Valutazione del profilo fenolico e delle attività multi-biologiche degli estratti di Lepista glaucocana ottimizzati con modelli ANN-GA e RSM

Perché un fungo di bosco ha attirato l’attenzione degli scienziati

I funghi sono sempre più riconosciuti non solo come alimento, ma come piccole fabbriche chimiche che potrebbero aiutare a proteggere le nostre cellule, il cervello e persino offrire difesa contro il cancro. Questo studio si concentra su Lepista glaucocana, un fungo selvatico poco conosciuto, e pone una domanda pratica: se questo fungo contiene composti naturali utili, come possiamo estrarli in modo da massimizzarne l’efficacia? Per rispondere, i ricercatori hanno confrontato un metodo statistico classico con l’intelligenza artificiale per vedere quale fosse in grado di progettare un estratto fungino migliore.

Dal fungo del bosco all’estratto concentrato

Il gruppo ha raccolto Lepista glaucocana nelle foreste della Turchia, ha essiccato e macinato i funghi, quindi li ha immersi in miscele di acqua ed etanolo in condizioni variabili. Hanno regolato con cura tre parametri: la temperatura dell’estrazione, la durata e la proporzione tra acqua e alcool. Piuttosto che procedere per intuizione, hanno costruito due tipi di “mappe” matematiche per trovare il punto ottimale in cui l’estratto mostrava la massima capacità antiossidante. Una mappa ha utilizzato uno strumento statistico consolidato chiamato metodologia della superficie di risposta (RSM), mentre l’altra si è basata su una rete neurale artificiale accoppiata a un algoritmo genetico—un approccio di IA che individua schemi e cerca la migliore combinazione di condizioni.

Come l’intelligenza artificiale ha migliorato la ricetta

Entrambi gli approcci hanno esaminato come i tre parametri di estrazione influenzassero lo stato antiossidante totale degli estratti fungini. Il modello basato su IA ha catturato relazioni sottili e non lineari che il metodo tradizionale non riusciva a descrivere con altrettanta precisione. Quando i ricercatori hanno preparato nuovi estratti usando le condizioni raccomandate da ciascun metodo, l’estratto ottimizzato dall’IA è risultato costantemente superiore. Ha ottenuto punteggi antiossidanti più elevati in diversi test standard e misure inferiori di ossidanti totali e stress ossidativo, suggerendo che la ricetta basata su IA ha estratto meglio le molecole protettive limitando i sottoprodotti dannosi.

Effetti sugli enzimi cerebrali e sulle cellule tumorali

Gli scienziati hanno poi guardato oltre le semplici letture antiossidanti in provetta per verificare se questi estratti potessero influenzare bersagli biologici legati alle malattie. Nei test correlati al sistema nervoso, entrambi gli estratti hanno rallentato due enzimi, l’acetilcolinesterasi e la butirilcolinesterasi, che normalmente degradano il neurotrasmettitore acetilcolina e sono collegati alla memoria e alla cognizione. L’estratto derivato dall’IA ha fatto ciò in modo più efficace, inibendo gli enzimi a dosi inferiori. Negli esperimenti su colture cellulari, gli estratti sono stati applicati a linee cellulari di cancro umano del polmone, della mammella e della prostata. All’aumentare della concentrazione dell’estratto, la crescita delle cellule tumorali è diminuita e, ancora una volta, l’estratto ottimizzato con IA ha mostrato una maggiore capacità dose‑dipendente di ridurre la vitalità cellulare, in particolare nelle cellule del cancro polmonare e prostatico.

Il ruolo nascosto delle molecole di tipo vegetale

Per capire perché la ricetta IA avesse reso meglio, il team ha analizzato la composizione chimica di entrambi gli estratti usando uno strumento sensibile che separa e misura le singole molecole. Si sono concentrati sui composti fenolici—sostanze di tipo vegetale spesso responsabili degli effetti antiossidanti e protettivi negli alimenti. L’estratto ottimizzato dall’IA conteneva livelli più elevati di diversi noti acidi fenolici, tra cui acido gallico, protocatecuico, siringico e 2‑idrossicinnamico. Queste molecole sono già note da studi precedenti per neutralizzare i radicali liberi, aiutare a proteggere le membrane cellulari dal danno ossidativo e, in alcuni casi, interferire con gli enzimi coinvolti nella trasmissione nervosa e nella sopravvivenza delle cellule tumorali. Il profilo fenolico più ricco dell’estratto IA corrispondeva strettamente al suo comportamento potenziato come antiossidante, inibitore enzimatico e antiproliferativo.

Cosa significa questo per i futuri rimedi naturali

In parole semplici, questo lavoro dimostra che il modo in cui trattiamo un fungo medicinale può essere importante quanto il fungo stesso. Permettendo a un sistema di intelligenza artificiale di mettere a punto temperatura, tempo e miscela di solventi, i ricercatori hanno prodotto un estratto di Lepista glaucocana chimicamente più ricco e biologicamente più attivo rispetto a uno ottenuto con un approccio statistico standard. Nei test di laboratorio, questo estratto ottimizzato dall’IA ha agito come un potente antiossidante, ha rallentato moderatamente enzimi legati al cervello e ha ridotto la crescita di diverse linee tumorali. Questi risultati non dimostrano ancora benefici nell’uomo, ma evidenziano sia L. glaucocana come fonte promettente di composti bioattivi naturali sia l’ottimizzazione guidata dall’IA come strumento potente per creare ingredienti a base di funghi più forti e più affidabili per future applicazioni alimentari, integrative o farmacologiche.

Citazione: Giray, G. Evaluation of phenolic profile and multi-biological activities of Lepista glaucocana extracts optimized by ANN-GA and RSM models. Sci Rep 16, 10153 (2026). https://doi.org/10.1038/s41598-026-41267-y

Parole chiave: funghi medicinali, estratti antiossidanti, composti fenolici, ottimizzazione con intelligenza artificiale, agenti naturali anticancro