Inhibitory effects of green tea and a constituent of green tea, epigallocatechin‐3‐gallate (EGCG) on nitric oxide production in macrophages
Notice bibliographique
Résumé
Green tea has been widely consumed as a healthful beverage and its active constituent, EGCG, is a potent antioxidant and anti‐inflammatory agent. This study aimed to elucidate the effects of green tea or EGCG (0.39, 0.78, 1.56, 3.13, 6.25, 12.5, 25, or 50μg/mL) on nitric oxide production in murine macrophage cells following lipopolysaccharide (LPS) challenge. Different concentrations of green tea in media (0.15, 0.3, 0.63, 1.25, 2.5, 5, 10, or 20%) were prepared from a stock (2.12 g of green tea leaves brewed in 240mL of H 2 O). RAW 264.7 murine macrophages were cultured in DMEM supplemented with 10% fetal bovine serum and 1% penicillin. Following a 24‐hour treatment with green tea or EGCG, cells were challenged with LPS (500ng/mL) for the next 24 hours and cell viability (resazurin assay) and nitrite concentrations (Griess reaction) were measured. In comparison to the control (LPS), 10% and 20% green tea caused a significant reduction in nitrite levels (49.7±5.1, 27.3±4.3, & 13.1±2.3 μg/mL, respectively; P ≤ 0.05). In case of EGCG, significant inhibitions were noted at 25 & 50μg/mL, versus control (22.4±2.6, 3.4±0.64, & 47.7±4.93 μg/mL, respectively; P ≤ 0.05). Both green tea and EGCG at their highest concentrations (20% & 50μg/mL, respectively) affected cell viability versus controls, whereas, no differences were noted among the other groups. Thus, green tea and EGCG inhibit nitric oxide production at higher doses, which may explain their anti‐inflammatory effects, and warrants further research as a therapeutic strategy in clinical practice. This study was funded by CHES, OSU.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».