Comparison of the inhibitory effects of resveratrol and tranilast on IgE, 48/80 and substance P dependent-mast cell activation
Notice bibliographique
Résumé
Several health promoting effects have been attributed to the polyphenol resveratrol including anti cancer, anti-oxidant and anti-inflammatory activities. We investigated the effects of resveratrol on LAD2 and CD34 -derived mast cell activation in comparison to the known anti-allergy drug tranilast. Degranulation was quantified by β hexosaminidase assay, and cytokine, chemokine and cysteinyl leukotrienes (cysLT) expression was measured by real time PCR and ELISA. Fura-2 Ca imaging was employed to measure [Ca ] i . In LAD2 cells, both resveratrol and tranilast (10 ug/ml) inhibited degranulation induced by mast cell activators IgE/anti-IgE (39% and 19%, respectively; P<0.03), compound 48/80 (9% and 6%), and substance P (23% and 28%; P<0.03). This may be attributable to modulation of Ca levels, as resveratrol, and to a lesser extent tranilast, attenuated substance P-dependent increases in [Ca ] i . Resveratrol and tranilast blocked cytokine formation, reducing substance P-induced TNF production (65%; P=0.04 and 46%; P=0.09, respectively), but not MCP-1 production. Furthermore, resveratrol inhibited FcepsilonRI mediated production of cysLT by 31% compared to control, whereas tranilast had no effect. The effects of resveratrol on degranulation and release of cysLT were more marked in human primary mast cells (HuMC) (64% and 90% inhibition, respectively; P<0.05), and the polyphenol was found to be significantly more efficacious than tranilast in these cells. Resveratrol inhibited mast cell function at the level of degranulation, and cytokine and cysLT production, and was comparable, and in some cases, more potent than the anti-allergy drug tranilast. Thus resveratrol may be an effective therapeutic agent for the treatment of allergic disease.
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 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».