Flavonoids as dual-target inhibitors against α-glucosidase and α-amylase: a systematic review of in vitro studies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Diabetes mellitus remains a major global health issue, and great attention is directed at natural therapeutics. This systematic review aimed to assess the potential of flavonoids as antidiabetic agents by investigating their inhibitory effects on α-glucosidase and α-amylase, two key enzymes involved in starch digestion. Six scientific databases (PubMed, Virtual Health Library, EMBASE, SCOPUS, Web of Science, and WHO Global Index Medicus) were searched until August 21, 2022, for in vitro studies reporting IC 50 values of purified flavonoids on α-amylase and α-glucosidase, along with corresponding data for acarbose as a positive control. A total of 339 eligible articles were analyzed, resulting in the retrieval of 1643 flavonoid structures. These structures were rigorously standardized and curated, yielding 974 unique compounds, among which 177 flavonoids exhibited inhibition of both α-glucosidase and α-amylase are presented. Quality assessment utilizing a modified CONSORT checklist and structure–activity relationship (SAR) analysis were performed, revealing crucial features for the simultaneous inhibition of flavonoids against both enzymes. Moreover, the review also addressed several limitations in the current research landscape and proposed potential solutions. The curated datasets are available online at https://github.com/MedChemUMP/FDIGA . Graphical Abstract
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.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,001 |
| 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 découle