Unveiling the anti-diabetic effects of <i>Garcinia hombroniana</i> fruit pericarp and leaf <i>: in vitro</i> radical scavenging, alpha-glucosidase inhibition, pharmacokinetics, and <i>in silico</i> molecular docking of Q-TOF-LCMS identified compounds
Notice bibliographique
Résumé
Garcinia hombroniana is traditionally used to treat diabetes in Malaysia. However, scientific studies have yet to identify the phytoconstituents responsible for its blood glucose-lowering effects. This study aimed to evaluate the antioxidant and α-glucosidase inhibitory effects of G. hombroniana fruit pericarp and leaf dichloromethane (DCM) and ethanol (EtOH) extracts and identify the active principles. The extracts were analysed for their total phenolic and flavonoid contents (TPC, TFC), in vitro antioxidant activity via radical scavenging, and α-glucosidase inhibitory effect. Additionally, QTOF-LCMS analysis using negative and positive polarisation modes was conducted to identify potential α-glucosidase inhibitors. The identified compounds underwent comprehensive screening, including pharmacokinetics, drug-likeness rules, PASS analysis, and toxicity assessments. Their α-glucosidase inhibitory effect was further validated using a molecular docking approach. All extracts showed significant TPC and TFC values, as well as antioxidant effects. Notably, DCM fruit pericarp (4.11 ± 0.91 μg/mL), DCM leaf extract (1.49 ± 0.68 μg/mL), and ethanolic leaf extract (2.21 ± 0.50 μg/mL) exhibited potent α-glucosidase inhibitory effects, surpassing quercetin (5.11 ± 1.07 μg/mL) used as a standard. The QTOF-LCMS analysis identified 191 compounds, of which 19 were selected for in silico molecular docking. These compounds were confirmed as α-glucosidase inhibitors and suggest that G. hombroniana extracts may be used for managing postprandial glucose in diabetic patients.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».