Antibacterial, Antiadherence, Antiprotease, and Anti-Inflammatory Activities of Various Tea Extracts: Potential Benefits for Periodontal Diseases
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Porphyromonas gingivalis is a key etiologic agent of chronic periodontitis. This Gram-negative anaerobic bacterium produces several virulence factors and can induce a host inflammatory response that contributes to periodontal disease. In the present study, we investigated green tea, white tea, oolong tea, and black tea extracts with a high polyphenol content for their effects on (i) the growth and adherence of P. gingivalis, (ii) the activity of host and bacterial proteases, and (iii) cytokine secretion by oral epithelial cells. All the tea extracts inhibited the growth of P. gingivalis (minimal inhibitory concentrations ranging from 200 to 500 μg/mL; minimal bactericidal concentrations=500 μg/mL). In addition, they dose dependently reduced the adherence of P. gingivalis to oral epithelial cells. Tea extracts also inhibited the catalytic activity of matrix metalloproteinase (MMP)-9, neutrophil elastase, and P. gingivalis collagenase. Lastly, the tea extracts dose dependently inhibited the secretion of interleukin (IL)-6, IL-8, and chemokine (C-C motif) ligand 5 (CCL-5) by P. gingivalis-stimulated oral epithelial cells. No marked differences in the various effects were observed among the four tea extracts. Extracts from green tea, white tea, oolong tea, and black tea show promise for controlling periodontal disease by their capacity to interfere with P. gingivalis growth and virulence properties, host destructive enzymes, and inflammatory mediator secretion. Such extracts may be incorporated to oral hygiene products or locally delivered into diseased periodontal sites.
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.
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 | 0,000 | 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 | 0,000 |
| 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 découle