Microarray Analysis as a Tool to Elucidate the Mechanism of Action of St. John's Wort
Notice bibliographique
Résumé
Hypericum perforatum L., known as St. John's wort (SJW) is indicated as phytotherapeutic agent for the treatment of mild to moderate forms of depression. Data from literature support the hypothesis that chronic stress is a major risk factor for psychiatric illnesses. The aim of the present study was to evaluate the effect of SJW extract (STW3-VI; 250 and 500mg/kg; p.o.) and fluoxetine (10mg/kg, p.o.) on genes involved in the pathogenesis of depression using a chronic restraint stress (CRS) model in rats. Hypothalamic and hippocampal tissues were analyzed using the Affymetrix gene chip Rat Genome 230 2.0 Array, which comprises more than 30,000 rat transcripts. Limma analysis and PANTHER database were used to evaluate the microarray data. Treatment with SJW extract in both concentrations and fluoxetine reversed expression levels of several genes changed by CRS. Genes involved in pathways of inflammatory processes (Mapk8) oxidative stress (Gpx3, Gstm3, Sod3) or Alzheimer's disease (Sncb, Apbb1ip) were altered by both, fluoxetine and SJW. In all groups several pathways were identified which provide a link between the various hypotheses of depression. Gene expression results for both brain regions were verified using quantitative rPCR. In conclusion, Microarray analysis prooved to be a valuable tool to identify a large number of genes and resulting pathways that may serve as novel drug targets or predict drug responsiveness. Based on our results it was possible to identify new candidate pathways that help to understand molecular principles of depression and in addition help to find novel treatment strategies for neuropsychiatric disorders.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».