Secondary Metabolites Profiled in Cannabis Inflorescences, Leaves, Stem Barks, and Roots for Medicinal Purposes
Notice bibliographique
Résumé
Cannabis research has historically focused on the most prevalent cannabinoids. However, extracts with a broad spectrum of secondary metabolites may have increased efficacy and decreased adverse effects compared to cannabinoids in isolation. Cannabis's complexity contributes to the length and breadth of its historical usage, including the individual application of the leaves, stem barks, and roots, for which modern research has not fully developed its therapeutic potential. This study is the first attempt to profile secondary metabolites groups in individual plant parts comprehensively. We profiled 14 cannabinoids, 47 terpenoids (29 monoterpenoids, 15 sesquiterpenoids, and 3 triterpenoids), 3 sterols, and 7 flavonoids in cannabis flowers, leaves, stem barks, and roots in three chemovars available. Cannabis inflorescence was characterized by cannabinoids (15.77-20.37%), terpenoids (1.28-2.14%), and flavonoids (0.07-0.14%); the leaf by cannabinoids (1.10-2.10%), terpenoids (0.13-0.28%), and flavonoids (0.34-0.44%); stem barks by sterols (0.07-0.08%) and triterpenoids (0.05-0.15%); roots by sterols (0.06-0.09%) and triterpenoids (0.13-0.24%). This comprehensive profile of bioactive compounds can form a baseline of reference values useful for research and clinical studies to understand the "entourage effect" of cannabis as a whole, and also to rediscover therapeutic potential for each part of cannabis from their traditional use by applying modern scientific methodologies.
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 | 0,002 | 0,001 |
| 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) | 0,002 | 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 ».