance classes. Since the spectra obtained are too complicated to be analysed visually, the classification of spectra was carried out using multivariate statistical methods. The spectroscopic data of various extracts of St. John's wort (Hypericum perforatum) samples derived from 4 different accessions extracted with 6 distinct solvents were chemometrically evaluated and calibrated using the partial least square (PLS) algorithm. In a first approach, we found a consistent correlation for the spectroscopic pattern of the extracts and the corresponding IC (50) values derived from non-selective binding to opioid receptors. Consequently, the multivariate data analysis was used to predict the pharmacological efficacy of further St. John's wort extracts on the basis of their proton NMR spectra. In a second approach a PLS 2 model was used to predict the biological activity for eight St. John's wort extracts based on two pharmacological data sets: (i) non-selective binding to opioid receptors and (ii) antagonist effect at corticotrophin-releasing factor type 1 (CRF (1)) receptors. The PLS 2 model confirmed the useful application of the presented approach to assess the quality of medicinal herbs and extracts by spectroscopic analysis derived from bioactivity-related quality parameters.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».