Riassunto analitico
Gli oli essenziali (OE) sono metaboliti secondari estratti dalle piante aromatiche e utilizzati nei settori farmaceutico, cosmetico, alimentare; solo negli ultimi anni con la comprensione, mediante tecniche analitiche avanzate, della complessità chimica di tali miscele sono stati intrapresi studi in grado di razionalizzare l’interazione di ogni singolo componente o classe con recettori biologici.
Prodotti dal metabolismo secondario delle piante, svolgono svariate azioni, quali quella antiossidante, antifungina ed antibatterica. Il profilo metabolomico delle piante aromatiche viene descritto tipicamente con la gascromatografia (GC), tecnica che presenta molti svantaggi: costo elevato, tempi d’analisi lunghi, è distruttiva, necessita di personale specializzato, utilizza gas infiammabili ed esplosivi e quindi di adeguate infrastrutture. È prerogativa di questo studio ricercare nuovi metodi per l’identificazione quali-quantitativa degli OE. Recentemente sono stati sviluppati studi che mettono in relazione tecniche di spettrometria e metodiche chemiometriche e quindi scopo della mia tesi è stato quello di ideare un protocollo d’analisi che prevede l’utilizzo di strumenti spettroscopici quali ATR-FTIR e NMR e modelli di deep learning, in particolar modo una rete neuronale pseudo-siamese convoluzionale modificata (pSCNN).
Sono state quindi preparate 70 miscele ternarie di monoterpeni a concentrazioni variabili (dal 5% al 90% per ogni standard). Ogni miscela, così come ogni standard, è stata analizzata mediante tecniche FTIR, 1H NMR e GC. Le miscele sono state sottoposte al modello di DL, in grado di attuare un task di identificazione ed uno di regressione analizzando gli spettri dei due strumenti spettroscopici singolarmente e in coppia. Una volta allenata la pSCNN modificata con 22000 miscele virtuali triterpeniche (training set e validation set), sono state sottoposte al modello anche le reali miscele (test set). I risultati ottenuti sono stati ottimali, in particolar modo il task di identificazione ha evidenziato un’accuratezza maggiore per il modello che utilizza unicamente gli spettri NMR, mentre il contrario si evince dal task di regressione per la quantificazione. Lo stesso iter è stato applicato per batch di OE di Lavandula (specie x intermedia, vera, latifolia), Cymbopogon (specie winterianus, nardus, citratus, martinii, flexous), Mentha (arvensis, spicata, piperita), Thymus vulgaris (chemiotipo o-cimene, timolo, carvacrolo, linalolo, borneolo, tujanolo, g-terpinene) e Salvia rosmarinus (chemiotipo cineolo, canfora-borneone, verbenone, pinene), per un totale di 171 campioni.
Date le svariate applicazioni degli OE è stata poi indagata la loro possibile applicazione come inibitori dell’enzima tirosinasi, proteina deputata alla produzione di melanina. Questo pigmento può essere prodotto con due diverse pathways, una delle quali prevede due passaggi catalizzati dalla tirosinasi: l’idrossilazione della tirosina a L-DOPA e l’ossidazione di quest’ultima a Dopachinone. Una produzione eccessiva di melanina è associata a patologie della pelle ed inestetismi, ma anche all’imbrunimento enzimatico, processo legato alla riduzione della shelf life di alimenti come frutta e verdura. Anche in questo caso nasce l’esigenza di ricercare molecole naturali per contrastare queste patologie e per prevenire tale decadimento qualitativo. È stata quindi valutata mediante UV-Vis l’attività inibitoria sull’enzima tirosinasi, calcolando l’IC50 dei vari campioni .
Da questo studio si evince l’efficacia di metodi analitici di DL applicati a tecniche fingerprinting rispetto ai metodi attualmente in uso per l’identificazione degli OE. Individuata inoltre un’attività enzimatica di quest’ultimi si aprono nuove possibili applicazioni in campo cosmetico ed alimentare.
|
