Ученые ТГУ считают, что жимолость в Магадане полезнее из-за "стресса"

ТОМСК, 14 окт – РИА Томск. Ученые Томского госуниверситета (ТГУ) вместе с коллегами изучили голубую жимолость из Ленинградской и Магаданской областей, с Камчатки и Дальнего Востока и выявили, что больше всего полезных веществ находится в образцах из Магадана; исследователи предполагают, что жимолость в тех краях формирует больше полезных веществ в ответ на стресс, вызванный суровыми климатическими условиями, сообщила во вторник пресс-служба вуза.Ранее сообщалось, что в 2024 году ученые ПИШ "Агробиотек" ТГУ совместно с коллегами из России и Турции исследовали голубую и камчатскую жимолость, растущие в дикой природе и на плантациях. В обоих видах исследователи обнаружили 151 биологически активное соединение, 44 из которых – впервые."Исследователи Томского государственного университета и Всероссийского института генетических ресурсов растений имени Н.И. Вавилова проанализировали голубую жимолость из четырех регионов. Ученые не только зафиксировали 144 активных соединения в составе ягод, но и определили, что больше всего полезных веществ содержится в диких плодах, собранных в районе Магадана", – сказано в сообщении.Уточняется, что в исследовании участвовали образцы культивированной и дикорастущей жимолости из Ленинградской и Магаданской областей, с Камчатки и Дальнего Востока. Ученые предполагают, что в магаданской ягоде больше полезных веществ из-за суровых климатических условий – они формируются в качестве ответа на стресс. "Среди обнаруженных в магаданской ягоде веществ – EGCG (галлат эпигаллокатехина), которое в похожей форме содержится в зеленом чае. Это вещество с доказанным химиопрофилактическим эффектом, оно может уменьшать риск рецидива после химиотерапии и воздействует на микрометастазы", – сказано в сообщении. Добавляется, что ученые использовали методы жидкостной хроматографии и тандемной масс-спектрометрии для детального изучения состава ягод. Это позволило сначала разделить экстракт на составные части, а после определить концентрацию каждого вещества. На следующем этапе массив данных о растении изучат с помощью машинного обучения и определят молекулярные процессы, регулирующие выработку питательных веществ