Inhibitory effects of phenolic compounds from blueberry leaf on <i>α</i>‐amylase and <i>α</i>‐glucosidase: kinetics, mode of action, and molecular interactions
Notice bibliographique
Résumé
Abstract Background The interactions between blueberry leaf polyphenols (BLPs) and digestive enzymes were analyzed using multiple techniques to gain insights into their inhibitory effects on enzyme kinetics and modes of action. Results 3‐ O ‐Caffeoylquinic acid (3‐CQA) was the most abundant compound identified. Quercetin (QR) exhibited the strongest inhibitory activity against α ‐amylase ( α ‐AMY) and α ‐glucosidase ( α ‐GLU). The BLP extracts acted as typical mixed‐type inhibitors for both digestive enzymes, showing stronger inhibition of α ‐GLU (IC50 = 7.36 ± 0.03 μg mL −1 ) than α ‐AMY (IC50 = 12.52 ± 0.65 μg mL −1 ). Stern–Volmer plots showed static quenching of enzyme fluorescence intensity. The quenching and binding constants of α ‐GLU were higher than those of α ‐AMY, showing greater affinity of the former for BLP. The conformational changes of 3‐CQA and QR in the BLP were studied at the molecular level. The stability of the complexes formed followed this order: α ‐GLU‐3‐CQA > α ‐AMY‐QR > α ‐GLU‐QR > α ‐AMY‐3‐CQA. This trend supported the observation that QR had a greater impact on α ‐AMY conformation, whereas 3‐CQA more effectively altered α ‐GLU. Conclusion These findings elucidated the inhibitory mechanisms of BLP on glucose‐regulating enzymes, providing novel insights relevant for the treatment of diabetes. © 2025 Society of Chemical Industry.
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 ».