Хемомикробиомное исследование преобиотических и антибиотических свойств биофлавоноидов и полифенолов, перспективных для лечения COVID-19 и других вирусных инфекций

При исследовании молекул перспективных лекарств для терапии COVID-19 важно оценивать их пребиотические и антибиотические свойства, т. е. воздействие на рост полезной и патогенной микробиоты. В настоящем исследовании получены результаты хемомикробиомного анализа 5 биофлаваноидов (гесперидин, лейкодельфинидин, рутин, кверцетин, байкалин), 2 полифенолов (куркумин, эпигаллокатехина галлат) и синергидных им веществ (сапонина глицирризина и алкалоида пиперина) для 38 бактерий-комменсалов человека и для 152 штаммов патогенных микроорганизмов. Исследованные молекулы существенно поддерживали рост полезной микробиоты: для каждой из молекул значения AUC составили 0.67..0.79 у. е. (в среднем по выборке 38 комменсалов) и отличались хорошими оценками безопасности. Наибольший вклад в поддержку полезной микробиоты вносили рутин и глицирризин (AUC 0.78±0.14 у. е.), наименьший - байкалин (AUC 0.66±0.24 у. е.). Установлено синергидное взаимодействие между исследованными веществами: при совместном применении 9 веществ среднее значение AUC может возрастать до 0.84±0.06 у. е. Нормобиотой наиболее активно перерабатывается глицирризин (19.2±12.1%), наименее активно - пиперин (6.0±5.9%). Наиболее активными метаболизаторами исследованных веществ являлись бактерии рода Bacteroides (более 30%), наименее активными - бактерии рода Collinsella (<1%). Результаты хемомикробиомного анализа исследованных молекул у добровольцев с различными профилями микробиома подтвердили, что исследованные вещества не способствуют росту патогенной флоры. Исследованные вещества могут тормозить рост патогенных Acinetobacter baumannii, Candida albicans, Candida glabrata, Cryptococcus neoformans, Klebsiella pneumoniae, Pseudomonas aeruginosa, Staphlococcus aureus, Staphylococcus epidermidis, Streptococcus pneumoniae, Streptococcus pyogenes (значения MIC порядка 10-25 мкг/мл).

биофлаваноиды, полифенолы, коронавирусы, Валеоникс, микробиота человека, площадь под кривой роста, хемоинформатика, интеллектуальный анализ данных

1. Torshin I. Yu., Gromova O. A. Micronutrients against coronaviruses. (edd. A. G. Chuchalin) Yesterday Today Tomorrow. Moscow. GEOTAR-Media. 2023. 448 p. (in Russ.) ISBN 978-5-9704-7786-1.@@ Торшин И. Ю., Громова О. А. (ред. Чучалин А. Г.). Микронутриенты против коронавирусов. Вчера, сегодня, завтра. ГЭОТАР-Медиа, 2023, 448 с., ISBN 978-5-9704-7786-1.

2. Gromova O.A., Torshin I. Yu., Chuchalin A. G. Systematic computer analysis of the pharmacology of bioflavonoids in the context of increasing the body’s antiviral defenses. FARMAKOEKONOMIKA. Modern Pharmacoeconomics and Pharmacoepidemiology. 2023; 16 (1): 90-109. (in Russ.) doi: 10.17749/2070-4909/farmakoekonomika.2023.162.90.109@@ Громова О. А., Торшин И. Ю., Чучалин А. Г. Систематический компьютерный анализ фармакологии биофлавоноидов в контексте повышения противовирусной защиты организма. ФАРМАКОЭКОНОМИКА. Современная фармакоэкономика и фармакоэпидемиология. 2023; 16 (1): 90-109. doi: 10.17749/2070-4909/farmakoekonomika.2023.162.90.109.

3. Torshin I. Yu., Gromova O. A., Zakcharova I. N., Maximov V. A. Hemomikrobiomny lactitol analysis. Experimental and Clinical Gastroenterology. 2019;(4):111-121. (In Russ.) doi: 10.31146/1682-8658-ecg-164-4-111-121.@@ Торшин И. Ю., Громова О. А., Захарова И. Н., Максимов В. А. Хемомикробиомный анализ Лактитола. Экспериментальная и клиническая гастроэнтерология. 2019;164(4):111-121. doi: 10.31146/1682-8658-ecg-164-4-111-121.

4. Torshin I. Yu., Galustyan A. N., Ivanova M. I., Khadzhidis A. K., Gromova O. A. Chemomicrobiome Analysis of Synergism of D-mannose and D-fructose in Comparison with Other Metabiotics. Effective pharmacotherapy. 2020;16(4):8-18. (in Russ.) doi: 10.33978/2307-3586-2020-16-8-18.@@ Торшин И. Ю., Галустян А. Н., Иванова М. И., Хаджидис А. К., Громова О. А. Хемомикробиомный анализ синергизма D-маннозы и D-фруктозы в сравнении с другими метабиотиками. Эффективная фармакотерапия. 2020;16(4):8-18. doi: 10.33978/2307-3586-2020-16-8-18.

5. Gromova O. A., Torshin I. Yu., Naumov A. V., Maksimov V. A. Chemomicrobiomic analysis of glucosamine sulfate, prebiotics and non-steroidal anti-inflammatory drugs. FARMAKOEKONOMIKA. Modern Pharmacoeconomics and Pharmacoepidemiology. 2020;13(3):270-282. (In Russ.) doi: 10.17749/2070-4909/farmakoekonomika.2020.049.@@ Громова О. А., Торшин И. Ю., Наумов А. В., Максимов В. А. Хемомикробиомный анализ глюкозамина сульфата, пребиотиков и нестероидных противовоспалительных препаратов. ФАРМАКОЭКОНОМИКА. Современная фармакоэкономика и фармакоэпидемиология. 2020;13(3):270-282. doi: 10.17749/2070-4909/farmakoekonomika.2020.049.

6. Torshin I. Yu., Rudakov K. V. On metric spaces arising during formalization of problems of recognition and classification. Part 2: Density properties. Pattern Recognit. Image Anal. 2016;26(3):483-496.

7. Torshin I. Y. Optimal dictionaries of the final information on the basis of the solvability criterion and their applications in bioinformatics. Pattern Recognition and Image Analysis (Advances in Mathematical Theory and Applications). 2013;23(2):319-327.

8. Torshin I. Yu, Rudakov K. V. On the theoretical basis of metric analysis of poorly formalized problems of recognition and classification. Pattern Recognition and Image Analysis. 2015;25(4):577-587.

9. Torshin I. Y. The study of the solvability of the genome annotation problem on sets of elementary motifs. Pattern Recognition and Image Analysis (Advances in Mathematical Theory and Applications). 2011;21(4):652-662.

10. Torshin I. Yu, Rudakov K. V. On the procedures of generation of numerical features over the splits of a set of objects and the problem of prediction of numeric target variables. Pattern Recognition and Image Analysis. 2019;29(2):65-75.

11. Maier L., Pruteanu M., Kuhn M. et al. Extensive impact of non-antibiotic drugs on human gut bacteria. Nature. 2018 Mar 29;555(7698):623-628. doi: 10.1038/nature25979.

12. A framework for human microbiome research. Nature. 2012 Jun 13;486(7402):215-21. doi: 10.1038/nature11209.

13. The Integrative Human Microbiome Project: dynamic analysis of microbiome-host omics profiles during periods of human health and disease. Cell Host Microbe. 2014 Sep 10;16(3):276-89. doi: 10.1016/j.chom.2014.08.014.

14. Kim S., Chen J., Cheng T. et al. PubChem 2019 update: improved access to chemical data. Nucleic Acids Res. 2019 Jan 8;47(D1): D1102-D1109. doi: 10.1093/nar/gky1033.

15. Gromova O. A., Torshin I. Yu., Maksimov V. A. Chemomicrobiome analysis of the ornithine molecule. Experimental and Clinical Gastroenterology. 2021;194(10):131-136. (In Russ.) doi: 10.31146/1682-8658-ecg-194-10-131-136.@@ Громова О. А., Торшин И. Ю., Максимов В. А. Хемомикробиомный анализ молекулы орнитина. Экспериментальная и клиническая гастроэнтерология. 2021;194(10): 131-136. doi: 10.31146/1682-8658-ecg-194-10-131-136.

16. Barkham TM. Laboratory safety aspects of SARS at Biosafety Level 2. Ann Acad Med Singapore. 2004 Mar;33(2):252-6. PMID: 15098644