Phenol-Rich Feijoa sellowiana (Pineapple Guava) Extracts Protect Human Red Blood Cells from Mercury-Induced Cellular Toxicity
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
Plant polyphenols, with broadly known antioxidant properties, represent very effective agents against environmental oxidative stressors, including mercury. This heavy metal irreversibly binds thiol groups, sequestering endogenous antioxidants, such as glutathione. Increased incidence of food-derived mercury is cause for concern, given the many severe downstream effects, ranging from kidney to cardiovascular diseases. Therefore, the possible beneficial properties of Feijoa sellowiana against mercury toxicity were tested using intact human red blood cells (RBC) incubated in the presence of HgCl2. Here, we show that phenol-rich (10–200 µg/mL) extracts from the Feijoa sellowiana fruit potently protect against mercury-induced toxicity and oxidative stress. Peel and pulp extracts are both able to counteract the oxidative stress and thiol decrease induced in RBC by mercury treatment. Nonetheless, the peel extract had a greater protective effect compared to the pulp, although to a different extent for the different markers analyzed, which is at least partially due to the greater proportion and diversity of polyphenols in the peel. Furthermore, Fejioa sellowiana extracts also prevent mercury-induced morphological changes, which are known to enhance the pro-coagulant activity of these cells. These novel findings provide biochemical bases for the pharmacological use of Fejioa sellowiana-based functional foods in preventing and combating mercury-related illnesses.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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