Cranberry components inhibit interleukin‐6, interleukin‐8, and prostaglandin E<sub>2</sub> production by lipopolysaccharide‐activated gingival fibroblasts
Notice bibliographique
Résumé
Periodontitis is a chronic inflammatory disease that affects the tooth supporting tissues. Gingival fibroblasts are the most abundant cells in periodontal tissues and participate actively in the host inflammatory response to periodontopathogens, which is known to mediate local tissue destruction in periodontitis. The aim of this study was to investigate the effect of a proanthocyanidin-enriched cranberry fraction, prepared from cranberry juice concentrate, on inflammatory mediator production by gingival fibroblasts stimulated by the lipopolysaccharide (LPS) of Aggregatibacter actinomycetemcomitans. Interleukin (IL)-6, IL-8, and prostaglandin E(2) (PGE(2)) production by fibroblasts treated with the cranberry fraction and stimulated by A. actinomycetemcomitans LPS was evaluated by enzyme-linked immunosorbent assay. Changes induced by A. actinomycetemcomitans LPS and the cranberry fraction in the expression and phosphorylation state of fibroblast intracellular signaling proteins were characterized by antibody microarrays. The LPS-induced IL-6, IL-8, and PGE(2) responses of gingival fibroblasts were inhibited by treatment with the cranberry fraction. This fraction was found to inhibit fibroblast intracellular signaling proteins, a phenomenon that may lead to a down-regulation of activating protein-1 activity. Cranberry components also reduced cyclooxygenase 2 expression. This study suggests that cranberry juice contains molecules with interesting properties for the development of new host-modulating therapeutic strategies in the adjunctive treatment of 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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 ».