<i>In vitro</i> activity of <i>Lycium barbarum</i> (Goji) against major human phase I metabolism enzymes
Notice bibliographique
Résumé
BACKGROUND: Goji berry (Lycium barbarum) has been used as traditional Chinese medicine and a functional food in China. Goji tea may interact with drugs such as warfarin by inhibiting the cytochrome P450 (CYP) 2C9, and this study was undertaken to characterize the effect of Goji products on CYP2C9/19-, CYP2D6 *1/*10-, CYP3A4/5/7-, CYP19-, and flavin-containing monooxygenase (FMO) 3-mediated metabolism. METHODS: Goji juice, water, and ethanol extracts were examined for their effect on CYP2C9/19-, 2D6-, 3A4/5/7-, 4A11-, CYP19-, and FMO3-mediated metabolism by using in vitro bioassay. The mechanism-based inactivation (MBI) of Goji juice on CYP3A4 was also examined. RESULTS: Data indicates that both fresh juice and commercially available juice caused strong inhibition (over 75 %) of most of the major CYP450 enzymes and moderate inhibition of FMO3 (30-60 %). Compared to juice, the Goji cold/hot water extracts effected low inhibition (below 30 %) of these enzymes. Ethanol (80 %) extracts exhibit the strongest inhibition on CYP2C9 and 2C19 (over 90 %). The inhibition pattern of dried and fresh berry extract and high-performance liquid chromatography (HPLC)-UV fingerprints were similar. CONCLUSIONS: These findings suggest that Goji products (berries, tea, tincture, and juice) can inhibit phase I drug metabolism enzymes and have the potential to affect the safety and efficacy of therapeutic products.
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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».