الغريبة
عضو مشاغب
لعاشقى الشاى والشاى باللبن هل الشاى مفيد أم مضر وهل خلطه باللبن مفيد أم مضر. فيديو يستحق المشاهدة.
عناوين الابحاث مترجمة
(المصادر تحت كل عنوان باللون الاحمر)
مضادات الأكسدة من الشاي الأسود والأخضر: من التعديل الغذائي للإجهاد التأكسدي إلى الآليات الدوائية
الملخص
كاتشين الشاي و theaflavins هما ، على التوالي ، من المواد الكيميائية النباتية النشطة بيولوجيا المسؤولة عن النشاط المضاد للأكسدة للشاي الأخضر (GT) والشاي الأسود (BT).
بالإضافة إلى خصائص الأكسدة والاختزال ، يمكن أن يكون لمضادات الاكسدة في الشاي وثيافلافين أيضًا أنشطة دوائية ، مثل القدرة على خفض مستويات الجلوكوز والدهون وحمض البوليك (UA).
يتم التوسط في هذه الأنشطة بواسطة آليات دوائية مثل التثبيط الأنزيمي والتفاعل مع الناقلات.
Epigallocatechin gallate هو المركب الأكثر نشاطًا في تثبيط الإنزيمات المشاركة في استقلاب الكوليسترول و UA (اختزال هيدروكسي 3 ميثيل جلوتاريل CoA وأكسيداز الزانثين على التوالي) والتأثير على ناقلات الجلوكوز.
تتمثل السمات الهيكلية لمضادات الاكسدة التي تساهم بشكل كبير في تأثيرها الدوائي في وجود / عدم وجود جزء المرارة وعدد ومواضع مجموعات الهيدروكسيل على الحلقات.
على الرغم من أن التأثيرات المثبطة على α-glucosidase و maltase و amylase و lipase ومقاومة الأدوية المتعددة 1 وناقلات الأنيون العضوية ونقل الفولات المقترن بالبروتون تحدث بتركيزات أعلى من تلك الظاهرة في الدورة الدموية ، فإن هذه التأثيرات يمكن أن تكون ذات صلة في القناة الهضمية.
في الختام ، وعلى الرغم من الحاجة الملحة لمزيد من البحث في البشر ،
المقالات المرتبطة: هذه المقالة جزء من قسم موضوعه حول مبادئ البحث الدوائي للمغذيات. لعرض المقالات الأخرى في هذا القسم ، قم بزيارة http://onlinelibrary.wiley.com/doi/10.1111/bph.v174.11/issuetoc.
© 2016 الجمعية الصيدلانية البريطانية.
الأرقام
شكل 1
الهياكل الكيميائية للمكونات النشطة بيولوجيا ...
الملخص
يعد تحديد الفوائد الصحية للمواد الكيميائية النباتية خطوة أساسية في تطوير الأدوية والأغذية الوظيفية. في حين تم تطوير العديد من طرق الفحص في المختبر لتحديد الآثار الصحية للمواد الكيميائية النباتية ، لا يزال هناك مجال للتحسين بسبب التكلفة العالية والإنتاجية المنخفضة. لذلك ، اقترح الباحثون بدلاً من ذلك طرق السيليكو ، بناءً على ثلاثة أنواع من الأساليب ؛ استخدام المعلومات الجزيئية أو الكيميائية أو الإثنوفارماكولوجية. على الرغم من أن كل نهج له قوته الخاصة في تحليل خصائص المواد الكيميائية النباتية ، إلا أن الدراسات السابقة لم تأخذها جميعًا في الاعتبار. هنا ، نطبق تحليلًا متكاملًا في السيليكو لتحديد الفوائد الصحية المحتملة للمواد الكيميائية النباتية بناءً على التحليل الجزيئي والخصائص الكيميائية بالإضافة إلى الأدلة الإثنوفارماكولوجية.من التحليل الجزيئي ، وجدنا متوسط 415.6 تأثيرًا صحيًا لـ 591 مادة كيميائية نباتية.
قمنا أيضًا بالتحقيق في الأدلة الإثنية الدوائية للمواد الكيميائية النباتية ووجدنا أنه في المتوسط 129.1 (31 ٪) من الآثار الصحية المتوقعة كان لها دليل عرقي.
أخيرًا ، قمنا بفحص الخصائص الكيميائية لتأكيد ما إذا كانت متاحة بيولوجيًا عن طريق الفم ، أو عقاقير متاحة أو فعالة على أنسجة معينة.
تشير نتائج التقييم إلى أنه يمكن التنبؤ بالآثار الصحية بشكل أكثر دقة من خلال النظر بشكل تعاوني في التحليل الجزيئي والخصائص الكيميائية والأدلة الإثنوغرافية. 1 (31 ٪) من الآثار الصحية المتوقعة كان لها دليل عرقي دوائي.
أخيرًا ، قمنا بفحص الخصائص الكيميائية لتأكيد ما إذا كانت متاحة بيولوجيًا عن طريق الفم ، أو عقاقير متاحة أو فعالة على أنسجة معينة.
تشير نتائج التقييم إلى أنه يمكن التنبؤ بالآثار الصحية بشكل أكثر دقة من خلال النظر بشكل تعاوني في التحليل الجزيئي والخصائص الكيميائية والأدلة الإثنوغرافية. 1 (31 ٪) من الآثار الصحية المتوقعة كان لها دليل عرقي دوائي.
أخيرًا ، قمنا بفحص الخصائص الكيميائية لتأكيد ما إذا كانت متاحة بيولوجيًا عن طريق الفم ، أو عقاقير متاحة أو فعالة على أنسجة معينة.
تشير نتائج التقييم إلى أنه يمكن التنبؤ بالآثار الصحية بشكل أكثر دقة من خلال النظر بشكل تعاوني في التحليل الجزيئي والخصائص الكيميائية والأدلة الإثنوغرافية.
1 المقدمة
لا توفر النباتات العناصر الغذائية الأساسية اللازمة للحياة فحسب ، بل توفر أيضًا المواد الكيميائية النباتية النشطة بيولوجيًا التي تساهم في تعزيز الصحة والوقاية من الأمراض. بينما كان يُعتقد منذ فترة طويلة أن المغذيات الكبيرة والصغرى في النباتات هي أحد المكونات الأساسية لصحة الإنسان ، ظهرت المواد الكيميائية النباتية مؤخرًا كمعدلات لمسارات الإشارات الخلوية الرئيسية [ 1 ، 2 ].المواد الكيميائية النباتية ، التي غالبًا ما تسمى المستقلبات الثانوية ، هي مركبات كيميائية غير مغذية تنتجها النباتات عبر عدة مسارات كيميائية. أظهرت الدراسات الحديثة أن عددًا كبيرًا من المواد الكيميائية النباتية يمكن أن يكون مفيدًا لوظيفة الخلايا البشرية [ 3 ، 4 ، 5].
مع العديد من الدراسات التي تشير إلى آثار الأطعمة الغنية بالكيماويات النباتية على الصحة ، يُقترح بشدة أن تناول هذه المواد الكيميائية النباتية يمكن أن يساعد في تحسين الصحة [ 6 ، 7 ، 8 ].
بناءً على هذه الأدلة ، أجرى العديد من الباحثين دراسات سابقة للتحقيق في دور المواد الكيميائية النباتية في تحسين الصحة.
على الرغم من الجهود المبذولة ، واجهت الدراسات حول الأدوار الدقيقة للمواد الكيميائية النباتية قيودًا مختلفة. بادئ ذي بدء ، أجريت معظم الدراسات من خلال التقييم في المختبر [ 9 ، 10 ، 11].
على سبيل المثال ، تم استخدام طرق الفحص في المختبر لتأكيد الأنشطة البيولوجية للمواد الكيميائية النباتية المستخرجة.
ومع ذلك ، فإن التجارب واسعة النطاق مطلوبة لعدد كبير من المواد الكيميائية النباتية المدروسة والآثار الصحية المحتملة ، وهي عملية مكلفة ولكنها غير منتجة للغاية. لذلك ، في مناهج السيليكو ، التي تعتمد في الغالب على المعلومات الجزيئية أو الإثنوفارماكولوجية ، تم اقتراحها لتحديد الآثار الصحية المحتملة للمواد الكيميائية النباتية من العديد من المرشحين.
تركز المناهج الجزيئية على التشابه بين المواد الكيميائية النباتية والأدوية المعتمدة ، مثل التركيب الجزيئي ، وآليات الشبكة الجزيئية أو تشابه البروتين المستهدف ، للتنبؤ بالآثار المحتملة للمواد الكيميائية النباتية [ 12 ، 13 ، 14].
ومع ذلك ، تم تصميم هذه الأساليب للتنبؤ بالتأثير المحدد للمواد الكيميائية النباتية على أنماط ظاهرية معينة ، أو العكس. لذلك ، من الصعب تحليل الآثار الصحية الجهازية على جسم الإنسان.
بدلاً من ذلك ، تم تطوير بعض المناهج المستندة إلى المعرفة الإثنوغرافية الدوائية [ 15 ، 16 ، 17 ، 18].
ركزت هذه الدراسات فقط على المعلومات الإثنوفارماكولوجية كأداة أولية لاختيار النباتات أو المواد الكيميائية النباتية لمرض معين ، متبوعًا بالتحليل الجزيئي أو التقييم في المختبر.
على الرغم من أن هذه العملية مفيدة لتصفية المواد الكيميائية النباتية من عدد كبير من المرشحين ، إلا أن الإنتاجية لا تزال منخفضة لأن النباتات تحتوي على مئات من المواد الكيميائية النباتية. علاوة على ذلك ، من الصعب العثور على نباتات شديدة الارتباط بتأثير صحي معين ، نظرًا لأن شروط التأثير ترتبط ارتباطًا وثيقًا ببعضها البعض [ 19 ، 20].
على سبيل المثال ، عند استخراج النباتات المرتبطة بالتبول ، نحتاج إلى النظر في الأنماط الظاهرية المرتبطة بالتبول ، مثل عسر البول وحصى مجرى البول وتشوهات المسالك البولية ، لتحقيق نتائج أكثر صلة.
هذه المشاكل تجعل من الصعب إجراء تحليل واسع النطاق للمواد الكيميائية النباتية.
في هذه الدراسة ، قمنا بتطبيق تحليل سيليكو متكامل لتحديد الفوائد الصحية المحتملة للمواد الكيميائية النباتية.
أظهرت دراستنا السابقة أنه يمكن تحديد تأثيرات النمط الظاهري للأدوية من خلال التحقيق في تأثيرات الأدوية المنتشرة من شبكة جزيئية ، ورسم خرائط لهذه النتائج للأنماط الظاهرية [ 21].
لذلك ، استنتجنا الآثار الصحية المحتملة للمواد الكيميائية النباتية من خلال تكييف طريقتنا السابقة.
ومع ذلك ، لا يوفر هذا النهج معلومات مفصلة حول الآثار ، مثل ما إذا كانت مفيدة أو ضارة أو مرتبطة.
لحل هذه المشكلة ، استخدمنا الأدلة الإثنوغرافية للنباتات.
تتمثل فرضيتنا الأساسية في أنه إذا كان التأثير الصحي المتوقع لمادة كيميائية نباتية معينة يتفق مع الاستخدام العرقي للأدوية لعدد كبير من النباتات التي تحتوي على المادة الكيميائية النباتية ، فيمكننا أن نجادل بشكل معقول بأن تأثير المادة الكيميائية النباتية مفيد للصحة. لقياس الارتباط بين التأثيرات المتوقعة للمواد الكيميائية النباتية والأدلة الإثنوغرافية للنباتات ، قمنا بحساب التشابه الدلالي بين أزواج النمط الظاهري على شبكة نظام اللغة الطبية الموحدة (UMLS).
علاوة على ذلك، لقد درسنا الخصائص الكيميائية للمواد الكيميائية النباتية للتأكد مما إذا كانت متاحة بيولوجيًا عن طريق الفم ، أو عقاقير متاحة أو فعالة على أنسجة معينة.
أخيرًا ، استنتجنا الآثار الصحية لـ 591 مادة كيميائية نباتية لـ 3832 نمطًا ظاهريًا استنادًا إلى التحليل المتكامل للشبكة الجزيئية والخصائص الكيميائية والأدلة العرقية. عندما قمنا بتقييم النتائج ، وجدنا أن تنبؤاتنا تغطي العديد من النتائج التي تم الإبلاغ عنها في العمل السابق.
في الختام ، فإن حداثة طريقتنا هي ثلاثة أضعاف:
(1) إنها الأولى في طريقة السيليكو التي تحدد الآثار الصحية النظامية للمواد الكيميائية النباتية من خلال تحليل الخصائص الجزيئية والخصائص الكيميائية والأدلة الإثنية.
(2) يمكن إجراء التحليل واسع النطاق بناءً على المعلومات الجزيئية والظاهرية المتكاملة والمنظمة ؛
اذهب إلى:
2. المواد والأساليب
2.1. المواد
تم جمع معلومات حول المواد الكيميائية النباتية والتركيب الكيميائي للنباتات من KTKP [ 22 ] و TCMID [ 23 ] و FooDB [ 24 ]. تم جمع النباتات واستخداماتها العرقية من KTKP و TCMID و Kampo [ 25 ].تم جمع الأهداف الجزيئية للمواد الكيميائية النباتية من DrugBank وقاعدة بيانات توليفة الأدوية (DCDB) [ 26 ] وقاعدة بيانات الجينوميات السمية المقارنة (CTD) [ 27 ] و MATADOR [ 28 ] و STITCH [ 29 ] و TTD [ 30 ]] قواعد البيانات ، وجمعيات النمط الظاهري للجينات من قاعدة بيانات CTD.
تم الحصول على شبكة تفاعل البروتين البروتين (PPI) ، بما في ذلك 19093 عقدة و 270970 حافة ، من BioGrid الإصدار 3.4.136 [ 31 ] ونظام الارتباطات الموجهة بالسياق (CODA) [ 32 ]. تم جمع شبكة النمط الظاهري من UMLS في إصدار 2017AA [ 33]. يوفر UMLS معلومات متكاملة عن مختلف المصطلحات المتعلقة بالطب الحيوي. يعد Metathesaurus المكون الرئيسي لـ UMLS ، والذي يتم تنظيمه بواسطة مفاهيم طبية حيوية حيث يتم تعيين كل مفهوم متميز لمعرف فريد للمفهوم (CUI). لقد جمعنا CUIs ذات العلاقات الأوسع (RB) والأضيق (RN) والعلاقات الأخرى ذات الصلة (RO) بين 11 نوعًا من علاقات UMLS من قوائم المفاهيم ذات الصلة (File = MRREL.RRF) ، مما أدى إلى إجمالي 220،104 CUI و 663،018 علاقة.
بالنسبة لمجموعة المعايير الذهبية ، تم جمع الأدوية المشتقة من المواد الكيميائية النباتية من DrugBank الإصدار 4.3 [ 34 ]. تم جمع ارتباطات النمط الظاهري للأدوية من قواعد بيانات DrugBank و CTD و ClinicalTrials.gov [ 35 ] و DCDB من خلال استغلال أداة MetaMap لاستخراج المصطلحات المتعلقة بالنمط الظاهري [ 36 ]. باستخدام مدخلات مثل النص السردي ، تقوم MetaMap بإرجاع قائمة مرتبة بمفاهيم Metathesaurus المرتبطة بكل كلمة من نص الإدخال. من بين مفاهيم Metathesaurus المصنفة في الأنواع الدلالية ، استخدمنا مفاهيم Metathesaurus المخصصة لـ 20 نوعًا دلاليًا من 135 نوعًا دلاليًا ، والتي لها أنماط ظاهرية ذات صلة مثل "المرض أو المتلازمة" و "العلامة أو الأعراض" و "السمة السريرية" (الجدول 1).
الجدول 1
أنواع UMLS الدلالية المتعلقة بالتأثيرات الصحية. من بين 135 نوعًا دلاليًا ، تم اختيار الأنواع الدلالية العشرين التالية باعتبارها مرتبطة بالتأثيرات الصحية.اختصار | النوع الدلالي |
|---|---|
أكاب | اكتساب الشذوذ |
عناب | الشذوذ التشريحي |
بيوف | الوظيفة البيولوجية |
cgab | شذوذ خلقي |
كومد | خلل خلوي أو جزيئي |
dsyn | مرض أو متلازمة |
emod | النموذج التجريبي للمرض |
fndg | العثور على |
inpo | إصابة أو تسمم |
lbtr | نتيجة المختبر أو الاختبار |
مينب | عملية عقلية |
mobd | الخلل العقلي أو السلوكي |
نيوب | عملية الأورام |
باتف | الوظيفة المرضية |
phsf | الوظيفة الفسيولوجية |
سوزي | علامة أو أعراض |
clna | السمة السريرية |
القفزات | مادة خطرة أو سامة |
bpoc | جزء من الجسم أو عضو أو مكون عضو |
تيسو | الانسجة |
2.2. نظرة عامة على الطريقة
لقد صممنا خط أنابيب منهجي للتنبؤ بالفوائد الصحية المحتملة للمواد الكيميائية النباتية بناءً على الخصائص الجزيئية والكيميائية للمواد الكيميائية النباتية ، والأدلة الإثنوغرافية للنباتات التي تحتوي على المواد الكيميائية النباتية.بالنسبة لاستعلام الكيمياء النباتية ، تعمل الخوارزمية في ثلاث خطوات (شكل 1):
(1) استنتاج التأثيرات الصحية الشاملة للمواد الكيميائية النباتية عن طريق حساب التأثيرات المنتشرة على الشبكة الجزيئية وتصفية الأنماط الظاهرية المهمة إحصائيًا ؛
(2) تقصي التوافر البيولوجي على أساس الخصائص الفيزيائية والكيميائية والتأثيرات الفسيولوجية ؛
و (3) إيجاد الأدلة الإثنوغرافية.
شكل 1
خط أنابيب منهجي للتنبؤ بالآثار الصحية للمواد الكيميائية النباتية.
( أ ) تم الحصول على قيم النمط الظاهري لمادة كيميائية نباتية عن طريق حساب تأثيرات الانتشار على الشبكة الجزيئية.
في الشبكة الجزيئية ، تم إجراء السير العشوائي مع خوارزمية إعادة التشغيل (RWR) بناءً على أهداف مباشرة (نجمة) وأهداف غير مباشرة (مثلث) من مادة كيميائية نباتية ، حيث تظهر نتائج RWR كعقد ملونة.
استنادًا إلى ارتباطات النمط الظاهري الجيني ، يتم تعيين مجموعات قيم الجينات إلى الأنماط الظاهرية.
( ب ) تم حساب الخصائص الكيميائية لجميع المواد الكيميائية النباتية ، بما في ذلك الخصائص الفيزيائية والكيميائية والتأثيرات الفسيولوجية.
( ج) تم استخلاص النباتات المحتوية على المادة الكيميائية النباتية. لكل نبات مستخرج ، قمنا بحساب التشابه الدلالي بين التأثير الصحي المتوقع للكيماويات النباتية والتأثيرات الإثنوفارماكولوجية للنبات. للقيام بذلك ، قمنا ببناء شبكة نمط ظاهري وحساب أقصر مسار بين أزواج النمط الظاهري وعمق الطرز المظهرية. تم اختيار النباتات ذات درجة التشابه الأكبر من العتبة المحددة بواسطة المستخدم.
في دراستنا السابقة ، وجدنا أنه يمكن تحديد التأثيرات المظهرية للأدوية عن طريق حساب تأثيرات الأدوية المنتشرة على الشبكة الجزيئية [ 21 ]. طبقنا هذه الطريقة على المواد الكيميائية النباتية لاستنتاج آثارها الصحية الشاملة.
لهذا ، قمنا ببناء نواقل النمط الظاهري للمواد الكيميائية النباتية (PVPs). يحتوي كل ناقل على تأثيرات صحية أو مصطلحات متعلقة بالمرض لـ 3832 نمطًا ظاهريًا محددًا بواسطة عناوين الموضوعات الطبية (MeSH) والوراثة المندلية عبر الإنترنت في الإنسان (OMIM).
تم إنشاء PVPs من خلال الخطوات الثلاث التالية. في الخطوة الأولى ، تم حساب التأثيرات الكيميائية النباتية المنتشرة باستخدام خوارزمية السير العشوائي مع إعادة التشغيل (RWR) على الشبكة الجزيئية (شكل 1أ).
لا تقتصر تأثيرات المواد الكيميائية النباتية على الأهداف المباشرة ، ولكنها تنتشر بشكل أكبر لتتفاعل مع البروتينات. لذلك ، تم تخصيص القيم الأولية للشبكة الجزيئية للأهداف المعروفة والمستنبطة من المواد الكيميائية النباتية ، وتم حساب التأثيرات المنتشرة للمواد الكيميائية النباتية عن طريق تطبيق خوارزمية RWR.
وبالتالي ، فإن هذا النهج يعالج مشكلة العدد الصغير نسبيًا للأهداف المعروفة للمواد الكيميائية النباتية ، مقارنة بالعقاقير الاصطناعية.
في الخطوة الثانية ، تم حساب قيم النمط الظاهري من خلال الجمع بين التأثيرات الكيميائية النباتية المنتشرة بناءً على ارتباطات النمط الظاهري للجين. وفقًا لذلك ، يكون للطرز المظهرية قيم عالية عندما يرتبط الدواء مباشرة بالجينات المرتبطة بالنمط الظاهري أو عندما تكون أهداف الدواء قريبة من الجينات المرتبطة بالنمط الظاهري.
في الخطوة الثالثة ، تم إنشاء PVPs عن طريق تصفية الأنماط الظاهرية ذات الدلالة الإحصائية من القائمة المستنتجة للأنماط الظاهرية ، والتي تم حسابها من الخطوة الثانية.
ثم قمنا بحساب الخصائص الكيميائية ، بما في ذلك الخصائص الفيزيائية والكيميائية والتأثيرات الفسيولوجية ، للتنبؤ بالتوافر البيولوجي للمواد الكيميائية النباتية (شكل 1ب).
بناءً على هذه النتيجة ، وجدنا مواد كيميائية نباتية يمكن امتصاصها عن طريق الفم أو يمكن توصيلها إلى أنسجة معينة.
أخيرًا ، تم التحقيق في الأدلة الإثنية الدوائية للمواد الكيميائية النباتية (شكل 1ج).
للاستعلام عن الكيمياء النباتية ، وجدنا أولاً نباتات تحتوي على المادة الكيميائية النباتية.
ثم قمنا بحساب التشابه الدلالي بين الآثار الصحية المتوقعة للكيمياء النباتية والاستخدام العرقي للنباتات.
إذا كانت درجة التشابه الدلالي عالية بشكل ملحوظ ، فإننا نحدد أن الاستخدام العرقي للأدوية للنبات يرتبط ارتباطًا وثيقًا بالكيماويات النباتية.
هذه العملية ذات مغزى لأنها تشير إلى أن الأدلة الإثنية الدوائية يمكن أن تساعد في اختيار نتائج أكثر صلة.
أيضًا ، يمكن استخدامه كمعيار ترشيح إضافي.
نحن نقدم جميع الآثار الصحية المتوقعة ، والخصائص الكيميائية ، ودليل الاستخدام الإثنوفارماكولوجي للمواد الكيميائية النباتية ( البيانات التكميلية 1 والبيانات 2 ).
2.3 استنتاج الآثار الصحية للمواد الكيميائية النباتية على الشبكة الجزيئية
أنشأنا شبكة جزيئية بناءً على معلومات PPI وأجرينا خوارزمية RWR لاستقصاء التأثيرات المنتشرة للمواد الكيميائية النباتية. تحاكي RWR وحدة المشي العشوائية من العقد الأولية الخاصة بها وتنقل بشكل متكرر قيم العقدة إلى العقد المجاورة ، مع الاحتمالات المتناسبة مع أوزان الحواف المقابلة [ 37 ، 38].لتطبيق خوارزمية RWR ، قمنا بتعيين القيم الأولية لعقد البذور في الشبكة الجزيئية بناءً على المعلومات المستهدفة للمواد الكيميائية النباتية.
يمكن تقسيم المعلومات المستهدفة للمواد الكيميائية النباتية إلى مجموعتين: ارتباطات مباشرة وغير مباشرة.
تحتوي الارتباطات المباشرة على معلومات ملزمة بين المواد الكيميائية النباتية والبروتينات المستهدفة ، بينما تتضمن الارتباطات غير المباشرة تفاعلات ناتجة عن التغيرات في التعبير عن البروتين ، أو الفسفرة المستحثة بالمركب ، أو تأثيرات المستقلبات النشطة للمواد الكيميائية النباتية.
يجب أن تؤخذ المعلومات من كلا النوعين من الجمعيات في الاعتبار ، حيث يمكن تغيير النشاط البيولوجي للكيماويات النباتية من التفاعلات المعقدة داخل الشبكة الجزيئية ، وتكون معلومات الهدف الملزمة للمواد الكيميائية النباتية مخفية إلى حد كبير مقارنة بالعقاقير الاصطناعية.21 ، 27 ].
ثانيًا ، تم حساب احتمال الانتقال من عقدة إلى العقدة المجاورة. افترضنا أن احتمال الانتقال يمثل تأثيرات الدواء المنتشر على الشبكة الجزيئية.
يتم تعريف متجه احتمالية الانتقال لكل عقدة في الخطوة الزمنية t + 1 على أنها المعادلة التالية:
ص ( تي +1) = (1 - ص ) دبليو تي ص تي + ص ص 0
حيث يمثل r احتمالية إعادة تشغيل جهاز المشي العشوائي في كل خطوة زمنية ، مضبوطة على 0.7 في هذه الدراسة [ 38 ، 39 ، 40 ، 41 ]. يمثل W مصفوفة التقارب المقيسة للشبكة الجزيئية ، ويمثل p t متجه الاحتمال لكل عقدة عند الخطوة الزمنية t ، ويمثل p 0 متجه الاحتمال الأولي. تحاكي خوارزمية RWR جهاز المشي العشوائي حتى تصل جميع العقد إلى الحالة المستقرة ( p t +1 - p t <10 8). قمنا بعد ذلك بتعيين نتائج RWR للأنماط الظاهرية بناءً على ارتباطات النمط الظاهري للجينات.
في هذه الخطوة ، وجدنا جميع الجينات التي تمثل أهدافًا علاجية أو مؤشرات حيوية لأنماط ظاهرية معينة وقمنا بتعيين مجموع قيم هذه الجينات ، التي تم الحصول عليها من نتائج RWR ، إلى الأنماط الظاهرية المقابلة. من خلال هذه العملية ، حصلنا على قائمة بقيم النمط الظاهري لكل مادة كيميائية نباتية.
قيم النمط الظاهري هذه المحسوبة من تأثيرات الانتشار لا تمثل بالضرورة مدى العلاقة بين المادة الكيميائية النباتية والنمط الظاهري. حتى إذا كانت قيمة النمط الظاهري المحسوبة من تأثيرات الانتشار عالية ، فقد لا يعني ذلك أن المادة الكيميائية النباتية مرتبطة ارتباطًا وثيقًا بالنمط الظاهري. في الحالات التي يوجد فيها العديد من الجينات المرتبطة بالنمط الظاهري ، أو عندما يكون هناك عدد كبير من البروتينات المستهدفة لمادة كيميائية نباتية ، تزداد قيم النمط الظاهري بشكل عشوائي. للتغلب على هذه المشكلة ، أنشأنا PVPs عشوائية وقارناها بقائمة من قيم النمط الظاهري المستنتجة لاختيار الأنماط الظاهرية ذات القيم المهمة. تم إنشاء PVP عشوائي عن طريق التحديد العشوائي لأهداف مادة كيميائية نباتية من عدد ثابت من البروتينات المستهدفة. لكل كيميائي نباتي ، تم إنشاء 1000 PVPs عشوائية ، وأنماط ظاهرية مع التجربةتم اختيار قيمة p أقل من 0.01. تم حساب قيمة p من المعادلة التالية:
ع = ( ص + 1) / ( ن + 1)
حيث n هو عدد PVPs العشوائية و r هو عدد قيم PVP الأكبر من قيمة النمط الظاهري [ 42 ].
ثم تم استبدال القيم الأولية لـ PVPs بقيم ثنائية ، حيث يتم إعطاء القيمة الأولى فقط للقيم التي تحتوي على قيم p أقل من 0.01. من هذه العملية ، تم إنشاء PVPs ، التي تتكون من قيم ثنائية ، باستخدام أنماط ظاهرية ذات دلالة إحصائية مفلترة من عدد كبير من المرشحين المستنتج للتأثيرات الكيميائية النباتية.
2.4 حساب الخصائص الكيميائية للمواد الكيميائية النباتية
تم حساب الخصائص الكيميائية للمواد الكيميائية النباتية لتوفير فهم للخصائص الفيزيائية والكيميائية والتأثيرات الفسيولوجية (شكل 1ب). تشمل الخصائص الفيزيائية والكيميائية الوزن الجزيئي ، ولوغاريتم معامل تقسيم الماء أوكتانول (AlogP) ، والمتبرعين برابطة الهيدروجين ، ومتقبلات الرابطة الهيدروجينية ، وعدد الروابط القابلة للتدوير. تشمل التأثيرات الفسيولوجية الامتصاص المعوي البشري (HIA) ، ونفاذية Caco-2 ، ونفاذية الحاجز الدموي الدماغي (BBB) وقاعدة ليبينسكي المكونة من خمسة (RO5). من خلال الاستفادة من التأثيرات الفسيولوجية للمواد الكيميائية النباتية ، يمكننا التنبؤ بالأنشطة الوظيفية المختلفة للمركبات على جسم الإنسان. على سبيل المثال ، يمكننا التنبؤ بامتصاص المواد الكيميائية النباتية في الجسم الحي عبر جدار القناة الهضمية بناءً على نفاذية Caco-2 [ 43 ]. المواد الكيميائية النباتية مطلوبة لعبور BBB للحصول على وظيفة عصبية. في هذه الدراسة ، تم حساب قيم HIA و BBB مع عمل شين [ 44] ، بينما يتم حساب نفاذية Caco-2 من خلال نموذج العلاقة الكمية بالنشاط (QSAR) [ 45 ]. يتم حساب RO5 والخصائص الفيزيائية والكيميائية الأخرى باستخدام حاسبة واصف الكيمياء (CDK) [ 46 ].2.5 البحث عن استخدام الإثنوفارماكولوجي للمواد الكيميائية النباتية
لقد بحثنا في استخدام الأدوية الإثنية للنباتات لتقديم المزيد من الأدلة على الآثار الصحية المتوقعة للمواد الكيميائية النباتية. يتم وصف المعلومات الإثنوغرافية الدوائية ، مثل الفعالية أو المؤشرات التي تم جمعها في مقالات من المجلات العلمية ووثائق الطب التقليدي ، بشكل عام في النص السردي. علاوة على ذلك ، هناك ارتباطات معقدة بين الأنماط الظاهرية ، مثل المرادفات وأعراض الأمراض. لذلك ، من الصعب تحديد ما إذا كانت بعض الأدلة الإثنية الدوائية مرتبطة بالنمط الظاهري محل الاهتمام. لاستخراج النباتات التي تحتوي على أدلة عرقية دوائية للتأثيرات المتوقعة لمادة كيميائية نباتية ، (1) يجب استخراج مصطلحات النمط الظاهري وتركيبها من النص السردي ، و (2) يجب تحديد العلاقة المعقدة بين الأنماط الظاهرية. لحل هذه المشكلة،الشكل 2أ). بعد ذلك ، تم العثور على النباتات التي تحتوي على المادة الكيميائية النباتية التي تم الاستعلام عنها بناءً على معلومات قاعدة البيانات الخارجية (الشكل 2ب). بعد ذلك ، تم إنشاء شبكة النمط الظاهري بناءً على العلاقة الهرمية لـ UMLS [ 33 ] ، وتم حساب أوجه التشابه الدلالية بين الأنماط الظاهرية (الشكل 2ج). قد تؤدي العلاقة بين مفهومين عاميين للنمط الظاهري ، مثل الأورام وأمراض القلب والأوعية الدموية ، إلى اختلاف كبير بشكل معقول ، في حين أن وجود اختلاف بسيط بين مفهومين مرتبطين ارتباطًا وثيقًا مثل تضيق الشريان التاجي والتشنج الوعائي التاجي. يمكن أن يقيس التشابه الدلالي الترابط الكمي بين الصفات المظهرية من خلال النظر في مسافة وعمق الأنماط الظاهرية في الشبكة. طبقنا مقياس التشابه الدلالي الذي اقترحه Wu & Palmer (wup) وتم تعريفه على أنه [ 47 ]:سيم (ج1وج2)=2 × العمق ( l c s (ج1وج2) )مسار (ج1، l c s (ج1وج2) ) + المسار (ج2، l c s (ج1وج2) ) + 2 × عمق ( ل ج ث (ج1وج2) )
حيث lcs ( c 1 ، c 2 ) هو أدنى عنصر فرعي مشترك للمفاهيم c 1 و c 2. بناءً على هذه الطريقة ، يمكننا حساب المسافة بين التأثير المستنتج لمادة كيميائية نباتية والاستخدام الإثنوفارماكولوجي للنبات. في هذه الدراسة ، افترضنا أن زوج النمط الظاهري مرتبط بشدة عندما تكون درجة التشابه الدلالي أكبر من 0.8. لذلك ، قمنا بحساب أوجه التشابه الدلالي بين جميع الأزواج المحتملة للتأثيرات الصحية المتوقعة للتأثيرات الكيميائية النباتية والعرقية للنبات ، وتم اختيار النباتات ذات درجة التشابه الأكبر من 0.8. لقد أظهرنا أن نوع تأثير التأثيرات الصحية المتوقعة من المرجح أن يكون مفيدًا من خلال التحقيق في الأدلة على استخدام الأدوية الإثنية للنباتات بناءً على التشابه الدلالي.
الشكل 2
نظرة عامة على نتائج الاستخدام الإثنوفارماكولوجي للمواد الكيميائية النباتية. ( أ ) من قواعد البيانات العامة ، قمنا بجمع الأدلة الإثنوغرافية من النباتات الطبية. ثم استخرجنا المصطلحات المرتبطة بالنمط الظاهري من النص السردي للمعلومات التي تم جمعها من خلال تطبيق أداة MetaMap. ( ب ) بالنسبة إلى مادة كيميائية نباتية مشكوك فيها ، تم استخراج النباتات التي تحتوي على المادة الكيميائية النباتية. ( ج) لكل نبات مستخرج ، قمنا بتعيين آثاره الإثنوفارماكولوجية على الشبكة المظهرية (الدائرة الزرقاء). بعد ذلك ، قمنا بحساب أوجه التشابه الدلالي بين جميع الأزواج المحتملة للتأثيرات الصحية المتوقعة للمواد الكيميائية النباتية والتأثيرات العرقية للأدوية للنبات. في هذا المثال ، التشابه الدلالي بين السكتة الدماغية والنخر هو 0.57 ، بناءً على معادلة التشابه الدلالي ، لأن عمق lcs هو 2 ، وأقصر طول للمسار بين nephrosis و lcs هو 1 وأقصر طول مسار بين ضربة و lcs هو 2 تم اختيار نباتات ذات درجة تشابه أكبر من 0.8.
اذهب إلى:
3. النتائج
3.1. الآثار الصحية المستنتجة للمواد الكيميائية النباتية
من قواعد البيانات العامة ، تمكنا من جمع معلومات عن 2136 مادة كيميائية نباتية موجودة في 1212 مصنعًا. ومع ذلك ، فإن المعلومات الخاصة بالتراكيب الكيميائية كانت متاحة فقط لـ 512 مادة كيميائية نباتية (23.9٪) ، بينما كان الهدف الجزيئي معروفًا لـ 591 منها فقط (27.6٪). ومن ثم ، توقعنا الآثار الصحية المحتملة لـ 591 مادة كيميائية نباتية من خلال التحقيق في آثارها المنتشرة على الشبكة الجزيئية بناءً على معلومات الهدف الجزيئي ورسم خرائط التأثيرات على الأنماط الظاهرية. من النتائج ، تم التنبؤ بمتوسط 415.6 ± 27.3 (فاصل الثقة = 0.95) من الآثار الصحية لكل مادة كيميائية نباتية (الشكل 3). نظرًا لوجود العديد من التأثيرات الصحية المرشحة في تحليل الشبكة الجزيئية ، وأنواع تأثيرها التفصيلي غير معروفة ، فقد قمنا بالتحقيق في التقاطع بين التأثيرات الصحية المتوقعة للمواد الكيميائية النباتية والاستخدام العرقي للنبات الذي يحتوي على المواد الكيميائية النباتية. أشارت النتائج إلى أن 31٪ من الآثار الصحية المتوقعة كان لها دليل إثنوفارماكولوجي (129.1 من أصل 415.6 تأثير صحي).
الشكل 3
توزيع عدد التأثيرات الصحية المتوقعة. توزيع عدد التأثيرات الصحية المتوقعة عن طريق تحليل الشبكة الجزيئية (مؤامرة الكمان الأحمر). متوسط الآثار الصحية المتوقعة هو 415.6 ± 27.3. بعد ذلك ، درسنا التقاطع بين الآثار الصحية المتوقعة للمواد الكيميائية النباتية والاستخدام العرقي للأدوية للنبات الذي يحتوي على المواد الكيميائية النباتية. توزيع عدد الآثار الصحية المتوقعة من خلال تحليل الشبكة الجزيئية ودليل الاستخدام العرقي (مؤامرة الكمان الأزرق). متوسط الآثار الصحية المتوقعة هو 129.1 ± 11.4.
بعد ذلك ، تم تأكيد التأثيرات الفسيولوجية للمواد الكيميائية النباتية (الجدول 2). للقيام بذلك ، قمنا بالتحقيق في نفاذية RO5 و HIA و Caco-2 ونفاذية BBB لـ 512 مادة كيميائية نباتية ( البيانات التكميلية 2 ). على سبيل المثال ، وجد أن 446 مادة كيميائية نباتية تلبي 5 ريال عماني. بالإضافة إلى ذلك ، تم التأكد من أن 401 مادة كيميائية نباتية تفي بكل من RO5 و HIA.
الجدول 2
عدد المواد الكيميائية النباتية التي ترضي RO5 و HIA و Caco-2 و BBB. كما قمنا بدراسة عدد المواد الكيميائية النباتية التي تحقق أثرين فسيولوجيين. | 5 ريال عماني | مطار حمد الدولي | كاكو -2 | BBB |
|---|---|---|---|---|
5 ريال عماني | 446 | 401 | 280 | 365 |
مطار حمد الدولي | | 482 | 330 | 407 |
كاكو -2 | | | 335 | 303 |
BBB | | | | 428 |
3.2 تقييم الأداء
تتنبأ طريقتنا بالآثار الصحية المحتملة للمواد الكيميائية النباتية من التحليل المتكامل ( البيانات التكميلية 1 ). المعلومات الأساسية المستخدمة في مثل هذا التنبؤ هي التأثيرات المنتشرة للمواد الكيميائية النباتية التي تم الحصول عليها من الشبكة الجزيئية. لذلك ، قمنا بتقييم أداء التنبؤ من خلال حساب الدقة ( p ) واستعادة قيم ( r ) [ 48]. للقيام بذلك ، قمنا بجمع المعلومات التي تم التحقق من صحتها تجريبياً كمجموعة إيجابية قياسية ذهبية. تم استخدام المؤشرات من DrugBank كمجموعة للتأثيرات العلاجية ، بينما تم استخدام المعلومات من مورد الآثار الجانبية (SIDER) على أنها تلك الخاصة بالآثار الجانبية. علاوة على ذلك ، نظرًا لأن المعلومات عن المواد الكيميائية النباتية محدودة لبنك الأدوية و SIDER ، قمنا أيضًا بجمع التأثيرات المحتملة المحتملة من CTD كمجموعة إيجابية للمعيار الفضي لمعالجة عدد كبير من المواد الكيميائية النباتية.في التنبؤ بالتأثيرات الكيميائية النباتية ، يعد انحراف الطبقة الكبيرة والتغيرات الكبيرة في توزيعات الفئات أمرًا شائعًا ، لأن المجموعة السلبية غير متوفرة. لذلك ، استبعدت العديد من الدراسات المجموعات الإيجابية ذات المعيار الذهبي من جميع الآثار الصحية المحتملة واستخدمت الباقي كمجموعة سلبية قياسية ذهبية [ 49 ، 50 ، 51 ]. لمعرفة التأثير الناتج عن انحراف الفئة ، قمنا بحساب الدقة للنسب الإيجابية / السلبية المختلفة لتقييم أداء الدقة في الانحراف المختلف لمجموعات البيانات (الجدول 3) [ 52 ]. للقيام بذلك ، أنشأنا مجموعة سلبية عن طريق أخذ عينات عشوائي دون استبدال ارتباطات الكيمياء النباتية والنمط الظاهري بنسب مختلفة. في كل نسبة ، تم إنشاء المجموعة السلبية عشر مرات ، وتم تقييم الأداء لكل حالة عن طريق حساب متوسط النتائج. علاوة على ذلك ، نظرًا لأننا نتوقع متوسط 415.6 تأثيرًا صحيًا محتملاً لكل مادة كيميائية نباتية ، فإن الدقة منخفضة جدًا ( ص= 0.006 ± 0.001 و 0.049 ± 0.010 على التوالي). هذا أمر طبيعي ، لأن الإجابة الصحيحة في DrugBank أو SIDER ليست سوى جزء بسيط من جميع الآثار الصحية للمواد الكيميائية النباتية. لذلك ، قمنا بتقييم أداء الدقة من خلال ضبط الانحراف بين المجموعة الإيجابية والسلبية ، وأكدنا أن تحليل الشبكة الجزيئية يتنبأ بالتأثيرات الصحية بدقة عالية. بعد ذلك ، تحققنا من أداء الاستدعاء. من بين 270 تأثيرًا علاجيًا لـ 61 مادة كيميائية نباتية ، غطت طريقتنا 191 نمطًا ظاهريًا ( r = 0.738 ± 0.062). وبالمثل ، بالنسبة للتنبؤ بالتأثيرات الجانبية ، غطت طريقتنا 1059 نمطًا ظاهريًا من إجمالي 1784 نمطًا ظاهريًا من 60 مادة كيميائية نباتية ( r ).= 0.576 ± 0.061). في التنبؤ المحتمل بتأثير المرشح ، غطت طريقتنا 119،233 نمطًا ظاهريًا من بين إجمالي 136،862 نمطًا ظاهريًا لـ 453 مادة كيميائية نباتية ( r = 0.909 ± 0.011). بشكل عام ، يُظهر التنبؤ بالآثار الصحية من خلال تحليل الشبكة الجزيئية أداءً جيدًا.
الجدول 3
دقة واستدعاء أداء تحليل الشبكة الجزيئية في التنبؤ بالآثار العلاجية والآثار الجانبية والتأثيرات المرشحة المحتملة. | انحراف | التأثيرات العلاجية | آثار جانبية | المرشحون المستنتجون |
|---|---|---|---|---|
دقة | 1: 1 | 0.921 ± 0.032 | 0.922 ± 0.021 | 0.942 ± 0.005 |
1:10 | 0.518 ± 0.059 | 0.432 ± 0.040 | 0.706 ± 0.013 | |
الجميع | 0.006 ± 0.001 | 0.049 ± 0.010 | 0.522 ± 0.022 | |
اعد الاتصال | الجميع | 0.738 ± 0.062 | 0.576 ± 0.061 | 0.909 ± 0.011 |
بعد ذلك ، قمنا بمقارنة أداء التنبؤ مع الأدلة الإثنوغرافية الصيدلانية وبدونها (الجدول 4). للنظر في الأدلة الإثنية الدوائية ، تم تصفية الآثار الصحية المتوقعة بناءً على وجود الاستخدام الدوائي العرقي للنبات الذي يحتوي على المادة الكيميائية النباتية. أظهرت النتائج أن أداء الدقة يزداد عند النظر في الأدلة الإثنية الدوائية ، من حيث التنبؤ العلاجي ( p = 0.014 ± 0.003) والتأثيرات المرشحة المحتملة ( p .= 0.563 ± 0.059). ومن المثير للاهتمام أننا وجدنا أن قيمة الدقة للتنبؤ بالآثار الجانبية قد انخفضت لأننا استخدمنا فقط معلومات حالة الاستخدام العلاجي في الدليل الإثنوفارماكولوجي. يشير هذا إلى أن الأدلة الإثنية الدوائية تساعد في التمييز بين أنواع تأثيرات المواد الكيميائية النباتية ، مثل الآثار العلاجية أو الجانبية ، والتي تعد أحد عيوب تحليل الشبكة الجزيئية.
الجدول 4
الدقة في أداء الطريقة ، والتي تستخدم تحليل الشبكة الجزيئية ودليل الاستخدام العرقي في التنبؤ بالآثار العلاجية والآثار الجانبية والتأثيرات المرشحة المحتملة.انحراف | التأثيرات العلاجية | آثار جانبية | المرشحون المستنتجون |
|---|---|---|---|
1: 1 | 0.941 ± 0.035 | 0.761 ± 0.033 | 0.948 ± 0.014 |
1:10 | 0.541 ± 0.069 | 0.319 ± 0.055 | 0.732 ± 0.037 |
الجميع | 0.014 ± 0.003 | 0.025 ± 0.005 | 0.563 ± 0.059 |
أخيرًا ، أكدنا تحسين الأداء باستخدام الخواص الكيميائية. نظرًا لأن المواد الكيميائية النباتية يجب أن تمر عبر BBB لتنظيم وظيفة نشطة عصبيًا ، قمنا بمقارنة أداء التنبؤ بالاضطراب العصبي للمجموعتين المستقلتين عن طريق اختيار المواد الكيميائية النباتية بناءً على نفاذية BBB. من النتائج ، وجدنا أن قيم الدقة والاستدعاء للمجموعة التي تعبر BBB ( p = 0.611 ± 0.046 ، r = 0.725 ± 0.033) أعلى بكثير من المجموعة التي لا تعبر BBB ( p = 0.312 ± 0.052 ، ص = 0.558 ± 0.042). بشكل عام ، تشير نتائجنا إلى أن التحليل المتكامل يمكن أن يتنبأ بالفوائد الصحية للمواد الكيميائية النباتية بشكل أكثر دقة من التحليل باستخدام المعلومات الفردية.
3.3 التحقق من صحة الأدب الخارجي
في هذا القسم ، نهدف إلى تقديم تقييمات أداء إضافية باستخدام مجموعة البيانات الخارجية التي لم يتم استخدامها في طريقة التنبؤ الخاصة بنا. قمنا بتقييم موثوقية نتائج تنبؤاتنا التي تمثل ارتباطات كيميائية نباتية ونمط ظاهري عن طريق التحقق من تكرار التواجد المشترك للمواد الكيميائية النباتية والأنماط الظاهرية في ملخص PubMed. افتراضنا الأساسي هنا هو أنه إذا توقعت طريقتنا ارتباطات موثوقة ، فإن تلك الارتباطات الكيميائية النباتية سيكون لها احتمالية أكبر للتواجد المشترك في الدراسات السابقة مقارنة بجمعيات النمط الظاهري الكيميائي النباتي العشوائية. لذلك ، قمنا بعمل مجموعتين مستقلتين بناءً على التأثيرات الصحية المتوقعة للمواد الكيميائية النباتية. أولاً ، تم إنشاء مجموعة الارتباط المتوقعة عن طريق اختيار جمعيات النمط الظاهري الكيميائي النباتي ، والتي تم توقعها على أنها إيجابية من خلال التحليل الجزيئي ، توافر الشفوي والأدلة العرقية. ثانيًا ، بالنسبة لعنصر التحكم ، تم إنشاء مجموعة الارتباط العشوائية عن طريق أخذ عينات عشوائية من نفس عدد العينات من جمعيات النمط الظاهري الكيميائي النباتي ، بدون مجموعة الارتباط المتوقعة المذكورة أعلاه.استخدمنا 13.200.786 ملخصًا في PubMed تم نشرها في الفترة من 1950 إلى 2013 للتحقق من صحة الأدبيات الخارجية. بالنسبة للتأثيرات الصحية الكيميائية النباتية المتوقعة ، قمنا بحساب التكرارات المشتركة لمصطلحات النمط الظاهري الكيميائي النباتي ( ن ج ) من ملخصات PubMed ، وحسبنا مؤشر جاكارد (JI) ، وأجرينا اختبار فيشر الدقيق ( ن ص ) ومعدل الاكتشاف الخاطئ (FDR). ) اختبار ( ن ف ) (الجدول 5). أجرينا أيضًا اختبار Mann-Whitney U وقمنا بحساب قيم p المقابلة للتحقق من الاختلاف الإحصائي للأدلة الأدبية بين مجموعتي الارتباط المتنبأ بهما والعشوائي [ 53 ]. اعتبرت قيمة p لاختبار Mann-Whitney U أقل من 0.05 ذات دلالة إحصائية.
الجدول 5
تم إجراء التحقق من صحة الأدب من خلال مقارنة التواجد المشترك ومؤشر Jaccard وقيم الاختبار الدقيقة لـ Fisher بين مجموعات الارتباط المتوقعة والعشوائية. تم حساب الدلالة الإحصائية بواسطة p -value لاختبار Mann-Whitney U. | التواجد المشترك | مؤشر جاكارد | ف القيمة 1 | ف - القيمة 2 |
|---|---|---|---|---|
مجموعة الارتباط المتوقعة | 1.25 | 1.8 × 10 4 | 2984 | 1341 |
مجموعة رابطة عشوائية | 0.09 | 9.5 × 10 −6 | 612 | 274 |
اختبار Mann-Whitney U ، p -value | <0.001 | <0.001 | <0.001 | <0.001 |
1 عدد جمعيات التأثيرات الصحية الكيميائية النباتية التي تفي بالقيمة p لاختبار فيشر الدقيق أقل من 0.001. 2 عدد جمعيات الآثار الصحية الكيميائية النباتية التي تفي بقيمة q لاختبار FDR أقل من 0.05.
تم حساب قيمة التواجد المشترك عن طريق حساب عدد ملخصات PubMed حيث كانت المادة الكيميائية النباتية والنمط الظاهري المقابل لها في نفس الجملة. كان متوسط عدد التواجد المشترك لمجموعة الارتباط المتوقعة ( n c = 1.25) أكبر 13.8 مرة من مجموعة الارتباط العشوائية ( n c = 0.09). أيضًا ، قمنا بتطبيع قيمة التواجد المشترك بواسطة مؤشر Jaccard لتصحيح الاختلافات في تواتر المواد الكيميائية النباتية والأنماط الظاهرية [ 54 ]. للقيام بذلك ، قمنا أيضًا بحساب قيمة التكرار ( n o) عن طريق حساب عدد مستخلصات PubMed التي تحتوي على كليهما أو أحدهما من مادة كيميائية نباتية أو نمط ظاهري. لكل ارتباط من النمط الظاهري الكيميائي النباتي ، تم حساب مؤشر Jaccard بقسمة n c على n o . على سبيل المثال ، افترض أننا قمنا بحساب مؤشر Jaccard لزوج النمط الظاهري الكيميائي النباتي "كيرسيتين - السكتة الدماغية". إذا كان هناك 50 ملخصًا يذكر كلاً من الكيرسيتين والسكتة وكان هناك 200 ملخص يذكر أحدهما أو كليهما ، فإن قيمة مؤشر Jaccard لهذا الزوج ستكون 0.25. من النتائج ، كان متوسط قيمة مؤشر Jaccard لمجموعة الارتباط المتوقعة (JI = 1.8 × 10 −4 ) أعلى بمقدار 18.9 مرة من مجموعة الارتباط العشوائي (JI = 9.5 × 10 6). علاوة على ذلك ، أجرينا اختبار فيشر الدقيق للعثور على الارتباطات المهمة ( p -value <0.001). للحصول على قيمة اختبار فيشر لكل ارتباط ، قمنا بحساب عدد ملخصات PubMed بناءً على ما إذا كانت تتضمن التأثير الكيميائي النباتي والتأثير الصحي المستهدف. تشير النتائج إلى أن عدد الارتباطات المهمة لمجموعة الارتباط المتوقعة ( n p = 2984) كان أعلى بـ 4.8 مرة من مجموعة الارتباط العشوائية ( n p = 612). ومع ذلك ، عندما يتم تقييم عدد كبير من الارتباطات ، تظهر مشكلات اختبار متعددة وتؤدي إلى العديد من النتائج الإيجابية الخاطئة. لذلك ، أجرينا أيضًا اختبار FDR ووجدنا ارتباطات ترضي قيمة q أقل من 0.05 [ 55]. تشير النتائج إلى أن عدد الجمعيات التي تفي بمعايير q -value من مجموعة الارتباط المتوقعة ( n q = 1341) كان أعلى بـ 4.9 مرة من مجموعة الارتباط العشوائية ( n q = 274). بالإضافة إلى ذلك ، أشارت قيم p -values لاختبار Mann-Whitney U إلى أن الاختلاف في أدلة الأدبيات بين مجموعات الارتباط المتوقعة والعشوائية كان كبيرًا. أظهرت هذه النتائج أنه يمكن استخدام طريقتنا كأداة لتحديد الآثار الصحية للمواد الكيميائية النباتية.
3.4. دراسات الحالة
لتوضيح إمكانات هذه الخوارزمية بشكل أكبر في العثور على المواد الكيميائية النباتية ذات التأثيرات الطبية المحتملة ضد أمراض معينة ، اخترنا عددًا قليلاً من المواد الكيميائية النباتية ، مثل الكولين والأيزوكيرسترين والنياسين ، كمواضيع في دراسة الحالة حول ما إذا كان هناك دليل على فوائدها الصحية. بادئ ذي بدء ، توقعت طريقتنا أن الكولين يمكن أن يكون فعالًا ضد 1151 نمطًا ظاهريًا ، مثل ارتفاع ضغط الدم والأمراض العصبية ونقص المناعة. من بين هؤلاء ، تم دعم 515 نمطًا ظاهريًا بأدلة عرقية دوائية. من هذه القائمة ، تم اختيار أفضل 10 أنماط ظاهرية مع أكثر أدلة استخدام الأدوية الإثنية. بعد ذلك ، بحثنا يدويًا من خلال قاعدة بيانات ClinicalTrials.gov للتحقق مما إذا كانت قد أجريت أي تجارب سريرية بخصوص هذه الأنماط الظاهرية باستخدام الكولين. ومن المثير للاهتمام،ن هـ = 48 ، رتبة = 2). كانت التجربة الأولى بواسطة شركة Daewoong Pharmaceutical Co. LTD. في عام 2016 ، حيث تم تصميم الدراسة لاختبار فعالية الكولين الفوسفات على التحسينات المعرفية للمرضى الذين يعانون من إصابات الأوعية الدموية الدماغية في مرض الزهايمر. إلى جانب هذه الدراسة ، هناك العديد من الدراسات على الحيوانات [ 56 ، 57 ] وتجربة سريرية أخرى تدعم المكمل الغذائي للكولين للوقاية المحتملة من الخرف وفقدان الذاكرة [ 58]. كانت التجربة الثانية المتعلقة بالاضطرابات العصبية من قبل مستشفى جامعة سيول الوطنية في عام 2013 ، حيث ركزت الدراسة على الضعف الإدراكي لمرضى ما بعد السكتة الدماغية الذين عولجوا بمادة الكولين الفوسيرات. مثل هذا النهج للضرر المعرفي مع مكمل الكولين مدعوم أيضًا بدراسات مختلفة على الحيوانات [ 59 ، 60 ] وتجربة سريرية [ 61 ]. على الرغم من أن المرء قد يدعي أن نطاق مصطلح "اضطراب عصبي" يغطي نطاقًا واسعًا من الأنماط الظاهرية ، فمن المهم ملاحظة أن الأنماط الظاهرية المحددة للتجارب السريرية المذكورة أعلاه ، وهي مرض الزهايمر ( n e = 31 ، رتبة = 81 ) والضعف الإدراكي ( n e= 3 ، رتبة = 419) ، كانت أيضًا على قائمة الأنماط الظاهرية المستهدفة المحتملة للكولين. علاوة على ذلك ، كانت هناك أيضًا تجربة سريرية للمرحلة الرابعة للألم ( ن = 44 ، رتبة = 6) من قبل جامعة كولومبيا في عام 2016 ، حيث خطط الباحثون لدراسة آثار تناول الكولين لتقليل الألم بعد الجراحة. تم اقتراح التأثيرات المضادة للألم للكولين مع العديد من الدراسات التي أجريت على الحيوانات في الجسم الحي أيضًا [ 62 ، 63 ].يمكن أيضًا العثور على الدليل الذي يوضح فعالية الخوارزمية في إيجاد تأثيرات المواد الكيميائية النباتية على الأنماط الظاهرية المحتملة في المادتين الكيميائيتين النباتيتين الأخريين - isoquercitrin و niacin - أيضًا. تم تنظيم نتائج دراسات الحالة هذه ، جنبًا إلى جنب مع نتائج الكولين ، فيالجدول 6. في كل حالة ، يمكن ملاحظة أنه ، بالنسبة للأنماط الظاهرية التي وجد أن لها علاقة محتملة عالية مع الكيمياء النباتية ، كانت هناك تجارب سريرية ذات صلة ، وكثير منها بالفعل في المرحلة الثالثة أو الرابعة. نظرًا لأن الخوارزمية التي تمت مناقشتها في هذه الورقة تتفق مع الاستنتاجات من التجارب والتجارب السريرية المذكورة أعلاه ، فمن الممكن أن نرى بوضوح أن الخوارزمية يمكن أن توفر رؤى مثمرة ومعقولة حول العلاقات العلاجية المحتملة بين المواد الكيميائية النباتية والأمراض ذات الأهمية.
الجدول 6
ملخص الأدلة التي تشير إلى الآثار الصحية المحتملة للمواد الكيميائية النباتية النموذجية: isoquercitrin ، النياسين والكولين.فيتوتشيميكال | الآثار الصحية المحتملة | مرتبة | ن ه | التجارب السريرية (المرحلة) | الدراسات النموذجية (بميد) |
|---|---|---|---|---|---|
الكولين | اضطراب عصبي | 2 | 48 | - | - |
مرض الزهايمر | 81 | 31 | NCT02648906 (المرحلة 4) | 12787861 ، 15647594 12637119 ، 7913981 | |
الضعف الادراكي | 419 | 3 | NCT01363648 (المرحلة 4) | 21195433 ، 19304299 26366063 ، 23403474 | |
الم | 6 | 44 | NCT00720343 (المرحلة 4) | 15780465 ، 19372354 ، 16942753 ، 29082318 | |
إيزوكيرسترين | ارتفاع ضغط الدم | 2 | 64 | NCT01691404 (لا ينطبق) | 20134098 ، 25460361 17951477 ، 16636461 |
تجلط الدم | 10 | 56 | NCT02195232 (المرحلة 2 ، 3) | 12854360 ، 15234778 20148891 ، 20626032 | |
النياسين | مرض عصبي | 2 | 128 | - | - |
مرض الشلل الرعاش | 59 | 65 | NCT03462680 (لا ينطبق) | 26273459 ، 25455298 26988916 ، 18381761 | |
حالة القلب | 7 | 117 | NCT00120289 (المرحلة 3) NCT00000599 (المرحلة 3) | 28057839 ، 23916935 28927896 ، 10924076 | |
أمراض الأوعية الدموية | 9 | 113 | - | - | |
أمراض القلب والأوعية الدموية | 20 | 105 | NCT00715273 (المرحلة 4) NCT02003638 (لا ينطبق) | 3295315 ، 19159436 15258194 ، 24641964 |
اذهب إلى:
4. مناقشة
في هذه الدراسة ، قدمنا تحليلًا متكاملًا للتنبؤ بالفوائد الصحية للمواد الكيميائية النباتية. من خلال التحقيق في التأثيرات المنتشرة لـ 591 مادة كيميائية نباتية في الشبكة الجزيئية ، استنتجنا الآثار الصحية المحتملة لتلك المواد الكيميائية النباتية لـ 3832 نمطًا ظاهريًا. بالنسبة لجميع المواد الكيميائية النباتية ، قمنا بفحص الخصائص الفيزيائية والكيميائية والفسيولوجية المختلفة ، مثل HIA ، ونفاذية Caco-2 ، ونفاذية BBB و RO5 ، بحيث يمكن استخدام النتائج في دراسات أخرى ، مثل التوافر الحيوي عن طريق الفم ، وتوافر الأدوية وخصوصية الأنسجة. علاوة على ذلك ، قدمنا أدلة على استخدام الأدوية الإثنية للنباتات لدعم الآثار الصحية المتوقعة. جمعت الأدوية العشبية معلومات عن النباتات الطبية لآلاف السنين.64 و 65 و 66]. لذلك ، دعمنا نتائجنا من خلال التحقيق فيما إذا كانت التأثيرات الصحية المتوقعة للمواد الكيميائية النباتية موجودة أيضًا في الاستخدام العرقي للأدوية للنباتات التي تحتوي على المواد الكيميائية النباتية. على سبيل المثال ، عندما نبحث عن مواد كيميائية نباتية فعالة ضد الاضطرابات العصبية ، نتحقق أولاً من 3832 من الآثار الصحية المتوقعة للمواد الكيميائية النباتية التي تم استنتاجها من تحليل الشبكة الجزيئية. بعد ذلك ، نختار المواد الكيميائية النباتية ذات التأثيرات الفسيولوجية الإيجابية لنفاذية RO5 و BBB. أخيرًا ، يمكننا العثور على مواد كيميائية نباتية مرشحة للاضطرابات العصبية من خلال التحقق مما إذا كانت المواد الكيميائية النباتية تحتوي على أدلة عرقية دوائية للاضطرابات العصبية. كشف تقييم الأداء أن دقة التنبؤات باستخدام جميع أنواع المعلومات الثلاثة معًا كانت أفضل من تلك التي تستخدم كل نوع فردي. يمكن أن يُعزى هذا التحسين إلى كيفية قيام كل نوع من المعلومات بسد فجوة المحتوى الخاصة ببعضها البعض. يمكن الحصول على مرشحين للتأثيرات الصحية من خلال تحليل بسيط للشبكة الجزيئية ، ولكن النتائج كانت ستعتمد على معلومات ذات فجوتين رئيسيتين للدراسات الدوائية المناسبة: خصوصية الأنسجة والتنبؤ بنوع التأثير. من خلال النظر في الخصائص الفسيولوجية للكيماويات النباتية في الخوارزمية ، أصبح من الممكن النظر في خصوصية الأنسجة ، وبالتالي تحسين التنبؤ الكلي. وبالمثل ، فإن استخدام الأدلة الإثنية الدوائية سمح بالتغلب على عيب كبير في تحليل الشبكة الجزيئية ، وهو أن التنبؤ لا يأخذ في الاعتبار أنواع التأثيرات. تساعد أنواع التأثيرات ، مثل الآثار العلاجية أو الجانبية من التجربة ، على تضييق التأثيرات الطبية المحتملة للمواد الكيميائية النباتية على جسم الإنسان.يتم تسليط الضوء على قوة هذه الخوارزمية بشكل أكبر من خلال توضيح أن هناك العديد من التجارب السريرية عميقة بالفعل في المراحل الثالثة أو الرابعة التي تبحث في الآثار المحتملة للمواد الكيميائية النباتية المختارة على أنماطها الظاهرية المتوقعة. هذا يعني أنه يمكن استخدام الخوارزمية للتنبؤ بفعالية بالأهداف المحتملة للمواد الكيميائية النباتية والعكس صحيح. أيضا ، هذا يوضح إمكانات التطبيق للطريقة المقترحة. وبالتالي ، من المتوقع أن تتحسن الإنتاجية في مثل هذه الدراسات عن الآثار الطبية.
هناك اعتبارات إضافية قد تحسن طريقتنا. أولاً ، على الرغم من أن هذه الدراسة استخدمت الاستخدام العرقي للأدوية للنباتات كمعلومات مهمة لتحليل تأثيرات المواد الكيميائية النباتية ، إلا أننا لم نأخذ في الاعتبار التأثيرات المركبة للمواد الكيميائية النباتية. نظرًا لأن النباتات تتكون من العديد من المواد الكيميائية النباتية ، غالبًا ما تنتج التأثيرات الدوائية للنباتات عن الإجراءات المشتركة للعديد من المواد الكيميائية النباتية ، بالإضافة إلى الإجراءات الفردية للمواد الكيميائية النباتية. ومع ذلك ، فإن هذه المشكلة معقدة للغاية نظرًا لأن عدد التركيبات المرشحة قد زاد بشكل كبير مع زيادة عدد المواد الكيميائية النباتية المدروسة. ثانيًا ، لا تؤخذ جرعة المواد الكيميائية النباتية في الاعتبار في الطريقة ، على الرغم من أن الآثار الصحية يمكن أن تختلف باختلاف كمية المواد الكيميائية المأخوذة. حتى الآن،67 ، 68 ]. أخيرًا ، المعرفة الحالية للمواد الكيميائية النباتية محدودة ، وبالتالي يمكن تحليل نسبة صغيرة فقط من المواد الكيميائية النباتية [ 69 ]. في هذه الدراسة ، نأخذ في الاعتبار 591 مادة كيميائية نباتية فقط ، نظرًا لأن المعلومات المتعلقة بالتركيب الكيميائي والأهداف الجزيئية للمواد الكيميائية النباتية مخفية في الغالب. ومع ذلك ، يمكن أن تؤخذ هذه القيود في الاعتبار لمزيد من التجارب أو تحسين الأساليب الحسابية. مع هذه التحسينات الإضافية ، يمكن استخدام طريقتنا كأداة فحص في السيليكو لتوفير قائمة من الآثار الصحية للمواد الكيميائية النباتية بطريقة فعالة من حيث التكلفة.
اذهب إلى:
5. الاستنتاجات
حددت هذه الدراسة الفوائد الصحية للمواد الكيميائية النباتية من خلال استخدام الخصائص الكيميائية النباتية المختلفة ، بما في ذلك الخواص الجزيئية والكيميائية ، إلى جانب الأدلة الإثنوغرافية. استنادًا إلى التأثيرات المعروفة والمستنبطة من مجموعات البيانات القياسية الذهبية والفضية ، أكدنا أن الآثار الصحية للمواد الكيميائية النباتية يمكن التنبؤ بها بنجاح بتغطية عالية. نعتقد أن تحديد الفوائد الصحية المحتملة للمواد الكيميائية النباتية قد يكون عاملاً رئيسيًا لتقديم مزيد من الأفكار حول اكتشاف الأدوية أو الأطعمة الوظيفية.اذهب إلى:
شكر وتقدير
نشكر زملائنا من معمل نظام المعلومات الحيوية (BISL) الذين قدموا البصيرة والخبرة التي ساعدت بشكل كبير في البحث ، على الرغم من أنهم قد لا يتفقون مع جميع التفسيرات / الاستنتاجات الواردة في هذه الورقة.اذهب إلى:
المواد التكميلية
ما يلي متاح على الإنترنت على http://www.mdpi.com/2072-6643/10/8/1042/s1 ، البيانات التكميلية 1: الآثار الصحية المتوقعة للمواد الكيميائية النباتية ، البيانات التكميلية 2: الخصائص الكيميائية للمواد الكيميائية النباتية.انقر هنا للحصول على ملف بيانات إضافي. (68 ميجا ، مضغوط)
اذهب إلى:
الكاتب الاشتراكات
صمم SY و DL هذا البحث. أجرى SY التجارب والتحليل. أجرى KK دراسات الحالة. قدم KK و HN تعليقات تعمل على تحسين أجزاء المقدمة والطريقة. كتب SY و DL الورقة. أشرف HN و DL على هذا العمل.اذهب إلى:
التمويل
تم دعم هذا العمل من قبل مشروع أبحاث التآزر الحيوي (NRF-2012M3A9C4048758) التابع لوزارة العلوم وتكنولوجيا المعلومات والاتصالات من خلال مؤسسة الأبحاث الوطنية.اذهب إلى:
تضارب المصالح
الكتاب تعلن أي تضارب في المصالح.اذهب إلى:
مراجع
1. Lee KW ، Bode AM ، Dong Z. الأهداف الجزيئية للمواد الكيميائية النباتية للوقاية من السرطان. نات. القس السرطان. 2011 ؛ 11:11 . دوى: 10.1038 / nrc3017. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]2. González-Vallinas M. ، González-Castejón M. ، Rodríguez-Casado A. ، Ramírez de Molina A. المواد الكيميائية النباتية الغذائية في الوقاية من السرطان وعلاجه: نهج تكميلي مع وجهات نظر واعدة. نوتر. القس 2013 ؛ 71 : 585-599. دوى: 10.1111 / nure.12051. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
3. Upadhyay S. ، Dixit M. دور البوليفينول والمواد الكيميائية النباتية الأخرى في التأشير الجزيئي. أكسدة. ميد. خلية. لونجيف. 2015 ؛ 2015 : 1-15. دوى: 10.1155 / 2015/504253. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
4. Budisan L. ، Gulei D. ، Zanoaga OM ، Irimie AI ، Chira S. ، Braicu C. ، Gherman CD ، Berindan-Neagoe I. التدخل الغذائي بواسطة المواد الكيميائية النباتية ودورها في تعديل الجينات المشفرة وغير المشفرة في السرطان. كثافة العمليات جيه مول. علوم. 2017 ؛ 18 : 1178. دوى: 10.3390 / ijms18061178. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
5. Probst YC، Guan VX، Kent K. المدخول الكيميائي النباتي الغذائي من الأطعمة والنتائج الصحية: بروتوكول مراجعة منهجية وتحديد النطاق الأولي. BMJ مفتوح. 2017 ؛ 7 : e013337. دوى: 10.1136 / بمجوبين -20113337. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
6. الفوائد الصحية Liu RH للفواكه والخضروات هي من التوليفات المضافة والتآزرية من المواد الكيميائية النباتية. أكون. J. كلين. نوتر. 2003 ؛ 78 : 517S-520S. دوى: 10.1093 / ajcn / 78.3.517S. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
7. Mursu J. ، Virtanen JK ، Tuomainen T.-P. ، Nurmi T. ، Voutilainen S. أكون. J. كلين. نوتر. 2013 ؛ 99 : 328 - 333. دوى: 10.3945 / ajcn.113.069641. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
8. Kruk J. العلاقة بين تناول الخضار والفاكهة والكربوهيدرات وخطر الإصابة بسرطان الثدي فيما يتعلق بالنشاط البدني. باك الآسيوية. J. السرطان السابق. 2014 ؛ 15 : 4429-4436. دوى: 10.7314 / APJCP.2014.15.11.4429. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
9. Neto CC Cranberry والمواد الكيميائية النباتية الخاصة به: مراجعة للدراسات المضادة للسرطان في المختبر. نوتر. 2007 ؛ 137 : 186S – 193S. دوى: 10.1093 / jn / 137.1.186S. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
10. Aiyelaagbe O. ، Adeniyi B. ، Fatunsin O. ، Arimah B. في النشاط المضاد للميكروبات في المختبر والتحليل الكيميائي النباتي لجذور الجاتروفا كركاس. كثافة العمليات فارماكول. 2007 ؛ 3 : 106 - 110. [ الباحث العلمي من Google ]
11. Broadhurst CL ، Polansky MM ، Anderson RA نشاط بيولوجي يشبه الأنسولين من المستخلصات المائية للطهي والنباتات الطبية في المختبر. J. أجريك. الغذاء تشيم. 2000 ؛ 48 : 849-852. دوى: 10.1021 / jf9904517. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
12. Kibble M.، Saarinen N.، Tang J.، Wennerberg K.، Mäkelä S.، Aittokallio T. Network Pharmacology Applications لتعيين المساحة المستهدفة غير المستكشفة والإمكانيات العلاجية للمنتجات الطبيعية. نات. همز. مندوب .2015 ؛ 32 : 1249-1266. دوى: 10.1039 / C5NP00005J. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
13. Tao W. ، Xu X. ، Wang X. ، Li B. ، Wang Y. ، Li Y. ، Yang L. شبكة التنبؤ القائم على علم الأدوية للمكونات النشطة والأهداف المحتملة لصيغة curcumae الصينية العشبية للتطبيق على أمراض القلب والأوعية الدموية. ياء إثنوفارماكول. 2013 ؛ 145 : 1-10. دوى: 10.1016 / j.jep.2012.09.051. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
14. Rampogu S. ، Rampogu Lemuel M. نهج قائم على الشبكة في تأسيس العلاقة بين داء السكري من النوع 2 ومضاعفاته على المستوى الجزيئي مقرونًا بآلية الالتحام الجزيئي. بيوميد الدقة. كثافة العمليات 2016 ؛ 2016 : 6068437. دوى: 10.1155 / 2016/6068437. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
15. Kisseih E. ، Lechtenberg M. ، Petereit F. ، Sendker J. ، Zacharski D. ، Brandt S. ، Agyare C. ، Hensel A. Phytochemical Characterization and in vitro Germ healingivity of paper extract from combretum mucronatum schum. & ثون: بروسيانيدينات قليلة القسيمات كمحفزات قوية للتمايز الخلوي. ياء إثنوفارماكول. 2015 ؛ 174 : 628-636. [ PubMed ] [ الباحث العلمي من Google ]
16. Tiwary BK ، Bihani S. ، Kumar A. ، Chakraborty R. ، Ghosh R. النشاط السام للخلايا في المختبر للنباتات العرقية-الدوائية الهامة في منطقة دارجيلنغ في غرب البنغال ضد سلالات الخلايا السرطانية البشرية المختلفة. تكملة BMC. بديل. ميد. 2015 ؛ 15:22 . دوى: 10.1186 / s12906-015-0543-5. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
17. Salgueiro AC ، Folmer V. ، da Rosa HS ، Costa MT ، Boligon AA ، Paula FR ، Roos DH ، Puntel GO في المختبر وفي أنشطة مضادات الأكسدة والسيليكو السمية لأشيروكلين satureioides. ياء إثنوفارماكول. 2016 ؛ 194 : 6-14. دوى: 10.1016 / j.jep.2016.08.048. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
18. Agyare C. ، Spiegler V. ، Sarkodie H. ، Asase A. ، Liebau E. ، Hensel A. جزء من غانا. ياء إثنوفارماكول. 2014 ؛ 158 : 255–263. دوى: 10.1016 / j.jep.2014.10.029. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
19. Ewen-Campen B. ، Mohr SE ، Hu Y. ، Perrimon N. الوصول إلى فجوة النمط الظاهري: تمكين التحقيق المنهجي في التعقيد الوظيفي paralog مع crispr. ديف. خلية. 2017 ؛ 43 : 6-9. دوى: 10.1016 / j.devcel.2017.09.020. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
20. Mungall CJ ، Gkoutos GV ، Smith CL ، Haendel MA ، Lewis SE ، Ashburner M. دمج الأنطولوجيا النمط الظاهري عبر الأنواع المتعددة. جينوم بيول. 2010 ؛ 11 : م 2. دوى: 10.1186 / جيجابايت-2010-11-1-r2. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
21. يو إس ، نوه ك. ، شين إم ، بارك جي ، لي كيه- إتش ، نام إتش ، لي دي في تحديد سمات التأثيرات الجهازية للأدوية للتنبؤ بالتفاعلات غير المتوقعة. علوم. مندوب .2018 ؛ ٨ : ١٦١٢. دوى: 10.1038 / s41598-018-19614-5. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
22. كتكة. [(تم الاطلاع عليه في 13 أبريل / نيسان 2017)] ؛متاح على الإنترنت: http://www.Koreantk.Com/
23. Xue R. ، Fang Z. ، Zhang M. ، Yi Z. ، Wen C. ، Shi T. Tcmid: قاعدة بيانات تكاملية للطب الصيني التقليدي لتحليل الآلية الجزيئية للأعشاب. الدقة الأحماض النووية. 2012: 1089-1095. دوى: 10.1093 / nar / gks1100. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
24. Fooddb. [(تم الاطلاع عليه في 4 فبراير 2017)] ؛متاح على الإنترنت: http://foodb.Ca/
25. كامبو. [(تم الاطلاع عليه في 14 فبراير / شباط 2017)] ؛متاح على الإنترنت: http://kampo.Ca/
26. Liu Y.، Wei Q.، Yu G.، Gai W.، Li Y.، Chen X. Dcdb 2.0: تحديث رئيسي لقاعدة بيانات توليفة الأدوية. قاعدة البيانات. 2014 ؛ 2014 : bau124. دوى: 10.1093 / قاعدة البيانات / bau124. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
27. Davis AP، King BL، Mockus S.، Murphy CG، Saraceni-Richards C.، Rosenstein M.، Wiegers T.، Mattingly CJ قاعدة بيانات علم الجينوميات المقارن: Update 2011. Nucleic Acids Res. 2011 ؛ 39 : D1067-D1072. دوى: 10.1093 / nar / gkq813. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
28. Günther S.، Kuhn M.، Dunkel M.، Campillos M.، Senger C.، Petsalaki E.، Ahmed J.، Urdiales EG، Gewiess A.، Jensen LJ Supertarget and matador: Resources for استكشاف العلاقات بين العقاقير المستهدفة . الدقة الأحماض النووية. 2008 ؛ 36 : D919-D922. دوى: 10.1093 / nar / gkm862. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
29. Kuhn M. ، Szklarczyk D. ، Pletscher-Frankild S. ، Blicher TH ، von Mering C. ، Jensen LJ ، Bork P. Stitch 4: تكامل البروتين - التفاعلات الكيميائية مع بيانات المستخدم. الدقة الأحماض النووية. 2013 ؛ 42 : D401 - D407. دوى: 10.1093 / nar / gkt1207. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
30. Zhu F.، Shi Z.، Qin C.، Tao L.، Liu X.، Xu F.، Zhang L.، Song Y.، Liu X.، Zhang J. Therapeutic target database update 2012: A source for تسهيل اكتشاف الأدوية الموجه نحو الهدف. الدقة الأحماض النووية. 2011 ؛ 40 : D1128 – D1136. دوى: 10.1093 / nar / gkr797. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
31. Chatr-Aryamontri A.، Breitkreutz B.-J.، Oughtred R.، Boucher L.، Heinicke S.، Chen D.، Stark C.، Breitkreutz A.، Kolas N.، O'Donnell L. قاعدة بيانات التفاعل: تحديث 2015. الدقة الأحماض النووية. 2015 ؛ 43 : D470-D478. دوى: 10.1093 / nar / gku1204. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
32. Hwang W. ، Hwang Y. ، Lee S. ، Lee D. محاكاة متعددة المقاييس قائمة على القاعدة لتحليل مسار تأثير الدواء. BMC Med. المشاة. ديسيس. تحضير. 2013 ؛ 13 : S4. دوى: 10.1186 / 1472-6947-13-S1-S4. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
33. Bodenreider O. نظام اللغة الطبية الموحد (umls): دمج المصطلحات الطبية الحيوية. الدقة الأحماض النووية. 2004 ؛ 32 : D267-D270. دوى: 10.1093 / nar / gkh061. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
34. Law V.، Knox C.، Djoumbou Y.، Jewison T.، Guo AC، Liu Y.، Maciejewski A.، Arndt D.، Wilson M.، Neveu V. Drugbank 4.0: إلقاء ضوء جديد على استقلاب الدواء. الدقة الأحماض النووية. 2014 ؛ 42 : D1091-D1097. دوى: 10.1093 / nar / gkt1068. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
35. زارين دا ، تسي ت. ، ويليامز آر جيه ، كاليف آر إم ، إيدي إن سي ، التجارب السريرية. قاعدة بيانات نتائج الحكومة — التحديث والقضايا الرئيسية. نيو إنجل. جيه ميد. 2011 ؛ 364 : 852 - 860. دوى: 10.1056 / NEJMsa1012065. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
36. Aronson AR، Lang F.-M. نظرة عامة على metamap: منظور تاريخي والتطورات الحديثة. جيه. ميد. المشاة. مساعد. 2010 ؛ 17 : 229-236. دوى: 10.1136 / الجامع .2009.002733. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
37. كوهلر س ، باور س ، هورن د ، روبنسون بي إن المشي في التفاعل لتحديد أولويات جينات المرض المرشحة. أكون. جيه هوم. جينيه. 2008 ؛ 82 : 949-958. دوى: 10.1016 / j.ajhg.2008.02.013. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
38. Li Y. ، Patra JC على مستوى الجينوم استنتاج العلاقة بين النمط الظاهري للجين من خلال السير على الشبكة غير المتجانسة. المعلوماتية الحيوية. 2010 ؛ 26 : 1219-1224. دوى: 10.1093 / المعلوماتية الحيوية / btq108. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
39. Blatti C. ، Sinha S. توصيف مجموعات الجينات باستخدام مسارات عشوائية تمييزية مع إعادة تشغيل الشبكات البيولوجية غير المتجانسة. المعلوماتية الحيوية. 2016 ؛ 32 : 2167-2175. دوى: 10.1093 / المعلوماتية الحيوية / btw151. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
40. Zhao Z.-Q. ، Han G.-S. ، Yu Z.-G. ، Li J. Laplacian تطبيع والمشي العشوائي على شبكات غير متجانسة لتحديد أولويات الجينات المرضية. حاسوب. بيول. تشيم. 2015 ؛ 57 : 21-28. دوى: 10.1016 / j.compbiolchem.2015.02.008. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
41. Li Y. ، Li J. في تحديد الجينات المرضية عن طريق المشي العشوائي على مخططات متعددة تدمج بيانات الجينوم والنمط الظاهري غير المتجانسة. جينوم BMC. 2012 ؛ 13 : ق 27. دوى: 10.1186 / 1471-2164-13-S7-S27. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
42. شام بي سي ، بورسيل إس إم اختبار القدرة الإحصائية والأهمية في الدراسات الجينية واسعة النطاق. نات. القس جينيه. 2014 ؛ 15 : 335–346. دوى: 10.1038 / nrg3706. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
43. Artursson P.، Karlsson J. العلاقة بين امتصاص الدواء عن طريق الفم في البشر ومعاملات نفاذية الدواء الظاهرة في الخلايا الظهارية المعوية البشرية (caco-2). بيوتشيم. بيوفيز. الدقة. كومون. 1991 ؛ 175 : 880 - 885. دوى: 10.1016 / 0006-291X (91) 91647-U. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
44. Shen J.، Cheng F.، Xu Y.، Li W.، Tang Y. تقدير خصائص adme مع التعرف على نمط البنية التحتية. J. كيم. المشاة. نموذج. 2010 ؛ 50 : 1034-1041. دوى: 10.1021 / ci100104j. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
45. Pham The H.، González-lvarez I.، Bermejo M.، Mangas Sanjuan V.، Centelles I.، Garrigues TM، Cabrera-Pérez M.Á. في التنبؤ بالسيليكو لنفاذية خلية caco-2 من خلال نهج تصنيف qsar. مول. يخبر. 2011 ؛ 30 : 376-385. دوى: 10.1002 / minf.201000118. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
46. Guha R. Cdk Descriptor Calculator Gui. [(تم الاطلاع عليه في 1 يناير 2018)] ؛ 2006 متاح على الإنترنت: http://www.rguha.net/code/java/cdkdesc.html
47. Wu Z.، Palmer M. دلالات الأفعال والاختيار المعجمي؛ وقائع الاجتماع السنوي الثاني والثلاثين حول جمعية اللغويات الحاسوبية ؛ سترودسبورغ ، بنسلفانيا ، الولايات المتحدة الأمريكية. 27 يونيو 1994 ؛ ص 133 - 138. [ الباحث العلمي من Google ]
48. تقييم الصلاحيات DM: من الدقة والاستدعاء والتدبير f إلى Roc والإعلام والعلامة والارتباط. [(تم الاطلاع عليه في 1 مايو 2018)] ؛ 2011 متاح على الإنترنت: http://hdl.handle.net/2328/27165
49. Huang J.، Niu C.، Green CD، Yang L.، Mei H.، Han J.-DJ التنبؤ المنهجي للتفاعلات الدوائية الدوائية بين الأدوية من خلال شبكة تفاعل البروتين البروتين. PLoS Comput. بيول. 2013 ؛ 9 : e1002998. دوى: 10.1371 / journal.pcbi.1002998. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
50. Gottlieb A.، Stein GY، Oron Y.، Ruppin E.، Sharan R. Indi: إطار حسابي لاستنتاج التفاعلات الدوائية والتوصيات المرتبطة بها. مول. النظام. بيول. 2012 ؛ ٨ : ٥٩٢. دوى: 10.1038 / msb.2012.26. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
51. Li P. ، Huang C. ، Fu Y. ، Wang J. ، Wu Z. ، Ru J. ، Zheng C. ، Guo Z. ، Chen X. ، Zhou W. . المعلوماتية الحيوية. 2015 ؛ 31 : 2007-2016. دوى: 10.1093 / المعلوماتية الحيوية / btv080. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
52. Jeni LA، Cohn JF، De La Torre F. مواجهة البيانات غير المتوازنة - توصيات لاستخدام مقاييس الأداء؛ وقائع مؤتمر جمعية Humaine 2013 الحوسبة العاطفية والتفاعل الذكي (ACII) ؛ جنيف ، سويسرا. 2-5 سبتمبر 2013 ؛ ص 245 - 251. [ مقالة مجانية عن PMC ] [ PubMed ] [ الباحث العلمي من Google ]
53. Mann HB، Whitney DR في اختبار ما إذا كان أحد متغيرين عشوائيين أكبر بشكل عشوائي من الآخر. آن. رياضيات. ستات. 1947 ؛ 18 : 50-60. دوى: 10.1214 / aoms / 1177730491. [ CrossRef ] [ الباحث العلمي من Google ]
54. إيك نيوجيرسي ، والتمان ل. كيف يمكن تطبيع بيانات التكرار؟ تحليل لبعض مقاييس التشابه المعروفة. J. Assoc. يخبر. علوم. تكنول. 2009 ؛ 60 : 1635–1651. دوى: 10.1002 / عاصي .21075. [ CrossRef ] [ الباحث العلمي من Google ]
55. Benjamini Y. ، Hochberg Y. التحكم في معدل الاكتشاف الخاطئ: نهج عملي وقوي للاختبار المتعدد. جيه آر ستات. شركة سر. ب الطريقة. 1995 ؛ 57 : 289 - 300. [ الباحث العلمي من Google ]
56. Teather LA، Wurtman RJ Dietary cytidine (5 ′) - مكملات diphosphocholine تحمي من تطور عجز الذاكرة في الجرذان المسنة. بروغ. نيورو سيكوفارماكول. بيول. الطب النفسي. 2003 ؛ 27 : 711-717. دوى: 10.1016 / S0278-5846 (03) 00086-1. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
57. Teather LA، Wurtman RJ Dietary cdp-choline مكملات تمنع ضعف الذاكرة الناجم عن الظروف البيئية الفقيرة في الفئران. يتعلم. ميم. 2005 ؛ 12 : 39-43. دوى: 10.1101 / lm.83905. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
58. Moreno MDJM التحسن المعرفي في الخرف الخفيف إلى المتوسط من مرض الزهايمر بعد العلاج باستخدام سلائف أستيل كولين الفوسيرات: تجربة عشوائية متعددة المراكز ، مزدوجة التعمية ، عشوائية ، مضبوطة بالغفل. كلين. هناك. 2003 ؛ 25 : 178–193. دوى: 10.1016 / S0149-2918 (03) 90023-3. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
59. Tayebati SK ، Tomassoni D. ، Di Stefano A. ، Sozio P. ، Cerasa LS ، Amenta F. تأثير الفسفوليبيدات المحتوية على مادة الكولين على ناقلات الدماغ الكولينية في الفئران. J. نيورول. علوم. 2011 ؛ 302 : 49-57. دوى: 10.1016 / j.jns.2010.11.028. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
60. Tayebati SK ، Di Tullio MA ، Tomassoni D. ، Amenta F. التأثير الوقائي للعلاج بالغالانتامين والكولين الفوسفات على التشريح المجهري للدماغ في الجرذان التي تعاني من ارتفاع ضغط الدم تلقائيًا. J. نيورول. علوم. 2009 ؛ 283 : 187-194. دوى: 10.1016 / j.jns.2009.02.349. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
61. Cotroneo AM، Castagna A.، Putignano S.، Lacava R.، Fantò F.، Monteleone F.، Rocca F.، Malara A.، Gareri P. فعالية وسلامة السيتيكولين في ضعف الإدراك الوعائي المعتدل: دراسة الفكرة . كلين. تدخل. شيخوخة. 2013 ؛ ٨ : ١٣١. دوى: 10.1016 / j.jalz.2013.08.031. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
62. Wang Y.، Su D.-M.، Wang R.-H.، Liu Y.، Wang H. Antinociceptive effects of choline ضد الآلام الحادة والالتهابات. علم الأعصاب. 2005 ؛ 132 : 49-56. دوى: 10.1016 / j.neuroscience.2004.12.026. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
63. Gurun MS ، Parker R. ، Eisenach JC ، Vincler M. تأثير cdp-choline المعطى محيطيًا في نموذج الألم الالتهابي الحاد: دور مستقبلات الأسيتيل كولين النيكوتين α7. أنست. أنالج. 2009 ؛ 108 : 1680–1687. دوى: 10.1213 / ane.0b013e31819dcd08. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
64. Yuan H.، Ma Q.، Ye L.، Piao G. الطب التقليدي والطب الحديث من المنتجات الطبيعية. جزيئات. 2016 ؛ 21 : 559. دوى: 10.3390 / جزيئات 21050559. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
65. Qi Z. ، Kelley E. استراتيجية منظمة الصحة العالمية للطب التقليدي 2014-2023: منظور. علوم. 2014 ؛ 346 : S5 – S6. [ الباحث العلمي من Google ]
66. Dai S.-X.، Li W.-X.، Han F.-F.، Guo Y.-C، Zheng J.-J.، Liu J.-Q.، Wang Q.، Gao Y .-D. ، Li G.-H. ، Huang J.-F. في تحديد السيليكو للمركبات والنباتات المضادة للسرطان من قاعدة بيانات الطب الصيني التقليدي. علوم. مندوب .2016 ؛ 6 : 25462. دوى: 10.1038 / srep25462. [ مقالة مجانية عن PMC ] [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
67. Ahmad SU ، Shuid AN ، Isa NM مضادات الأكسدة والمضادة للالتهابات الأنشطة من marantodes pumilum (blume) kuntze وعلاقتها بالمحتوى الكيميائي النباتي. Rec. نات. همز. 2018 ؛ 12 : 518. دوى: 10.25135 / rnp.58.17.11.188. [ CrossRef ] [ الباحث العلمي من Google ]
68. هان سي ، مولر أ ، كونيرت إن ، ألباخ د . J. أجريك. الغذاء تشيم. 2016 ؛ 64 : 3215 - 3225. دوى: 10.1021 / acs.jafc.6b01000. [ PubMed ] [ CrossRef ] [ الباحث العلمي من Google ]
69. Shahidi F.، Naczk M.، Griffiths W. Food phenolics: Sources، Chemistry، effects، Applications. اتجاهات علوم الغذاء. تكنول. 1996 ؛ 7 : 243. [ الباحث العلمي من Google ]
الملخص
الشاي هو المشروب الأكثر استخدامًا في جميع أنحاء العالم. يشرب اليابانيون والصينيون الشاي منذ قرون ، وفي آسيا ، يعتبر الشاي أكثر المشروبات استهلاكًا إلى جانب الماء. إنه مصدر غني للجزيئات النشطة صيدلانيًا والتي تورطت في توفير فوائد صحية متنوعة. الأشكال الثلاثة الرئيسية للشاي هي الشاي الأخضر والأسود والشاي الصيني الاسود بناءً على درجة التخمير. يختلف تكوين الشاي باختلاف الأنواع والمواسم والأوراق والمناخ وممارسات البستنة. البوليفينول هي المركبات النشطة الرئيسية الموجودة في الشاي. تعتبر الكاتيكين من المركبات الرئيسية التي تحتوي على مادة البوليفينول في الشاي الأخضر ، والتي تشمل إيبيغالوكاتشين -3 جالاتي (EGCG) ، ويبيغالوكاتشين ، ويبيكاتشين -3-جالاتي ، ويبيكاتشين ، وجالوكاتشين ، وجالوكاتشين جالاتي. EGCG هو الكاتشين السائد والأكثر دراسة في الشاي الأخضر. هناك العديد من الأدلة من زراعة الخلايا والدراسات الحيوانية على أن بوليفينول الشاي له آثار مفيدة ضد العديد من الأمراض المرضية بما في ذلك السرطان والسكري وأمراض القلب والأوعية الدموية. تشتمل مركبات البوليفينول الموجودة في الشاي الأسود على ثيافلافين وثيروبيجين. في مقالة المراجعة هذه ، سنلخص الدراسات الحديثة التي توثق دور بوليفينول الشاي في الوقاية من السرطان والسكري وأمراض القلب والأوعية الدموية والأمراض العصبية.استكشاف إمكانات الفلافونويد القائمة على الشاي الأسود ضد الاضطرابات المرتبطة بفرط شحميات الدم
يؤدي تناول الشاي الغني بمضادات الاكسدة إلى انخفاض الدهون في الجسم و LDL المعدل بالمالونديالديهايد عند الرجال
المكملات المضادة للأكسدة والوفيات
الفلافونويد الغذائية وأمراض القلب والأوعية الدموية: تحليل تلوي شامل للاستجابة للجرعة
الفلافونويد كعوامل مضادة للسمنة: مراجعة
علاقة الاستجابة للجرعة بين استهلاك الشاي وخطر الإصابة بأمراض القلب والأوعية الدموية والوفيات الناجمة عن جميع الأسباب: مراجعة منهجية وتحليل تلوي للدراسات القائمة على السكان
استهلاك الشاي وخطر الإصابة بأمراض القلب الإقفارية
استهلاك الشاي الأسود وتركيز الكوليسترول في الدم: مراجعة منهجية وتحليل تلوي للتجارب المعشاة ذات الشواهد
تأثير تناول الشاي الأسود على تركيزات الكوليسترول في الدم لدى الأفراد المصابين بفرط كوليسترول الدم الخفيف: تجربة عشوائية مضبوطة في النظام الغذائي
تأثير النظام الغذائي على ميكروبيوم الأمعاء وانعكاساته على صحة الإنسان
تأثير البوليفينول الغذائي على صحة الأمعاء والجراثيم
يرتبط ارتفاع استهلاك الشاي بانخفاض خطر الإصابة بسكتة دماغية صغيرة
استهلاك القهوة والشاي وخطر الإصابة بالسكتة الدماغية والخرف وخرف ما بعد السكتة الدماغية: دراسة جماعية في البنك الحيوي في المملكة المتحدة
جولات CDC الكبرى: استراتيجيات الصحة العامة لمنع وعلاج السكتات الدماغية
تقديرات الصحة العالمية: متوسط العمر المتوقع والأسباب الرئيسية للوفاة والعجز
تأثير مكملات الشاي الأسود على ضغط الدم: مراجعة منهجية وتحليل تلوي للاستجابة للجرعة للتجارب المعشاة ذات الشواهد
يؤدي تناول الشاي الغني بمضادات الاكسدة إلى انخفاض الدهون في الجسم و LDL المعدل بالمالونديالديهايد عند الرجال
المكملات المضادة للأكسدة والوفيات
الفلافونويد الغذائية وأمراض القلب والأوعية الدموية: تحليل تلوي شامل للاستجابة للجرعة
الفلافونويد كعوامل مضادة للسمنة: مراجعة
علاقة الاستجابة للجرعة بين استهلاك الشاي وخطر الإصابة بأمراض القلب والأوعية الدموية والوفيات الناجمة عن جميع الأسباب: مراجعة منهجية وتحليل تلوي للدراسات القائمة على السكان
استهلاك الشاي وخطر الإصابة بأمراض القلب الإقفارية
استهلاك الشاي الأسود وتركيز الكوليسترول في الدم: مراجعة منهجية وتحليل تلوي للتجارب المعشاة ذات الشواهد
تأثير تناول الشاي الأسود على تركيزات الكوليسترول في الدم لدى الأفراد المصابين بفرط كوليسترول الدم الخفيف: تجربة عشوائية مضبوطة في النظام الغذائي
تأثير النظام الغذائي على ميكروبيوم الأمعاء وانعكاساته على صحة الإنسان
تأثير البوليفينول الغذائي على صحة الأمعاء والجراثيم
يرتبط ارتفاع استهلاك الشاي بانخفاض خطر الإصابة بسكتة دماغية صغيرة
استهلاك القهوة والشاي وخطر الإصابة بالسكتة الدماغية والخرف وخرف ما بعد السكتة الدماغية: دراسة جماعية في البنك الحيوي في المملكة المتحدة
جولات CDC الكبرى: استراتيجيات الصحة العامة لمنع وعلاج السكتات الدماغية
تقديرات الصحة العالمية: متوسط العمر المتوقع والأسباب الرئيسية للوفاة والعجز
تأثير مكملات الشاي الأسود على ضغط الدم: مراجعة منهجية وتحليل تلوي للاستجابة للجرعة للتجارب المعشاة ذات الشواهد
