<< Volver atrás

Tesis:

Optimización estadística de subproductos de interés en la salud humana derivados de Synsepalum dulcificum D. y plantas similares, utilizando machine learning

  • Autor: Quiroz Troncoso, Josefa Antonio

  • Título: Optimización estadística de subproductos de interés en la salud humana derivados de Synsepalum dulcificum D. y plantas similares, utilizando machine learning

  • Fecha: 2024

  • Materia:

  • Escuela: E.T.S. DE INGENIERÍA AGRONÓMICA, ALIMENTARIA Y DE BIOSISTEMAS

  • Departamentos: INGENIERIA AGROFORESTAL

  • Acceso electrónico: https://oa.upm.es/84628/

  • Director/a 1º: GALEANO PRIETO, Javier

  • Resumen: The present industrial PhD thesis highlights the evaluation of the full utilization of the Synsepalum dulcificum plant for food and healthcare applications. The thesis project (IND2019/BIO-17192 Community of Madrid) funded by the company Medicinal Gardens in collaboration with the UPM Center of Biomedical Technology aims to increase productivity, sustainable growth and market competitiveness of those products derived from this plant. The growing demand for polyphenols with antioxidant capacity in varied sectors, including food, cosmetics, and pharmaceuticals, has driven the search for new sources of these compounds. One large reason is due to these compounds health benefit, particularly in the prevention of metabolic diseases such as diabetes, malignancies, and cardiovascular issues. In this context, the bioactivity of Synsepalum dulcificum was investigated, already known for its antioxidant capacity and therapeutic potential against colorectal cancer. The impact of this plant on the immune system was also evaluated, along with the demonstration of the food safety of its concentrated extracts. It was found that extracts from pulp with skin (DMB), seeds, and leaves possess anticancer properties against the DLD-1, HT-29, SW480, and SW620 colorectal cancer cell lines. Additionally, a characterization of its IC50was performed, and its immunomodulatory properties were described, focusing on T lymphocyte cells (CD3, CD4, and CD8). Using HPLC and GC-MS, possible compounds responsible for such bioactivity were identified, including the first-time description of the presence of protocatechuic acid in DMB. Simultaneously, extractions using natural deep eutectic solvents (NaDES) were evaluated as a sustainable and efficient alternative for the extraction of compounds with antioxidant capacity. This innovative methodology was validated in various fruits to ultimately design a method (via artificial intelligence-machine learning) capable of predicting and understanding the relationship between the nutritional properties of different natural extracts and the ability of various NaDES to extract the maximum amount of antioxidant compounds from these extracts. The results of this study indicate that NaDES can be effective in extracting phenolic compounds, surpassing the conventional 70% ethanol solvent in most fruits. NaDES 27 stood out for its high yield in extraction. However, predicting the antioxidant capacity of fruits based on their nutritional characteristics was not possible, which led to the use of unsupervised learning as a strategy to explore the relationships between antioxidant capacity and nutritional characteristics. This strategy yielded an interesting result, showing that fruits can be significantly grouped into three clusters based on their glycine and phytosterol content. It was found that the higher the content of these elements in the fruit, the greater the amount of antioxidant compounds extracted using NaDES solvents. Similarly, grouping fruits based on the amount of solvent-extracted antioxidants revealed that NaDES 9, NaDES 16, and 70% ethanol allowed clustering into three statistically significant groups. The cluster with the highest antioxidant capacity was observed to have higher amounts of total proteins, energy (Kcal), zinc, and phosphorus. The conclusions of this research highlight the potential of Synsepalum dulcificum as a source of antioxidants and therapeutic agents, and the efficacy of NaDES as a sustainable option for the extraction of compounds with antioxidant capacity. RESUMEN La presente tesis de doctorado industrial es una puesta en valor del aprovechamiento para aplicaciones alimenticias y sanitarias de la planta Synsepalum dulcificum en su totalidad. El proyecto de tesis (IND2019/BIO-17192 Comunidad de Madrid) financiado por la empresa Medicinal Gardens en colaboración con el Centro de Tecnología Biomédica de la UPM tiene como objetivo aumentar la productividad, el crecimiento sostenible y la competitividad en el mercado de los productos derivados de esta planta. La creciente demanda de polifenoles con capacidad antioxidante en sectores como el alimentario, cosmético y farmacéutico ha impulsado la búsqueda de nuevas fuentes de estos compuestos. Una razón importante se debe a los beneficios para la salud de estos compuestos como la diabetes, neoplasias malignas y problemas cardiovasculares. En este contexto se investigó la bioactividad de Synsepalum dulcificum, conocida por su capacidad antioxidante y su potencial terapéutico contra el cáncer colorrectal, evaluando además su impacto en el sistema inmune y demostrando la seguridad alimentaria de sus extractos concentrados. Se encontró que los extractos de pulpa con piel (DMB), semilla y hoja poseen propiedades anticancerígenas frente a las líneas celulares DLD-1, HT-29, SW480 y SW620. También se ha realizado una caracterización de su CI50, y la descripción de sus propiedades inmunomoduladoras frente a las células linfocíticas T (CD3, CD4 y CD8). Mediante HPLC y GC-MS se ha logrado identificar posibles compuestos responsables de dicha bioactividad, como por ejemplo la descripción por primera vez de la presencia de ácido protocatecúico en DMB. Paralelamente, se evaluaron las extracciones con disolventes naturales eutécticos profundos (NaDES) como alternativa sostenible y eficiente para la extracción de compuestos con capacidad antioxidante. Esta metodología innovadora se validó en diversas frutas con el fin de diseñar un método (por inteligencia artificial-machine learning). Un método capaz de predecir y comprender la relación entre las propiedades nutricionales de distintos extractos naturales y la capacidad que los distintos NaDES tienen de extraer el máximo de compuestos con poder antioxidante de esos extractos. Los resultados de este estudio indican que los NaDES pueden ser efectivos en la extracción de compuestos fenólicos superando el disolvente convencional Etanol 70% en la mayoría de las frutas. Destacando por su alto rendimiento en la extracción el NaDES 27. Sin embargo, la predicción de la capacidad antioxidante de las frutas no fue posible utilizando como base sus características nutricionales, por esta razón se utilizó el aprendizaje no supervisado como estrategia para ver las relaciones que puedan existir entre la capacidad antioxidante y características nutricionales. Con esta estrategia se obtuvo un interesante resultado ya que las frutas se pueden agrupan significativamente en tres clústeres en base a su cantidad de Glicina y fitoesterol. Resultando que, a mayor cantidad de estos elementos en la fruta, mayor cantidad de compuestos antioxidantes se extraen con disolventes NaDES. En paralelo, agrupando las frutas en función de la cantidad de antioxidantes obtenidos por los disolventes, encontramos que, los NaDES 9, NaDES 16 y Etanol al 70% permiten la agrupación en tres clústeres con diferencias estadísticamente significativas. Observando que el clúster con mayor capacidad antioxidante posee mayor cantidad de Proteínas totales, Energía (Kcal), Zinc y Fosforo. Las conclusiones de esta investigación destacan el potencial de Synsepalum dulcificum como fuente de antioxidantes y agentes terapéuticos, y la eficacia de los NaDES como una opción sostenible en la extracción de compuestos con capacidad antioxidante.