Phytochemical-rich medicinal plant extracts suppress bacterial antigens-induced inflammation in human tonsil epithelial cells
Notice bibliographique
Résumé
Background Pharyngitis is an inflammatory condition of the pharynx and associated structures commonly caused by the Group A streptococci (GAS). There is a growing interest in discovering plant-based anti-inflammatory compounds as potential alternatives to conventional drugs. This study evaluated anti-inflammatory activity of phytochemical-rich extracts prepared from 12 herbal plants using human tonsil epithelial cells (HTonEpiC) in vitro . Methods The HTonEpiC were induced by a mixture of lipoteichoic acid (LTA) and peptidoglycan (PGN) (10 µg/mL; bacterial antigens) for 4 h and then exposed to ethanol extracts (EE) or aqueous extracts (AE) for 20 h. The secretion of four pro-inflammatory cytokines was measured using enzyme-linked immunosorbent assays (ELISA). Total phenolic and total flavonoid contents of the extracts were determined using spectrophotometric methods. Results The herbal plant extracts (≤5 µg/mL) were not cytotoxic to HTonEpiC. The extracts exhibited a broad range of reduction (1.2%–92.6%) of secretion of interleukin-8 (IL-8), human beta defensin-2 (hBD-2), epithelial-derived neutrophil activating protein-78 (ENA-78), and granulocyte chemotactic protein-2 (GCP-2). Both EE and AE of clove, ginger, and echinacea flower and EE from danshen root significantly inhibited the pro-inflammatory cytokine production as induced by LTA and PGN in HTonEpiCs at the concentrations of 1 and 5 µg/mL. Discussion Our observations indicate that danshen root, clove, ginger, and echinacea flower extracts exhibit an anti-inflammatory effect in HTonEpiCs. The most efficacious extracts from danshen root, clove, ginger and echinacea flowers have potential to be used as natural sources for developing phytotherapeutic products in the management of painful inflammation due to streptococcal pharyngitis.
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 | 0,001 | 0,002 |
| 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 | 0,000 |
| 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) | 0,000 | 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 ».