MétaCan
Menu
Retour à la cohorte
Enregistrement W2023545430 · doi:10.1021/jf011613d

Effects of Anthocyanins and Other Phenolic Compounds on the Production of Tumor Necrosis Factor α in LPS/IFN-γ-Activated RAW 264.7 Macrophages

2002· article· en· W2023545430 sur OpenAlexaff
Jian Wang, Giuseppe Mazza

Notice bibliographique

RevueJournal of Agricultural and Food Chemistry · 2002
Typearticle
Langueen
DomaineMedicine
ThématiquePhytochemicals and Antioxidant Activities
Établissements canadiensUniversity of ManitobaAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésGenisteinDaidzeinTumor necrosis factor alphaChemistryMyricetinFlavonolsIsoflavonesCaffeic acidBiochemistryChlorogenic acidKaempferolFood scienceQuercetinPharmacologyBiologyAntioxidantEndocrinology

Résumé

récupéré en direct d'OpenAlex

Flavonoids have been reported to demonstrate their benefits in lowering oxidative stress and beneficial effects on cardiovascular and chronic inflammatory diseases. Common phenolic compounds, including phenolic acids, flavonols, isoflavones, and anthocyanins, present in fruits, vegetables, and grains were investigated for their effects on the production of tumor necrosis factor alpha (TNF-alpha) in LPS/IFN-gamma-activated RAW 264.7 macrophages. Gallic acid and (+)-catechin showed small but significant effects, whereas chlorogenic acid had no effect on TNF-alpha production. The flavonol quercetin inhibited TNF-alpha production, but kaempferol and myricetin induced the secretion of TNF-alpha. The isoflavone genistein was an inhibitor of TNF-alpha, whereas daidzein induced TNF-alpha production. Glycosylation of genistein changed its inhibitory effects to TNF-alpha induction, and glycosylation of daidzein had no effect on its activity. Anthocyanidins/anthocyanins and anthocyanin-rich extracts induced TNF-alpha production and acted as modulators of the immune response in activated macrophages. This is the first study to report the effects of anthocyanins and berry extracts on TNF-alpha production.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,100
Score d'incertitude au seuil0,221

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,013
Tête enseignante GPT0,209
Écart entre enseignants0,196 · 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 tête enseignante, 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

Citations246
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural and Food ChemistryMême sujetPhytochemicals and Antioxidant ActivitiesTravaux en français237 207