The Pre-Clinical Evaluation of the Anti-Cancer Activity of Hibiscus and Lemon Grass Extracts on Non-Hodgkin Lymphoma Cells
Notice bibliographique
Résumé
Cancer is the leading cause of death in Canada and it is predicted that 2 out of 5 Canadians will develop the disease in their life-time. Current cancer therapies are often associated with severe side effects that include the formation of secondary malignancies and even death. As a result, research is focused on studying various novel anti-cancer agents, to discover new therapies that are safer and more effective. A majority of anti-cancer agents have been derived from natural health products; however, anecdotal evidence indicates that the benefits of the whole extract remains unexplored. Thus, it is important for scientific research to explore whether traditionally used natural extracts possess safe and effective anti-cancer properties. This project aims to uncover the anti-cancer benefits possessed by lemon grass and hibiscus extracts against Non-Hodgkin Lymphoma, as well as the mechanism(s) of action of these extracts alone and in combination with each other while identifying the pharmacologically active components within these extracts. These extracts have shown promising results is preliminary cytotoxicity screenings using a WST-1 assay. Also, cell staining with annexin V and propidium iodide have shown that these extracts induce apoptosis in U-937 cells.The most effective doses are currently being examined further to determine the mode of cell death being induced by the extracts. Furthermore, synergistic studies are being carried out to ascertain if there are benefits to using multiple effective extracts to combat the complexity of cancer. Preliminary findings also show a selectivity of these extracts to cancer cells. This research will determine if lemon grass and hibiscus can be used as safe and effective treatments for Non-Hodgkin Lymphoma.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,005 | 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 ».