Secondary Metabolites Profiled in Cannabis Inflorescences, Leaves, Stem Barks, and Roots for Medicinal Purposes
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
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.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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