YX
Yusheng Xiao
Author with expertise in Crystallization Processes and Control
Achievements
This user has not unlocked any achievements yet.
Key Stats
Upvotes received:
0
Publications:
3
(0% Open Access)
Cited by:
0
h-index:
2
/
i10-index:
0
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Ultra‐high‐performance liquid chromatography–mass spectrometry combined with molecular docking and molecular dynamics simulation reveals the source of bitterness in the traditional Chinese medicine formula Runchang‐Tongbian

Na Li et al.Jun 17, 2024
Abstract The Runchang‐Tongbian (RCTB) formula is a traditional Chinese medicine (TCM) formula consisting of four herbs, namely Cannabis Fructus (Huomaren), Rehmanniae Radix (Dihuang), Atractylodis Macrocephalae Rhizoma (Baizhu), and Aurantii Fructus (Zhiqiao). It is widely used clinically because of its beneficial effect on constipation. However, its strong bitter taste leads to poor patient compliance. The bitter components of TCM compounds are complex and numerous, and inhibiting the bitter taste of TCM has become a major clinical challenge. Here, we use ultra‐high‐performance liquid chromatography coupled with mass spectrometry (UPLC–MS) and high‐resolution mass spectrometry to identify 59 chemical components in the TCM compound RCTB formula. Next, four bitter taste receptors, TAS2R39, TAS2R14, TAS2R7, and TAS2R5, which are tightly bound to the compounds in RCTB, were screened as molecular docking receptors using the BitterX database. The top‐three‐scoring receptor‐small‐molecule complexes for each of the four receptors were selected for molecular dynamics simulation. Finally, seven bitter components were identified, namely six flavonoids (rhoifolin, naringin, poncirin, diosmin, didymin, and narirutin) and one phenylpropanoid (purpureaside C). Thus, we proposed a new method for identifying the bitter components in TCM compounds, which provides a theoretical reference for bitter taste inhibition in TCM compounds.
0

Determination of l-Tryptophan Methyl Ester Hydrochloride Solubility in 12 Pure Solvent Systems from 283.15 to 323.15 K

Xing Xin et al.Aug 9, 2024
Research on the solubility behavior of l-tryptophan methyl ester hydrochloride, an important pharmaceutical intermediate, is necessary for the design of its crystallization and separation processes. The solubility data of l-tryptophan methyl ester hydrochloride were measured by the static gravimetric method in 12 pure solvents (methanol, water, ethanol, n-propanol, n-butanol, isobutanol, sec-butanol, isopropanol, propanone, 2-butanone, ethyl acetate, and acetonitrile) at 283.2–323.2 K and 101.2 kPa. The solubility of l-tryptophan methyl ester hydrochloride in all studied solvents increases with the increase of temperature. In addition, the solubility sequence of l-tryptophan methyl ester hydrochloride at 298.2 K is methanol (0.033403 mol/mol) > water (0.011939 mol/mol) > ethanol (0.007368 mol/mol) > n-propanol (0.003708 mol/mol) > n-butanol (0.002632 mol/mol) > isobutanol (0.001716 mol/mol) > sec-butanol (0.001651 mol/mol) > isopropanol (0.001573 mol/mol) > propanone (0.000605 mol/mol) > 2-butanone (0.000401 mol/mol) > ethyl acetate (0.000074 mol/mol) > acetonitrile (0.000065 mol/mol). Methanol had the highest solubility of 0.033403 mol/mol, while acetonitrile had the lowest solubility of 0.000065 mol/mol. The main factors influencing the solubility behavior include the empirical solvent polarity parameters (ET(30)), hydrogen bonding, and cohesive energy density. Three solubility fitting models were used to correlate the experimental mole fraction solubility data, including the modified Apelblat model, the nonrandom two liquid (NRTL) model, and the Margules model. Furthermore, mixing thermodynamic characteristics of l-tryptophan methyl ester hydrochloride in selected solvents were calculated by the NRTL model, and the results indicated that the mixing process was spontaneous and driven by entropy. In order to choose the best model for l-tryptophan methyl ester hydrochloride, the relative applicability of these models was evaluated by the Akaike Information Criterion (AIC). The study of the solubility of l-tryptophan methyl ester hydrochloride not only enriches the solubility database and provides guidance and basis for crystallization but also provides rich solubility data for machine learning models.