Pharmacologic activities of phytosteroids in inflammatory diseases: Mechanism of action and therapeutic potentials
Notice bibliographique
Résumé
Natural products and their derivatives are known to be useful for treating numerous diseases since ancient times. Because of their high therapeutic potentials, the use of different medicinal plants is possible to treat varied inflammation-mediated chronic diseases. Among natural products, phytosteroids have emerged as promising compounds mostly because they have diverse pharmacological activities. Currently, available medications exert numerous systemic toxicities, including hypertension, immune suppression, osteoporosis, and metabolic abnormalities. Thus, further research on phytosteroids to subside these complications is of significant importance. In this study, the information on phytosteroids, their types, and actions against inflammation, and allergic complications was collected by a systematic survey of literature on several scientific search engines. The literature review suggested that phytosteroids exhibit antiinflammatory action via different modes through transrepression or selective COX-2 enzymes. Also, in silico ADMET analysis was carried out on available phytosteroids to uncover their pharmacokinetic properties. Our analysis has shown that eight compounds: withaferin A, stigmasterol, β-sitosterol, guggulsterone, diosgenin, sarsasapogenin, physalin A, and dioscin, -isolated from medicinal plants show similar pharmacokinetic properties as compared to dexamethasone, commercially available glucocorticoid. These phytosteroids could be useful for the treatment of inflammatory diseases, such as rheumatoid arthritis, inflammatory bowel diseases, multiple sclerosis, asthma, and cardiovascular diseases. Thus, systematic research is required to explore potent phytosteroids with lesser side effects, which might substitute the current medications.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».