Identification of the Metabolic Enzyme Involved Morusin Metabolism and Characterization of Its Metabolites by Ultraperformance Liquid Chromatography Quadrupole Time‐of‐Flight Mass Spectrometry (UPLC/Q‐TOF‐MS/MS)
Notice bibliographique
Résumé
Morusin, the important active component of a traditional Chinese medicine, Morus alba L., has been shown to exhibit many vital pharmacological activities. In this study, six recombinant CYP450 supersomes and liver microsomes were used to perform metabolic studies. Chemical inhibition studies and screening assays with recombinant human cytochrome P450s were also used to characterize the CYP450 isoforms involved in morusin metabolism. The morusin metabolites identified varied greatly among different species. Eight metabolites of morusin were detected in the liver microsomes from pigs (PLMs), rats (RLMs), and monkeys (MLMs) by LC‐MS/MS and six metabolites were detected in the liver microsomes from humans (HLMs), rabbits (RAMs), and dogs (DLMs). Four metabolites (M1, M2, M5, and M7) were found in all species and hydroxylation was the major metabolic transformation. CYP1A2, CYP2C9, CYP2D6, CYP2E1, CYP3A4, and CYP2C19 contributed differently to the metabolism of morusin. Compared to other CYP450 isoforms, CYP3A4 played the most significant role in the metabolism of morusin in human liver microsomes. These results are significant to better understand the metabolic behaviors of morusin among various species.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».