Efficacy of combined therapy with fish oil and phytocannabinoids in murine intestinal inflammation
Notice bibliographique
Résumé
Fish oil (FO) and phytocannabinoids have received considerable attention for their intestinal anti-inflammatory effects. We investigated whether the combination of FO with cannabigerol (CBG) and cannabidiol (CBD) or a combination of all three treatments results in a more pronounced intestinal antiinflammatory action compared to the effects achieved separately. Colitis was induced in mice by 2,4-dinitrobenzenesulfonic acid (DNBS). CBD and CBG levels were detected and quantified by liquid chromatography coupled with time of flight mass spectrometry and ion trap mass spectrometry (LC-MS-IT-TOF). Endocannabinoids and related mediators were assessed by LC-MS. DNBS increased colon weight/colon length ratio, myeloperoxidase activity, interleukin-1β, and intestinal permeability. CBG, but not CBD, given by oral gavage, ameliorated DNBS-induced colonic inflammation. FO pretreatment (at the inactive dose) increased the antiinflammatory action of CBG and rendered oral CBD effective while reducing endocannabinoid levels. Furthermore, the combination of FO, CBD, and a per se inactive dose of CBG resulted in intestinal anti-inflammatory effects. Finally, FO did not alter phytocannabinoid levels in the serum and in the colon. By highlighting the apparent additivity between phytocannabinoids and FO, our preclinical data support a novel strategy of combining these substances for the potential development of a treatment of inflammatory bowel disease.
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 | 0,001 |
| 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) | 0,000 | 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 ».