The Efficacy of Natural Extracts (Lemongrass, White Tea, and Dandelion Root) and their Interactions with Conventional Chemotherapeutic Drugs for the Treatment of Colon Cancer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The problem with conventional cancer treatments is that the drugs used are not selective towards cancer and in turn are toxic to healthy cells. New therapeutic development should target vulnerabilities that are unique to cancer cells that can trigger cell death. Numerous natural extracts and compounds have been reported to have efficacious medicinal properties with selective activity towards various diseases. Dandelion (Taraxacum spp) root and lemongrass (Cymbopogon citratus) extracts each contain multiple bioactive compounds and have been shown to target multiple pathways in cancer cells to selectively induce apoptosis. Recent work in our lab shows that lemongrass and white tea extracts possess the ability to selectively induce apoptosis in lymphoma and leukemia models. Herein, we report the anticancer properties of ethanolic lemongrass extract in colorectal cancer models. These extracts are to be tested for possible interactions with existing colorectal cancer chemotherapy drugs. Additionally, none of these extracts have been examined for their efficacy in tumour-bearing transgenic mice. Therefore, our objective is to utilize a transgenic animal model to demonstrate the ability of these extracts to inhibit the onset of colon cancer. Thus, utilizing natural extracts could be a potential means to treating and/or preventing the occurrence of cancer in a non-toxic manner without disrupting chemotherapeutic treatments. Most importantly, since these extracts are well-tolerated, they can be taken over long periods of time, decreasing the chances of relapse.
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.
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) | 0,000 | 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) | 0,000 | 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 découle