MétaCan
Menu
Retour à la cohorte
Enregistrement W2039257700 · doi:10.1080/21553769.2014.924080

<i>In vitro</i>study on cytotoxic effect and anti-DENV2 activity of<i>Carica papaya</i>L. leaf

2014· article· en· W2039257700 sur OpenAlexfundno aff
Baby Joseph, Koji Ichiyama, Naoki Yamamoto

Notice bibliographique

RevueFrontiers in Life Science · 2014
Typearticle
Langueen
DomaineMedicine
ThématiquePapaya Research and Applications
Établissements canadiensnon disponible
Organismes subventionnairesNational University of SingaporeUniversity of Guelph
Mots-clésCaricaTraditional medicineCytotoxic T cellPhytochemicalIn vitroDengue feverSaponinChloroformBiologyEC50IC50TanninChemistryBotanyVirologyMedicineBiochemistryChromatography

Résumé

récupéré en direct d'OpenAlex

Dengue fever is the most deleterious and rapidly spreading mosquito-borne viral disease, and to date it has resisted attempts to eradicate it. Carica papaya L. leaf extract is traditionally used to cure dengue fever and its associated symptoms. However, no in vitro studies have been reported for the anti-dengue efficacy of this extract. So, the present study attempted to determine the phytochemicals present in Carica papaya L. leaf extracts, as well as their cytotoxic effect and anti-DENV2 activity on the LLC-MK2 cell line. Methanolic extracts, containing triterpenoids and flavonoids, showed cytotoxic effects (CC50=0.6156 mg ml−1), whereas a chloroform extract, rich in alkaloids, tannin and saponin, was non-cytotoxic (CC50= >1 mg ml−1) to LLC-MK2 cells and it showed inhibitory activity (EC50= >1 mg ml−1) against DENV2 with a selectivity index value of±>1. This indicates that the crude chloroform extract has moderate or less inhibitory action against DENV2 growth in in vitro conditions. The current study will help in the future development of new and novel drugs against dengue pathogens with high efficacy.

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 seuil0,005

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
Bibliométrie0,0000,000
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)0,0010,000

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 Opus0,012
Tête enseignante GPT0,303
Écart entre enseignants0,291 · 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

Citations31
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Life ScienceMême sujetPapaya Research and ApplicationsTravaux en français237 207