Echinacea extracts modulate the production of multiple transcription factors in uninfected cells and rhinovirus-infected cells
Notice bibliographique
Résumé
Extracts of Echinacea purpurea are widely used for the prevention and treatment of common colds, coughs, bronchitis and other upper respiratory infections, many of which are caused by rhinoviruses (RVs). Recent reports have indicated that rhinoviruses can stimulate the release of various pro-inflammatory cytokines and chemokines from cultured nasal and bronchial human epithelial cells, and several transcription factors (TFs) have been implicated in this process. The effects of Echinacea treatment and rhinovirus infection on the activation of a range of transcription factors were evaluated by means of a protein/DNA array analysis. The BEAS-2B cell line was used as the model, and nuclear extracts of uninfected cells and rhinovirus-14 infected cells were examined with and without treatment with one of two chemically different Echinacea extracts. It was found that both Echinacea extracts increased the nuclear content of more than 30 transcription factors, including the 12 pro-inflammatory factors examined, such as NFkB, AP-1, AP-2 and STATs 1-6. Virus infection resulted in a more dramatic increase in these same TFs. However, when RV-infected cells were treated with either of the two Echinacea extracts, TF levels were reduced to low levels, although the pattern of the reductions was different for the two extracts. These results indicate that rhinovirus infection of epithelial cells, and treatment with Echinacea extracts, led to profound effects on numerous transcription factors, which could explain the previously observed modulation of secreted cytokines and chemokines, as well as other signaling pathways. In addition, the results could help to explain the beneficial effects of Echinacea consumption.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 | 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 ».