Inhibition of Aldose Reductase by Ginsenoside Derivatives via a Specific Structure Activity Relationship with Kinetics Mechanism and Molecular Docking Study
Notice bibliographique
Résumé
This present work is designed to evaluate the anti-diabetic potential of 22 ginsenosides via the inhibition against rat lens aldose reductase (RLAR), and human recombinant aldose reductase (HRAR), using DL-glyceraldehyde as a substrate. Among the ginsenosides tested, ginsenoside Rh2, (20S) ginsenoside Rg3, (20R) ginsenoside Rg3, and ginsenoside Rh1 inhibited RLAR significantly, with IC50 values of 0.67, 1.25, 4.28, and 7.28 µM, respectively. Moreover, protopanaxadiol, protopanaxatriol, compound K, and ginsenoside Rh1 were potent inhibitors of HRAR, with IC50 values of 0.36, 1.43, 2.23, and 4.66 µM, respectively. The relationship of structure–activity exposed that the existence of hydroxyl groups, linkages, and their stereo-structure, as well as the sugar moieties of the ginsenoside skeleton, represented a significant role in the inhibition of HRAR and RLAR. Additional, various modes of ginsenoside inhibition and molecular docking simulation indicated negative binding energies. It was also indicated that it has a strong capacity and high affinity to bind the active sites of enzymes. Further, active ginsenosides suppressed sorbitol accumulation in rat lenses under high-glucose conditions, demonstrating their potential to prevent sorbitol accumulation ex vivo. The findings of the present study suggest the potential of ginsenoside derivatives for use in the development of therapeutic or preventive agents for diabetic complications.
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 ».