Pharmacoinformatics and cellular studies of algal peptides as functional molecules to modulate type-2 diabetes markers
Notice bibliographique
Résumé
Novel dietary strategies are urgently needed to address the limitations of current management and treatment options of Type-2 Diabetes (T2D). Marine algae-derived peptides (MAP) represent a promising avenue, although, their potential remains mostly underexplored. This study employs pharmacoinformatics and in vitro methods to evaluate the antidiabetic properties of MAP and provide new insights their mechanisms to mitigate the prevalence of T2D. Through a systematic search and predictive modeling, peptides were identified and assessed for bioactivity, toxicity, and drug-likeness. Furthermore, molecular docking simulations with protein targets related to T2D identified binding sites that be used to optimize the activity of MAP. The structure-activity relationship profile of MAP reveals 13 candidates with probable activity (Pa) scores >0.4, indicative of insulin promoter. The peptide FDGIP (P13;Phe-Asp-Gly-Ile-Pro) from Caulerpa lentillifera had the best in silico assessment value compared to 50 other peptides and its activity was confirmed by in vitro data (e.g.EC50 60.4 and 57.9 for α-amylase and α-glucosidase inhibitions). Interestingly, in 3T3-L1 cells, P13 exhibited inhibitory activities against transcription factors and hormones (MAPK8-JNK1/PPARGC1A/Ghrelin/GLP-1/CPT-1) that can regulate blood sugar and decrease as anti-diabetes. P13 then appears to be a peptide with antidiabetic action that may be used in the formulation foods to manage T2D.
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 ».