Comprehensive profiling and identification of bioactive components from methanolic leaves extract of <i>Juniperus deppeana</i> and its in vitro antidiabetic activity
Notice bibliographique
Résumé
Juniperus plant species are rich sources of bioactive secondary metabolites and are traditionally used for the treatment of several illnesses, including those related to hyperglycemia and diabetes. The major bioactive compounds identified in certain species of this genus are terpenes and phenolics. Juniperus deppeana Steud. is mainly used as a wood resource and its chemical composition has been partially established. Our goal was to perform a comprehensive profiling of a methanolic extract of leaves of J. deppeana and determine its potential as a source of α-amylase and α-glucosidase inhibitors. Terpene and phenolic compounds were putatively identified based on their accurate mass spectrometric data. Regarding terpenes, we found mainly diterpenes, specifically dehydroabietic acid-like, hinokiol-like, agathic acid-like, and dihydroxyabietatrienoic acid-like compounds. Isopimaric acid was also identified and its identity was confirmed by coelution with an authentic standard via comparing retention time, mass spectrum, and collisional cross section values. For phenolic compounds, we identified mainly compounds with a chemical structure similar to the biflavonoids amentoflavone and bilobetin. Besides, the methanolic extract of J. deppeana leaves show inhibition of α-amylase (IC 50 = 85.11 ± 11.91 μg mL −1 ) and α-glucosidase (IC 50 = 32.50 ± 3.40 μg mL −1 ) enzymes, demonstrating a potential alternative for the search of antidiabetic natural products.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 tête enseignante, 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 ».