植物化学提取方法以及α-葡萄糖苷酶抑制作用和降血糖潜力的综合评估（包括计算机模拟、体外实验和体内实验） 研究对象：Tupistra nutans（一种植物）的花序

《Bioactive Materials》：Phytochemical extraction and integrated in silico, in vitro, and in vivo evaluation of α-glucosidase inhibitory and antihyperglycemic potential of Tupistra nutans inflorescence

Tupistra nutans花器官通过超声辅助提取优化溶剂后，水提物（TNI_aq）非毒性且显著抑制α-葡萄糖苷酶（IC50=52.0 μg/mL），改善糖尿病小鼠血糖（550→246 mg/dL）、肝肾功能及氧化损伤，验证其作为功能性食品的潜力。

　　

阿希姆·钱德拉·罗伊（Ashim Chandra Roy）| 科马尔·普里娅（Komal Priya）| 阿努拉达·库马里（Anuradha Kumari）| 阿比纳夫·普拉萨德（Abhinav Prasad）| 普拉巴特·库马尔（Prabhat Kumar）| 伊洛拉·高什（Ilora Ghosh）

印度新德里贾瓦哈拉尔·尼赫鲁大学环境科学学院生物化学与环境毒理学实验室

摘要

植物化学提取对于分离具有治疗作用的植物化合物至关重要。Tupistra nutans是一种在东南亚地区广泛种植的农作物，其花序传统上被认为具有治疗糖尿病的功效，但至今尚未进行科学探究。本研究通过计算机模拟（in-silico）、体外（in-vitro）和体内（in-vivo）方法，优化了提取该植物化合物的溶剂选择，以评估其降血糖潜力。采用超声波辅助提取技术获得了其甲醇提取物（TNI_m）、水-甲醇提取物（TNI_mw）、甲醇-己烷提取物（TNI_mh）、己烷提取物（TNI_h）和水提取物（TNI_aq）。体外实验表明，TNI_m、TNI_mw、TNI_mh和TNI_h对HepG2和WRL-68肝细胞具有毒性，而TNI_aq则无毒。GC-MS分析显示TNI_aq中含有β-香叶醇和肌醇。网络药理学预测了其降血糖作用，分子对接实验证实了其成分具有α-葡萄糖苷酶抑制作用。进一步的研究证实，该提取物在低剂量（7 μg Acarbose相当量/毫克提取物）下能抑制α-葡萄糖苷酶，并具有中等抗氧化活性（IC₅₀=52.0 μg/mL）。在瑞士白化小鼠实验中，2000 mg/kg体重剂量（急性作用）和1000 mg/kg体重/天剂量（亚急性作用，持续30天）下，TNI_aq未导致死亡或肝脏、肾脏、胰腺和脾脏损伤，这一结果通过血液学、生化和组织病理学检查得到验证。在STZ诱导的高血糖小鼠模型中，TNI_aq（100 mg/kg体重/天）显著降低了血糖水平（从550 mg/dL降至246 mg/dL），并恢复了血清SGOT、SGOT:SGPT、ALP、尿素和BUN:肌酐的正常值，同时增加了淋巴细胞数量。在肝脏组织中，TNI_aq通过提高GSH水平和降低脂质过氧化反应增强了抗氧化防御能力。综上所述，Tupistra nutans花序的水提取物含有无毒的降血糖活性成分，具有药用潜力。

引言

溶剂的选择是植物活性成分提取过程中的关键因素，直接影响其治疗效果和安全性。溶剂的极性、毒性和溶解性会直接影响提取化合物的组成。例如，甲醇是一种廉价且高效的溶剂，具有高极性、广溶性和强氢键能力，能够快速提取黄酮类、萜类、酚类和维生素等多种化合物。然而，由于其高挥发性、易燃性以及相关的安全和环境问题，使用时需要严格的安全措施和合规性要求（Lee等人，2024年）。使用不当的溶剂可能会提取出无治疗价值的有毒物质，从而影响植物提取物的安全性。例如，Vernonia bipontini的甲醇提取物对小鼠具有肝毒性和肾毒性（Alebachew等人，2015年），而水提取物则无毒（Alebachew等人，2013年）。这突显了在药物开发初期选择合适溶剂的重要性。除了获得最纯的单一活性分子外，提取过程本身也非常重要。溶剂的选择不仅决定了目标化合物的产量和纯度，还能确保排除有害物质。

除了传统提取技术外，超声波辅助提取（UAE）是一种环保且高效的方法，无需使用有害有机溶剂。该方法通过破坏植物细胞壁并增强物质传递效率，提高了提取速度、产量和活性化合物的质量（Shen等人，2023年）。随着制药行业向可持续和精准治疗方向发展，绿色提取方法（如UAE）越来越受到重视。同时，补充和替代医学（CAM）在全球范围内得到广泛认可，许多国家将其纳入医疗体系，作为应对生活方式相关疾病的综合策略。世界卫生组织也建议将CAM实践者纳入医疗体系，以确保安全性和有效性（Mortada，2024年）。在美国，近51%的癌症患者至少使用一种CAM疗法（Keene等人，2019年）。因此，溶剂和提取方法的选择对于确定植物基制剂的安全性、有效性和治疗潜力至关重要。

几个世纪以来，人们一直使用CAM来管理与生活方式相关的疾病，如糖尿病。全球约有8.28亿成年人患有糖尿病，这一数字较1990年的6.3亿有所增加，尤其是在低收入和中等收入国家（Zhou等人，2024年）。糖尿病还伴随着多种健康并发症，患者的总体死亡率更高，其中女性的死亡风险是男性的2.33倍（Xu等人，2019年）。健康的生活方式干预措施，包括健康饮食、定期锻炼、体重管理和避免吸烟，可以预防或延缓糖尿病的发生。然而，低收入和低中等收入国家糖尿病发病率的上升使得疾病及其并发症的管理变得更加困难。研究表明，富含抗氧化剂的饮食有助于改善糖尿病相关并发症（如肾病和非酒精性脂肪肝病）的血糖控制和氧化应激（Zhong等人，2022年）。传统药用植物如人参、葫芦巴、苦瓜、Gymnema sylvestre和大蒜已被证明具有降血糖作用（Salehi等人，2019年）。

Tupistra nutans原产于东南亚地区，包括印度东北部、孟加拉国、缅甸、泰国、老挝、越南、马来西亚、印度尼西亚、尼泊尔、不丹和中国，其花序传统上被认为具有调节高血糖和高血压的作用（Acharjya等人，2025年；Gurung等人，2018年；Roy等人，2023a）。然而，其降血糖潜力尚未经过科学验证。本研究通过绿色超声波辅助提取（UAE）技术，结合极性溶剂（水和甲醇）和非极性溶剂（己烷），优化了提取过程，以获得无毒且具有潜在降血糖活性的提取物。首先在肝细胞和肾细胞系中进行了体外毒性筛选，以选择无毒提取物，符合减少实验动物使用的原则。利用气相色谱-质谱（GC-MS）对无毒提取物进行了成分分析。对于含有多种活性成分的复杂植物提取物，计算机模拟网络药理学提供了系统框架，用于评估其作用靶点并识别可能被调节的关键蛋白质，从而支持对其生物学效应的机制解释。结合网络药理学和分子对接的计算方法可以预测化合物与靶点的相互作用和结合亲和力，从而减少实验时间和成本。这些计算预测结果可通过体外实验进行验证，以评估靶点的抑制或激活情况。因此，通过整合计算机模拟、体外和体内方法，该研究提高了预测准确性，减少了重复工作，并增强了植物化学研究的转化应用价值（Noor等人，2022年；Rajan等人，2025年）。通过计算机模拟网络药理学和分子对接预测了优化提取物的降血糖潜力，并通过α-葡萄糖苷酶抑制实验进行了体外验证。最后，将提取物口服给予STZ诱导的高血糖瑞士白化小鼠，评估其对血清生化指标、肝脏和肾脏组织形态以及肝脏抗氧化水平的影响。还进行了急性和亚急性体内毒性研究。据我们所知，这是首次全面结合提取优化、体内毒性评估和Tupistra nutans花序降血糖效果的研究。

化学试剂

Folin Ciocalteu试剂（SRL-39520）、芦丁（SRL-18325）、氯化铝、没食子酸（Sigma Aldrich -G7384）、抗坏血酸（Sigma Aldrich-A4403）、DPPH（SRL-29128）、ABTS（SRL-28042）、碳酸钠（SRL-89382）、三氯乙酸、磷酸二钠、二甲基亚砜（SRL-66120）、Dulbecco改良Eagle培养基-高葡萄糖（Sigma Aldrich -D7777）、巴西合格胎牛血清（Gibco-10270106）、青霉素-链霉素（ThermoFischer scientific-15140122）、MTT（SRL-33611）

植物化学提取与体外肝毒性分析

使用不同溶剂提取Tupistra nutans花序时，提取效率存在差异：TNI_M、TNI_MW、TNI_MH和TNI_H的提取效率分别为26.81%、33.74%、19.74%和16.76%，表明甲醇和水是最有效的溶剂。所有提取物随后在HepG2和WRL-68人肝细胞系中进行了细胞毒性评估。

讨论

提取过程是天然产物研究中的关键因素，因为它直接影响植物提取物的安全性和治疗效果。溶剂的极性、溶解性和毒性不仅影响提取到的植物化合物的多样性和产量，还影响不希望提取到的有害化合物的风险。例如，甲醇常用于提取黄酮类、生物碱和皂苷等多种化合物。

结论

本研究表明，T. nutans花序的水提取物（TNI_aq）是一种有前景的天然抗高血糖物质。通过全面的计算机模拟、体外和体内实验，我们证实TNI_aq能够调节血糖、抑制α-葡萄糖苷酶并减轻肝脏氧化损伤，表现为GSH水平升高和脂质过氧化减少。此外，它还能保护高血糖小鼠的肝脏和肾脏，且未观察到其他不良反应。

利益冲突声明

作者声明没有已知的可能影响本文研究的财务利益或个人关系。

作者贡献声明

阿比纳夫·普拉萨德（Abhinav Prasad）：撰写——审稿与编辑、初稿撰写、验证、软件使用、数据分析。科马尔·普里娅（Komal Priya）：数据可视化、验证、软件使用、方法设计、实验设计、数据管理。阿努拉达·库马里（Anuradha Kumari）：数据可视化、验证、方法设计、实验设计、数据分析、数据分析。阿希姆·钱德拉·罗伊（Ashim Chandra Roy）：撰写——审稿与编辑、初稿撰写、数据可视化、验证、软件使用、方法设计、数据分析、概念构思。

未引用参考文献

H. Alkhatib等人，2021年；Roy等人，2023b年。

数据可用性

本文支持的数据已包含在手稿和补充信息中。

参与同意

不适用

出版同意

不适用

资助

本研究得到了印度政府DST-PURSE和UGC UPE-II项目的资助，资金通过JNU提供。资助机构未参与研究设计、数据收集、数据分析、发表决定或手稿准备。

利益冲突声明

? 作者声明没有已知的可能影响本文研究的财务利益或个人关系。

致谢

ACR感谢DBT（印度政府）和KP感谢CSIR（印度政府）提供的资深研究奖学金。我们感谢CIF-SES和AIRF、JNU提供的研究设施。