تلفیق هم‌افزایانه لیپوزوم‌ها با فناوری‌های نوظهور برای کاربردهای غذایی

پیام‌رسان‌های عصبی (نوروترانسمیترها) مانند دوپامین و سروتونین، پیام‌رسان‌های شیمیایی ضروری برای عملکرد طبیعی مغز هستند و عدم تعادل آن‌ها با چندین اختلال روانی و تحلیل‌برنده عصبی (نورودژنراتیو) مرتبط دانسته شده است. هدف از مطالعه حاضر، شناسایی ترکیبات طبیعی حاصل از گیاهان زعفران (Crocus sativus L.) و رزماری (Rosmarinus officinalis L.) با پتانسیل ضد افسردگی یا ضد تحلیل‌برندگی عصبی جهت کاربردهای درمانی آتی، به‌عنوان جایگزینی ایمن‌تر و مقرون‌به‌صرفه نسبت به داروهای سنتزی (مصنوعی) است. برای دستیابی به این هدف، مجموعه‌ای از مطالعات محاسباتی (in silico) انجام شد. ترکیبات گیاهی (Phytoconstituents) مربوط به زعفران و رزماری از پایگاه داده IMPPAT 2.0 استخراج شدند و توصیف‌گرهای آن‌ها (Descriptors) با استفاده از نرم‌افزار PaDEL-Descriptor تولید گردید. لیگاند‌هایی با مقادیر XlogP بین ۱.۵ تا ۲.۷ انتخاب شدند و با گیرنده دوپامین D2 (DRD2) انجام داکینگ (اتصال مولکولی) شدند. از پایگاه داده Swiss Target Prediction برای شناسایی اهداف احتمالی برترین ترکیب یافت‌شده در مطالعه داکینگ استفاده شد. همچنین از ابزار DAVID برای آنالیز غنی‌سازی مسیرهای KEGG و هستی‌شناسی ژن (Gene Ontology) استفاده گردید. مشخص شد که کمفرول (Kaempferol) و DMAC-3,8 از گیاه زعفران و سیرسی‌ماریتین (Cirsimaritin) از گیاه رزماری، آگونیست‌های بالقوه گیرنده دوپامین D2 هستند؛ چرا که اتصال قوی آن‌ها به گیرنده D2، مشابه با یک داروی آگونیست استاندارد بود. مدل‌های یادگیری ماشین، مقادیر IC₅₀ را با دقت بالا پیش‌بینی کردند، در حالی که آنالیز مسیرهای دو ترکیب پیشرو (کمفرول و سیرسی‌ماریتین)، آن‌ها را به برخی فرآیندهای کلیدی محافظت‌کننده عصبی (Neuroprotective) مرتبط ساخت که نشان‌دهنده پتانسیل آن‌ها در مقابله با افسردگی و سایر اختلالات تحلیل‌برنده عصبی است.

Neurotransmitters such as dopamine and serotonin are chemical messengers essential for normal brain function, and their imbalance has been linked to several mental and neurodegenerative disorders. The present study aims to identify natural compounds from Crocus sativus L. and Rosmarinus officinalis L. with antidepressant or anti-neurodegenerative potential for future therapeutic use, as a safer and cost-effective alternative to synthetic drugs. A series of in silico studies was carried out to achieve this. Phytoconstituents of C. sativus and R. officinalis were retrieved from IMPPAT 2.0 database, and descriptors were generated using PaDEL-Descriptor. Ligands with XlogP values between 1.5 and 2.7 were shortlisted and docked with dopamine D2 receptor (DRD2). The Swiss Target Prediction database was used to identify probable targets of the top compound found in the docking study. DAVID was used for gene ontology and KEGG pathway enrichment analysis. Kaempferol and DMAC-3,8 from C. sativus and cirsimaritin from R. officinalis were identified as potential agonists of the dopamine D2 receptor, as they showed strong binding with the D2 receptor comparable to a standard agonist drug. Machine learning models predicted IC₅₀ values with high accuracy, while pathway analysis of the two lead compounds (kaempferol and cirsimaritin) linked them to some key neuroprotective processes, signifying their potential against depression and other neurodegenerative disorders.