LC-MS 결합 바이오어세이 및 분자네트워킹 기반 자연물 유효성분 발굴 연구

Natural product active constituent discovery using LC-MS coupled bioassay and molecular networking

연구 내용

LC-MS 또는 LC-Q-TOF-MS 크로마토그램과 바이오어세이를 결합해 활성 피크를 예측하고, 항산화·항염·효소저해 성능이 높은 유효성분을 동정·최적화하는 연구

본 연구는 천연물에서 활성 성분을 분리·정제 중심으로 찾기보다, LC-MS 크로마토그램과 바이오어세이를 결합하여 활성 피크를 먼저 예측하는 접근을 사용합니다. NO 생성 억제 및 ABTS/DPPH 기반 항산화 평가로 활성 구간을 특정하고, 메탄올 추출물에서 후보 화합물을 분리하여 구조 및 유사성 정보를 확인합니다. 또한 분자네트워킹으로 활성 노드 주변의 연관 성분을 확장 후보로 제시하며, 효소(티로시네이즈) 저해 활성에서는 LC-Q-TOF-MS 동정과 response surface methodology를 적용해 추출·반응 조건을 최적화합니다.

관련 프로젝트

0건

연구 흐름

초기에는 LC-MS와 바이오어세이를 연계해 천연물 시료의 MS 피크와 생물활성 반응을 매칭하는 스크리닝 절차를 구축했습니다. 이후 Scutellaria baicalensis 사례에서 NO 생성 억제 및 ABTS/DPPH 항산화 결과를 이용해 활성 구간을 우선 선별하고, 분리 화합물의 활성 확인과 분자네트워킹 기반의 후보 확장을 수행했습니다. 이어서 Vitis amurensis 뿌리의 티로시네이즈 저해 연구로 확장하여 LC-Q-TOF-MS 기반 동정과 response surface methodology를 결합, 후보 성능을 낼 수 있는 조건을 도출하는 연구 흐름을 확립했습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

항염 NO 억제 활성 스크리닝
항산화 ABTS/DPPH 기반 평가
LC-MS 활성 피크 예측 알고리즘
분자네트워킹 기반 후보 확장
천연물 유효성분 동정 체계
LC-Q-TOF 기반 성분 특성화
response surface methodology 최적화
효소저해제(티로시네이즈) 후보 발굴
분리 과정 최소화 기반 후보 선정
기능성 원료 표준화용 데이터 구축