Alto
CasaCasa > Blog > Alto

Alto

Jun 04, 2024

Rapporti scientifici volume 12, numero articolo: 9347 (2022) Citare questo articolo

2130 accessi

2 Altmetrico

Dettagli sulle metriche

L'eleusina indica, utilizzata nella medicina tradizionale, mostra attività antiproliferativa contro diverse linee cellulari tumorali. Tuttavia, mancano ancora studi metabolomici per valutare i cambiamenti dei metaboliti indotti da E. indica nelle cellule tumorali. Il presente studio ha studiato gli effetti antitumorali di una frazione radicale di E. indica (R-S5-C1-H1) sulle linee cellulari H1299, MCF-7 e SK-HEP-1 e ha analizzato i cambiamenti metabolici nelle cellule tumorali trattate utilizzando ultra -cromatografia liquida ad alte prestazioni e spettrometria di massa ad alta risoluzione (UHPLC-HRMS). I test sull'attività metabolica cellulare hanno dimostrato che la vitalità cellulare delle tre linee cellulari tumorali era significativamente ridotta in seguito al trattamento con R-S5-C1-H1, con valori di concentrazione inibitoria semimassima di 12,95 µg/ml, 15,99 µg/ml e 13,69 µg. /mL a 72 ore, rispettivamente. L'analisi al microscopio utilizzando i coloranti fluorescenti Hoechst 33342 e Annexin V ha rivelato che le cellule trattate con R-S5-C1-H1 sono andate incontro a morte cellulare per apoptosi, mentre l'analisi chemiometrica ha suggerito che l'apoptosi è stata innescata 48 ore dopo il trattamento con R-S5-C1-H1. La metabolomica cellulare deconvoluta ha rivelato che i metaboliti idrofobici erano significativamente alterati, inclusi triacilgliceroli, fosfatidilcolina, fosfatidiletanolamina, sfingomielina e ceramide, suggerendo che l'induzione dell'apoptosi da parte di R-S5-C1-H1 si è verificata potenzialmente attraverso la modulazione della sintesi dei fosfolipidi e del metabolismo degli sfingolipidi. Questi risultati del profilo metabolomico forniscono nuove informazioni sui meccanismi antitumorali di E. indica e facilitano la comprensione generale degli eventi molecolari a seguito di interventi terapeutici.

In the continuing battle of humans against cancer, which dates as far back as 3000 BC, the earliest written account of cancer is the description of breast cancer found in the Edwin Smith Papyrus1. Currently, cancer remains one of the leading causes of premature death among people aged between 30 and 69 years worldwide2,3. It is estimated that there were 19.3 million new cases in 20202 and almost 10.0 million deaths from cancer. Furthermore, the incidence of all cancers in Malaysia has been projected to almost double by 2040, from 48,639 to 86,666 new cases (2020)." href="/articles/s41598-022-13575-6#ref-CR4" id="ref-link-section-d279179327e580">4. Nonostante i recenti progressi terapeutici5, questa malattia continua a incidere sulla qualità della vita dei pazienti a causa delle limitazioni degli attuali trattamenti antitumorali.

Secondo l’Organizzazione Mondiale della Sanità, sono ancora molte le persone che fanno affidamento sulla fitoterapia come risorsa sanitaria primaria6. Pertanto, le piante hanno un ruolo importante da svolgere nella rivoluzione sanitaria. Nella medicina tradizionale cinese, le erbe sono state utilizzate per prevenire e curare un'ampia gamma di malattie7. Ad esempio, le autorità cinesi hanno incoraggiato l’uso combinato della medicina tradizionale cinese e della medicina occidentale per proteggere e curare i pazienti infetti dal nuovo coronavirus altamente infettivo (SARS-CoV2), un approccio che fino ad oggi si è dimostrato efficace8. Nelle piante i metaboliti secondari sono distinti dai componenti del metabolismo primario in quanto non sono coinvolti nel metabolismo regolatore; hanno piuttosto la funzione di proteggere la pianta dalla predazione e dall'invasione di microrganismi9. Decenni di ricerche fitochimiche su oltre 150.000 specie di piante hanno rivelato che i metaboliti secondari, tra cui fenoli, flavonoidi, terpenoidi, alcaloidi e composti contenenti zolfo, esercitano una varietà di interessanti effetti biologici10. Dal 1981, quasi tre quarti (64,9%) dei farmaci antitumorali prescritti sono di origine vegetale11. Pertanto, le piante medicinali sono considerate fonti importanti e affidabili per la scoperta di farmaci antitumorali12,13,14.

La metabolomica è lo studio completo di un set completo di piccoli metaboliti (<1500 Da) all'interno di un campione biologico15. Questa tecnica amplia la visione della biologia dei sistemi sugli organismi colmando il divario tra genotipo e fenotipo16,17. La metabolomica è ampiamente applicata negli studi su piante, animali, medicine e alimenti. Tra le tecnologie applicate nella metabolomica, tra cui la risonanza magnetica nucleare (NMR), la gascromatografia (GC) e la cromatografia liquida (LC) accoppiata alla spettrometria di massa (MS), LC-MS è la tecnica di scelta per rilevare e determinare la composizione elementare e formula molecolare di un analita di interesse, poiché può essere eseguita senza una fase di derivatizzazione. Inoltre, la ionizzazione morbida e l'applicazione non estensiva di calore nella LC per la separazione cromatografica riducono la possibilità di degradazione del composto durante la profilazione18. Le caratterizzazioni metaboliche endogene ed esogene degli agenti terapeutici utilizzando la metabolomica ad alto rendimento consentono ai ricercatori di valutare l'efficacia e la sicurezza di questi agenti19. Nella ricerca sul cancro, gli studi metabolomici hanno fornito informazioni complete e migliorato la comprensione dei meccanismi alla base della patogenesi del cancro e degli effetti dei farmaci attraverso la valutazione dei cambiamenti metabolici nelle cellule tumorali20,21. Pertanto, l'identificazione e la quantificazione dei metaboliti estratti consentono il monitoraggio delle risposte agli stimoli esterni nei campioni di prova22,23.

 18.2 MΩ-cm/methanol (MeOH)/chloroform was employed. Following this, the lower layer of the mixture was removed and vacuum-concentrated to obtain a semisolid crude extract./p> 50% were removed, and missing values were replaced by 1/5 of minimum positive values of the corresponding variables by default. The acquired data sets were log-transformed and Pareto-scaled prior to multivariable analyses to examine data distribution and identify outliers. Multivariate analyses of data including PCA, OPLS-DA, and hierarchical cluster analysis (heat map) were obtained. Subsequently, for OPLS-DA, the model examined internal relationships in matrix X-variables and response matrix Y. Model quality was estimated by R2X or R2Y values and Q2 values. To avoid OPLS-DA model over-fitting, an additional cross-validation tool (permutation test with Y variables randomized 100 times) was performed for each model. Goodness-of-fit parameters for the OPLS-DA model, R2X, R2Y, and Q2 were calculated (varying from 0 to 1). The R2Y and Q2 in the permutated test described the fitness of the data and the predictability of the derived model, respectively. In addition, the metabolite features (non-parametric t-test, p < 0.05) and corresponding fold changes (fold change threshold ≥ 2) showed how the selected differential metabolites varied between the treatment and control groups; these metabolites were selected and underwent further compound matching and analysis. In the current study, all metabolomics data analyses focused on the non-polar layer only and were performed on the positive ionization mode data sets, as the negative ionization mode revealed no significant differences (data excluded)./p> (2020)./p>