Anti-hemolytic, Anti-lipid Peroxidation and Antioxidant Properties of Three Plants Locally Used to Treat Metabolic Disorders: Allium sativum, Persea americana and Citrus sinensis
Notice bibliographique
Résumé
Citrus sinensis, Persea americana and Allium sativum are good sources of large number of various bioactive substances including antioxidants. Antioxidants play an essential role in the prevention and treatment of type 2 diabetes and other metabolic diseases. This study was conducted to evaluate and compare the anti- lipid peroxidation, anti-hemolytic and antioxidant capacity of aqueous extracts of the three plants in vitro. Polyphenolic and flavonoids content of aqueous extracts (EA) of plants were determined. The anti-lipid peroxidation was evaluated on homogenates of rat liver. Anti-haemolytic effects were assessed using erythrocyte system model induced free radicals from human red blood cells. Total antioxidant capacity and antiradical or scavenging capacity were evaluated on biological free radical systems (OH, NO.) and synthetic radicals (DPPH and ABTS+). Results showed that, different extracts possess variable amounts of polyphenolic compounds. They exhibited significant anti-hemolytic and anti-lipid peroxidation activities. Aqueous extracts of Citrus sinensis are powerful scavenger of OH. (IC50=1.05x10-3mg/ml) and NO. (IC50= 1.29x10-3 mg/ml) free radicals while Persea americana seed extract possesses the highest anti-lipid peroxidation capacity (59.72%) and the best scavenging capacity against DPPH and ABTS. Red blood cells were highly protected (at 97.87%, p<0.05) by Allium sativum extract at 1mg/mL and Citrus sinensis (87.7%, p<0.05). Therefore, anti-hemolytic, anti-lipid peroxidation effects of the aqueous extracts of the three plants can justify their use and efficacy in alternative treatment of metabolic diseases.
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 | 0,000 |
| 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 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 ».