该研究调查了鹧鸪茶提取物对α-葡萄糖苷酶和α-淀粉酶的抑制作用，测定鹧鸪茶提取物的总酚、黄酮含量及其对α-葡萄糖苷酶和α-淀粉酶的抑制效果，并通过HPLC-ESI- qTOF-MS/MS和亲和超滤筛选鉴定其起主要抑制作用的物质及含量；利用3T3-L1细胞测定鹧鸪茶提取物对其吸收葡萄糖的影响。最后，通过分子对接分析进一步阐明了这些抑制剂对α-糖苷酶和α-淀粉酶的可能作用机制。研究表明，鹧鸪茶是一种可应用于预防和改善餐后高血糖症状的天然代用茶资源。
摘要
今天介绍一篇来自海南大学王露课题组等人发表在Food Chemistry上的高水平论文。该研究调查了鹧鸪茶提取物对α-葡萄糖苷酶和α-淀粉酶的抑制作用，测定鹧鸪茶提取物的总酚、黄酮含量及其对α-葡萄糖苷酶和α-淀粉酶的抑制效果，并通过HPLC-ESI- qTOF-MS/MS和亲和超滤筛选鉴定其起主要抑制作用的物质及含量；利用3T3-L1细胞测定鹧鸪茶提取物对其吸收葡萄糖的影响。最后，通过分子对接分析进一步阐明了这些抑制剂对α-糖苷酶和α-淀粉酶的可能作用机制。研究表明，鹧鸪茶是一种可应用于预防和改善餐后高血糖症状的天然代用茶资源。
1.前言
鹧鸪茶是大戟科植物的副产品，广泛分布于中国海南岛。鹧鸪茶提取物已被证明具有抗糖尿病、抗氧化、抗肥胖和抗炎作用，主要与酚酸、类黄酮和萜类等生物活性成分有关。多酚越来越多地被认为是抗α-淀粉酶和α-葡萄糖苷酶的天然抑制剂。课题组研究结果已经证实，鹧鸪茶提取物对碳水化合物消化酶具有优异的抑制活性。然而，关于鹧鸪茶的活性成分及其相关作用机制的研究报道较少。为此，开发了亲和超滤和液相色谱-质谱技术相结合的方法，从复杂混合物系统中筛选一些目标酶抑制剂。具体原理：首先，目标酶受体特异性捕获配体，形成配体-受体复合物。然后，通过LC/MS鉴定配体-受体复合物释放的配体，并通过分子对接分析初步阐明抑制剂与靶酶受体之间的交互位点及作用机制。与生物活性导向分离法相比，AU-LC/MS是一种更有效的筛选方法，无需使用有机溶剂。
2.结果与讨论
2.1. 总酚、黄酮、α-葡萄糖苷酶和α-淀粉酶
研究评估了不同提取溶剂对鹧鸪茶提取液总酚（TPC）、黄酮（TFC）、α-葡萄糖苷酶（α-GIA）和α-淀粉酶（α-AIA）的影响。从图1A中可以看出，水提取物的TPC和TFC最高。丙酮和乙酰乙酸在提取酚类化合物方面效率不高。PT提取物对α-GIA和α-AIA的抑制作用呈浓度依赖性。所有PT提取物的α-GIA均高于阿卡波糖（图1B）。关于α-AIA（图1C），70%乙醇提取物表现出最高的抑制活性，其次是70%甲醇提取物和水提取物。EtAc/丙酮提取物对α-AIA的抑制作用非常弱。图1D显示了抗糖尿病药物阿卡波糖的α-GIA和α-AIA。此外，PT提取物中酚类/类黄酮含量与消化酶抑制活性呈显著正相关（r > 0.70，p < 0.05）。为了探索茶浸液中的降血糖生物功能成分，选择鹧鸪茶的水提取物进行以下葡萄糖消耗测定和消化酶抑制剂筛选试验。
图1 PT提取物（A-C）和阳性药物阿卡波糖（D）的总酚含量/总黄酮含量、总α-葡萄糖苷酶抑制活性（α-GIA）和α-淀粉酶抑制活性。
2.2. PTAE对葡萄糖消耗的促进作用
PTAE通过促进细胞外葡萄糖向细胞中的转移，在3T3-L1细胞中显示出优异的葡萄糖消耗促进活性。消化酶抑制实验与葡萄糖消耗结果揭示了鹧鸪茶在延缓葡萄糖吸收或促进葡萄糖消耗方面的巨大潜力。
2.3. PTAE中酚类成分的鉴定和筛选
在PTAE中共鉴定出14种成分。分别是儿茶素、原儿茶酸酯、表儿茶素、咖啡酸、芦丁、鞣花酸、阿魏酸、山奈酚、咖啡酸甲酯、3,4-二甲氧基肉桂酸、木犀草素、山奈酚-4′-甲基醚。由于MS/MS片段和参考文献中的数据很少，化合物6和11暂时无法鉴定。
PTAE中的α-GIs和α-AI分别通过开发的超滤LC-MS/MS方法快速识别。超滤离心后，对来自配体-受体复合物的α-GIs/α-AIs进行定量分析（图2AB）。已鉴定化合物与α-葡萄糖苷酶的亲和力可排序为：山奈酚>芦丁>鞣花酸、儿茶素和表儿茶素>阿魏酸>咖啡酸>咖啡酸酯>3,4-二甲氧基-肉桂酸>原儿茶酸酯。这些化合物与α-淀粉酶的亲和力可分为：山奈酚、芦丁、鞣花酸、阿魏酸、表儿茶素和儿茶酸、咖啡酸甲酯和3,4-二甲氧基肉桂酸、咖啡酸、原儿茶酸盐。可以发现，包括山奈酚、芦丁、鞣花酸、儿茶素、表儿茶素和阿魏酸在内的六种化合物与两种消化酶表现出极好的亲和力，这可能是PTAE的消化酶抑制活性的原因。
图2 亲和超滤获得的PTAE中潜在α-葡萄糖苷酶抑制剂（α-GIs）和α-淀粉酶抑制剂（a-AIs）的HPLC色谱图
2.4. PTAE中筛选的潜在消化酶抑制剂的验证
为了证实所开发方法的可靠性，研究了来自PTAE的这些鉴定化合物的α-GIA和α-AIA的IC50值。芦丁比阿卡波糖具有更强的α-葡萄糖苷酶抑制效果。对于α-淀粉酶，儿茶素和表儿茶素的抑制作用最强，其次是山奈酚、阿魏酸，芦丁以及鞣花酸。除咖啡酸和原儿茶酸外，大多数筛选出的化合物的α-淀粉酶抑制效果均强于阿卡波糖。
2.5. 分子对接分析
主要化合物与α-葡萄糖苷酶/α-淀粉酶的结合结构姿势表明，可很好地嵌入α-葡萄糖酶/α-淀粉酶受体的疏水口袋（图3A-H）。一般来说，C得分值≥ 4表示与酶受体对接的化合物的可靠对接结果。除阿魏酸外，几乎所有与α-葡萄糖苷酶/α-淀粉酶对接的化合物的C评分值均为：≥ 4，表明对接结果可靠。α-葡萄糖苷酶的三个氨基酸残基参与了与儿茶素/表儿茶素的四个氢键的形成（图3A）。芦丁配体与α-葡萄糖苷酶受体形成14个氢键（图3B）。在阿魏酸-α-葡萄糖苷酶复合物中观察到α-葡萄糖酶受体（图3C）。山奈酚与α-葡萄糖苷酶受体的相互作用（图3D）。对于这些与α-淀粉酶对接的配体，可以观察到与阿卡波糖相互作用的α-淀粉酶的氨基酸活性残基。α-淀粉酶的五个氨基酸残基参与了与儿茶素/表儿茶素的五个氢键的形成（图3E）。芦丁与α-淀粉酶受体形成的氢键最多（图3F）。α-淀粉酶受体产生阿魏酸-α-淀淀粉酶复合物（图3G）。山奈酚与α-淀粉酶受体的活性残基相互作用（图3H）。
图5 分子对接三维构象
3.结论
本研究结果证明了鹧鸪茶中儿茶素、表儿茶素，芦丁，阿魏酸和山奈酚是PTAE消化酶抑制活性的原因。此外，通过分子对接分析揭示了这些筛选出的抑制剂与α-葡萄糖苷酶/α-淀粉酶之间的相互作用机制。这项研究不仅为识别潜在的消化酶抑制剂提供了一个筛选平台，而且证实了鹧鸪茶是一种可应用于预防和改善餐后高血糖症状的天然代用茶资源。
- 参考文献：Songjie Li, Weimin Zhang, Ruimin Wang, Congfa Li, Xue Lin, Lu Wang. Screening and identification of natural α-glucosidase and α-amylase inhibitors from partridge tea (Mallotus furetianus Muell-Arg) and in silico analysis. Food Chemistry 2022, 388, 133004.
- 文章链接：https://doi.org/10.1016/j.foodchem.2022.133004
作者简历：
王露,工学博士，副教授/硕士生导师，海南省高层次人才。研究方向为植物基食品功效因子精细化提取与构效关系解析；药食同源功效因子与肠道微生物互作及机制；天然产物微生物发酵转化提质增效；热带特色植物资源高效利用与大健康绿色食品开发。目前主持包括国家自然科学基金，海南省重点研发计划项目、海南省自然科学基金及企业横向技术开发项目共10余项，参与国家自然科学基金与海南省重点研发计划项目若干项。近5年共发表科研论文近60余篇，其中以第一作者/通讯作者发表超过50篇，包括Food Hydrocolloid, Ultrasonics Sonochem, Food. Chem, Food. Res. Int, J. Agric. Food. Chem, Ind. Crops. Prod, Sep. Purif. Technol, Antioxidants, LWT等中科院1区TOP期刊。论文总引用超过1000次，Hindex = 20，ESI高被引与热点论文1篇, 封面文章1篇。目前担任国内外多个期刊特邀审稿专家。
第一作者
李颂洁，海南大学在读硕士研究生，以第一作者在中科院1区Food Chemistry发表论文2篇，共发表论文5篇。
原创文章，作者：FoodAI01，如若转载，请注明出处：https://www.drugfoodai.com/tea-docking.html
注意：本站原创指的是原创编译，并不主张对所介绍的工作的版权，如有侵权，请联系删除！
微信扫一扫 
支付宝扫一扫 相关推荐
-
豆类中毛豆的理化特性及基于光谱学的机器学习方法在最佳采收期预测中的应用
今天介绍一篇由弗吉尼亚理工大学食品科学与技术系Dajun Yu等人于2021年8月发表于Food Chemistry的一篇文章。文中通过研究毛豆发育过程中理化性质的变化，并应用基于光谱学的机器学习(ML)技术来确定毛豆最佳采收期。对R5(始籽)、R6(满粒)和R7(初熟)生长期采收的毛豆进行了理化特性分析，并用手持式分光光度计测量了豆荚的光谱反射率(360-740nm)。根据毛豆样品的特征特性将其采收期分为“早期”、“准备期”和“晚期”，使用豆荚的光谱反射率的机器学习方法随机森林进行分类，研究结果证明该方法可以确定毛豆的最佳采收期。
-
人工智能生产的烤牛肉风味
通过与微软的合作，芬美意香料公司能够利用其整个原材料数据库，找到各种成分的完美结合，从而产生“轻度烤牛肉”的味道。该产品代表了该行业的一个里程碑，因为他们声称这是有史以来第一款由人工智能(AI)创造的口味。
-
重磅干货：食品科学数据库资源汇总（国内篇）
近些年，随着各行业的数据呈现爆炸式增长，越来越多的数专业据库不断涌现，这些数据库为业内研究者提供了广泛的数据基础。在药物和食品研究领域，除了Pubchem, ChEMBL等综合性的数据库之外，也有DrugBank, Foodb等专业性的数据库。近年来，食品科学领域与人工智能的交叉越来越广泛和深入，在食品安全和食品营养等领域涌现了大量的优秀成果。但目前，食品科学领域相对于药物研发领域，数据库的类别和数量仍然还有很大差距。而获取优质的大量的数据是人工智能方法的前提，因此专业数据库的发展就显得尤为重要。
-
基于机器学习的模式识别技术鉴别掺假油和食用油混合物
今天给大家介绍一篇由Kevin Lim等人近期发表在Nature Communications上的一篇研究型文章。文章提出了一种机器学习方法来发现脂肪酸的特定组成，以区分十种不同的植物油类型及其内部的变化。作者还描述了一种有监督的端到端学习方法，该方法可以推广到任何给定混合物的油组成。
-
人工神经网络在食品加工研究中的文献调查
人工神经网络(ANN)在各个应用领域的使用水平日益提高，因其能够解决许多应用领域中的复杂问题而广受欢迎。今天给大家介绍一篇由Janmenjoy Nayak等人发表在Computer Science Review上的一篇综述，该文详细分析了人工神经网络在食品加工中的应用进展。
-
人工智能和机器学习在食品行业的机遇
今天介绍一篇近期由印度Graphic Era Hill University的Indrajeet Kumar等人发表于Journal of Food Quality的文章。文中通过文献对智慧农业、食品加工业中的人工智能、数据分析在食品行业中的作用、餐厅业务中的机器学习、食品安全中的人工智能进行了研究，并分析了人工智能和机器学习在食品行业的未来发展情况。
-
李培武院士团队张兆威：通过Z型Cu2O/Cu3SnS4的智能手机驱动的光电化学POCT，用于检测邻苯二甲酸二丁酯
今天介绍一篇由中国农业科学科院油料作物研究所李培武院士团队于2023年8月发表在国际学术期刊Journal of Hazardous Materials（IF=13.6）上的题为“A smartphone-powered photoelectrochemical POCT via Z-scheme Cu2O / Cu3SnS4 for dibutyl phthalate in the environmental and food”的文章。中国农业科学院油料作物研究所张兆威研究员为论文通讯作者。
-
基于质谱-机器学习技术的番茄分类:一个食品安全增强平台
今天介绍一篇由Arthur Noin de Oliveira等人于2022年8月发表在Food Chemistry（IF=9.231）上的文章。该研究旨在开发一个使用机器学习算法的平台，分析质谱数据，对番茄进行有机和非有机的分类。决策树算法被定制用于数据分析，该模型在确定每种水果属于哪个组时达到了92%的准确度、94%的灵敏度和90%的精确度。
-
食品质量和真伪分析评估的数据挖掘/机器学习方法
近年来，为了更好地鉴定食品，通过现代分析仪器所获得的数据种类和数量急剧增加。一些模式识别工具已经被开发来处理大量复杂的有效试验数据。应用最广泛的方法有主成分分析(PCA)、部分最小二乘判别分析(PLS-DA)、类模型方法(SIMCA)、k-最近邻分类算法(kNN)、平行因子分析(PARAFAC)和多元曲线分辨率-交替最小二乘分析(MCR-ALS)。然而，也有一些替代的数据处理方法，如支持向量机(SVM)、分类回归树(CART)和随机森林(RF)等，与传统的数据处理方法相比，显示出巨大的潜力和优势。在这篇文章中，作者解释了这些方法的背景，并回顾和讨论了这三种方法在食品质量和真实性领域的应用研究的报道。此外，作者声明清楚了在这一特定研究领域中使用的专业术语。
-
通过概念和机器学习生成的基于食物喜好的饮食质量指标（DQI）解释青壮年心脏代谢风险因素的差异
今天介绍一篇康涅狄格大学（UConn）与哈特福特医院（Hartford）合作，于2020年2月发表在Nutrients上的一篇研究性论文。文章中基于喜好调查（包括食物项和非食物项）提出了一个新的饮食评价指标——DQI（饮食质量指标），可评估每种食物类别对心脏代谢风险的相对重要性，并用于估计饮食摄入量、评估饮食-疾病关系和预测患病风险。
