MétaCan
Menu
Retour à la cohorte
Enregistrement W1599477728 · doi:10.18433/j3p599

Antimicrobial and P450 Inhibitory Properties of Common Functional Foods

2014· article· en· W1599477728 sur OpenAlexafffundvenue
San Nguyen, Huang Huang, Brian C. Foster, Teresa Tam, Tim Xing, Myron L. Smith, John T. Arnason, Humayoun Akhtar

Notice bibliographique

RevueJournal of Pharmacy & Pharmaceutical Sciences · 2014
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmacogenetics and Drug Metabolism
Établissements canadiensAgriculture and Agri-Food CanadaCarleton UniversityUniversity of Ottawa
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésApiaceaeAntimicrobialLamiaceaeBiologyFabaceaeTraditional medicineBotanyMicrobiologyMedicine

Résumé

récupéré en direct d'OpenAlex

PURPOSE: To study the effect of functional foods on human cytochrome P450 (CYP) and the gut bacterial microflora that may potentially affect drug metabolism and ultimately affect human health and wellness. METHODS: This study examined a variety of food plants from the Apiaceae, Fabaceae, and Lamiaceae families for their inhibitory potential on cytochrome 2D6-, 3A4-, 3A5-, and 3A7-mediated metabolism. The antimicrobial effects of these samples were also investigated with 7 selected bacterial surrogate species to determine potential effects on the gut microflora. RESULTS: The highest CYP inhibitory activities, based upon visual examination, were observed from extracts of celery seed, cumin, fennel seed, basil, oregano, and rosemary belonging to the Apiaceae and Lamiaceae families, respectively. Likewise, the strongest antimicrobial activities were also observed in the Apiaceae and Lamiaceae. No significant antimicrobial and CYP inhibition was observed in the Fabaceae extracts. CONCLUSION: Results demonstrated the possible risk of food-drug interactions from spice and herb plants may affect drug disposition and safety.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,203
Tête enseignante GPT0,445
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Pharmacy & Pharmaceutical SciencesMême sujetPharmacogenetics and Drug MetabolismTravaux en français237 207