Neutralizing effect of green tea epigallocatechin‐3‐gallate on nicotine‐induced toxicity and chemokine (C‐C motif) ligand 5 secretion in human oral epithelial cells and fibroblasts
Notice bibliographique
Résumé
AIM: Tobacco use has been identified as the most important environmental risk factor for periodontitis. The aim of this study was to investigate the effect of green tea epigallocatechin-3-gallate on the nicotine-induced toxic and inflammatory responses in oral epithelial cells and gingival fibroblasts. METHODS: The effect of nicotine, alone and in combination with the lipopolysaccharide of Aggregatibacter actinomycetemcomitans, on the viability of oral epithelial cells and fibroblasts was evaluated using a 3-(4,5-dimethylthiazol-2-yl)-2,5-diphenyltetrazolium bromide colorimetric assay. The ability of epigallocatechin-3-gallate to neutralize the nicotine-induced cytotoxicity was then investigated. The nicotine-induced cytokine secretion in epithelial cells and the inhibitory effect of epigallocatechin-3-gallate were determined by enzyme-linked immunosorbent assay. RESULTS: Our results indicated that nicotine caused a dose-dependent loss of viability in both epithelial cells and fibroblasts. A mixture of nicotine and A. actinomycetemcomitans lipopolysaccharide demonstrated additive instead of synergistic effects on loss of cell viability. Pretreatment of cells with epigallocatechin-3-gallate efficiently neutralized the nicotine-induced toxic effects in epithelial cells and fibroblasts. It also dose dependently inhibited the nicotine-induced secretion of chemokine (C-C motif) ligand 5 by epithelial cells. CONCLUSIONS: The present study suggests that epigallocatechin-3-gallate, the major polyphenol in green tea, may represent a novel preventive/therapeutic agent for smoking-related periodontitis.
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) | 0,001 | 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 ».