Naringenin has anti‐inflammatory properties in macrophage and <i>ex vivo</i> human whole‐blood models
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: Periodontitis is a chronic inflammatory disease of bacterial etiology, affecting tooth-supporting tissues. The host inflammatory response to periodontopathogens, notably the high and continuous production of cytokines, is considered a major factor causing the local tissue destruction observed in periodontitis. The aim of the present study was to investigate the effect of naringenin, a major flavanone in grapefruits and tomatoes, on the lipopolysaccharide-induced pro-inflammatory cytokine production by host cells, using two different models. MATERIAL AND METHODS: The effect of naringenin was characterized using macrophages stimulated with the lipopolysaccharide of either Aggregatibacter actinomycetemcomitans or Escherichia coli and using whole blood stimulated with A. actinomycetemcomitans lipopolysaccharide, in the presence or absence of naringenin. Lipopolysaccharide-induced interleukin-1 beta, interleukin-6, interleukin-8 and tumor necrosis factor-alpha production by macrophages and whole-blood samples treated with naringenin were evaluated using an enzyme-linked immunosorbent assay. Changes in the phosphorylation states of macrophage kinases induced by A. actinomycetemcomitans lipopolysaccharide and naringenin were characterized by immunoblot screening. RESULTS: Our results clearly indicated that naringenin is a potent inhibitor of the pro-inflammatory cytokine response induced by lipopolysaccharide in both macrophages and in whole blood. Naringenin markedly inhibited the phosphorylation on serines 63 and 73 of Jun proto-oncogene-encoded AP-1 transcription factor in lipopolysaccharide-stimulated macrophages. CONCLUSION: The results from the present study suggest that naringenin holds promise as a therapeutic agent for treating inflammatory diseases such as 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».