A biological extract of turmeric (Curcuma longa) modulates response of cartilage explants to lipopolysaccharide
Notice bibliographique
Résumé
Abstract Background Turmeric is commonly used as a dietary treatment for inflammation, but few studies have evaluated the direct effect of turmeric on cartilage. The purpose of this study was to characterize cartilage explants’ inflammatory responses to lipopolysaccharide in the presence of a simulated biological extract of turmeric. Methods Turmeric was incubated in simulated gastric and intestinal fluid, followed by inclusion of liver microsomes and NADPH. The resulting extract (TURsim) was used to condition cartilage explants in the presence or absence of lipopolysaccharide. Explants were cultured for 96 h (h); the first 24 h in basal tissue culture media and the remaining 72 h in basal tissue culture media containing TURsim(0, 3, 9 or 15 μg/mL). Lipopolysaccharide (0 or 5 μg/mL) was added for the final 48 H. mediasamples were collected immediately prior to lipopolysaccharide exposure (0 h) and then at 24 and 48 h after, and analyzed for prostaglandin E2(PGE2), glycosaminoglycan (GAG), and nitric oxide (NO). Explants were stained with calcein-AM for an estimate of live cells. Data were analyzed using a 2-way repeated measures (GAG, PGE2, NO) or 1-way ANOVA without repeated measures (viability). Significance accepted atp < 0.05. Results TURsimsignificantly reduced PGE2,NO and GAG, and calcein fluorescence was reduced. Conclusions: These data contribute to the growing body of evidence for the utility of turmeric as an intervention for cartilage inflammation.
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) | 0,001 | 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) | 0,001 | 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 ».