Ocena profilu fenolowego i wielokierunkowych aktywności biologicznych ekstraktów z Lepista glaucocana optymalizowanych za pomocą modeli ANN-GA i RSM

Dlaczego leśny grzyb przyciągnął uwagę naukowców

Grzyby są coraz częściej postrzegane nie tylko jako pokarm, ale jako miniaturowe fabryki chemiczne, które mogą chronić nasze komórki, mózg, a nawet zabezpieczać przed rakiem. W badaniu skupiono się na Lepista glaucocana, mało znanym dzikim grzybie, i postawiono praktyczne pytanie: jeśli ten grzyb zawiera korzystne związki naturalne, jak je ekstrahować, aby były jak najbardziej efektywne? Aby to sprawdzić, badacze porównali klasyczną metodę statystyczną z podejściem sztucznej inteligencji, by ustalić, która z nich zaprojektuje lepszy ekstrakt z grzyba.

Od leśnego grzyba do skoncentrowanego ekstraktu

Zespół zebrał Lepista glaucocana z lasów w Turcji, wysuszył i zmielił grzyby, a następnie macerował je w mieszaninach wody i etanolu w różnych warunkach. Starannie zmieniano trzy parametry: temperaturę, czas ekstrakcji oraz proporcję wody do alkoholu. Zamiast działać metodą prób i błędów, opracowano dwa rodzaje matematycznych „map”, aby znaleźć optymalne warunki, przy których ekstrakt wykazywał najsilniejsze działanie antyoksydacyjne. Jedna mapa wykorzystała dobrze znaną statystyczną metodę zwaną metodologią powierzchni odpowiedzi, podczas gdy druga opierała się na sieci neuronowej sprzężonej z algorytmem genetycznym — podejściu SI, które uczy się wzorców i poszukuje najlepszej kombinacji warunków.

Jak sztuczna inteligencja ulepszyła przepis

Obie metody badały, jak trzy wspomniane parametry wpływają na całkowity potencjał antyoksydacyjny ekstraktów. Model oparty na AI uchwycił subtelne, nieliniowe zależności, których metoda tradycyjna nie opisała tak precyzyjnie. Gdy naukowcy przygotowali nowe ekstrakty według warunków rekomendowanych przez każdą z metod, ekstrakt zoptymalizowany przez AI konsekwentnie wypadał lepiej. Uzyskał wyższe wyniki w kilku standardowych testach antyoksydacyjnych oraz niższe poziomy całkowitych utleniaczy i stresu oksydacyjnego, co sugeruje, że przepis AI lepiej wyciągał związki ochronne, ograniczając jednocześnie powstawanie szkodliwych produktów ubocznych.

Wpływ na enzymy mózgowe i komórki nowotworowe

Następnie badacze sięgnęli poza wyników testów probówkowych, aby sprawdzić, czy te ekstrakty mogą wpływać na cele biologiczne związane z chorobami. W testach dotyczących układu nerwowego oba ekstrakty hamowały dwie enzymy: acetylocholinoesterazę i butyrylocholinoesterazę, które rozkładają neuroprzekaźnik acetylocholinę i są powiązane z pamięcią oraz funkcjami poznawczymi. Ekstrakt pochodzący z AI robił to skuteczniej, inhibując enzymy przy niższych dawkach. W eksperymentach na hodowlach komórkowych ekstrakty zastosowano wobec linii komórkowych ludzkiego raka płuca, piersi i prostaty. Wraz ze wzrostem stężenia ekstraktu wzrastało zahamowanie wzrostu komórek nowotworowych, a ponownie ekstrakt zoptymalizowany przez AI wykazał silniejsze, zależne od dawki, zmniejszenie żywotności komórek, zwłaszcza w liniach raka płuca i prostaty.

Ukryta rola molekuł podobnych do roślinnych

Aby zrozumieć, dlaczego przepis AI działał lepiej, zespół przeanalizował skład chemiczny obu ekstraktów przy użyciu czułego urządzenia rozdzielającego i mierzącego poszczególne cząsteczki. Skoncentrowano się na związkach fenolowych — substancjach podobnych do tych występujących w roślinach, często odpowiadających za działanie antyoksydacyjne i ochronne w żywności. Ekstrakt zoptymalizowany przez AI zawierał wyższe poziomy kilku dobrze znanych kwasów fenolowych, w tym kwasu galusowego, protokatechowego, syringowego oraz 2‑hydroksycynamonowego. Molekuły te są już w innych badaniach opisane jako neutralizujące wolne rodniki, pomagające chronić błony komórkowe przed uszkodzeniem oksydacyjnym, a w niektórych przypadkach interferujące z enzymami zaangażowanymi w sygnalizację nerwową i przetrwanie komórek nowotworowych. Bogatszy profil fenolowy ekstraktu AI dobrze korelował z jego silniejszym działaniem antyoksydacyjnym, hamowaniem enzymów oraz aktywnością antyproliferacyjną.

Co to oznacza dla przyszłych naturalnych leków

Krótko mówiąc, praca ta pokazuje, że sposób przetwarzania grzyba leczniczego może być równie istotny jak sam grzyb. Pozwalając systemowi sztucznej inteligencji dopracować temperaturę, czas i skład rozpuszczalnika, badacze otrzymali ekstrakt z Lepista glaucocana, który był chemicznie bogatszy i biologicznie bardziej aktywny niż ekstrakt zaprojektowany przy użyciu standardowego podejścia statystycznego. W testach laboratoryjnych ekstrakt zoptymalizowany przez AI działał jako silny antyoksydant, umiarkowanie hamował enzymy związane z funkcjami mózgu i zmniejszał wzrost kilku linii komórek nowotworowych. Wyniki te nie dowodzą jeszcze korzyści u ludzi, ale podkreślają zarówno L. glaucocana jako obiecujące źródło naturalnych związków bioaktywnych, jak i optymalizację napędzaną AI jako potężne narzędzie do tworzenia silniejszych, bardziej niezawodnych składników grzybowych do przyszłych zastosowań w żywności, suplementach czy lekach.

Cytowanie: 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

Słowa kluczowe: grzyby lecznicze, ekstrakty antyoksydacyjne, związki fenolowe, optymalizacja z użyciem sztucznej inteligencji, naturalne środki przeciwnowotworowe