A Distinct Hibiscus sabdariffa Extract Prevents Iron Neurotoxicity, a Driver of Multiple Sclerosis Pathology
Notice bibliographique
Résumé
Iron deposition in the brain begins early in multiple sclerosis (MS) and continues unabated. Ferrous iron is toxic to neurons, yet the therapies used in MS do not counter iron neurotoxicity. Extracts of Hibiscus sabdariffa (HS) are used in many cultures for medicinal purposes. We collected a distinct HS extract and found that it abolished the killing of neurons by iron in culture; medications used in MS were ineffective when similarly tested. Neuroprotection by HS was not due to iron chelation or anthocyanin content. In free radical scavenging assays, HS was equipotent to alpha lipoic acid, an anti-oxidant being tested in MS. However, alpha lipoic acid was only modestly protective against iron-mediated killing. Moreover, a subfraction of HS without radical scavenging activity negated iron toxicity, whereas a commercial hibiscus preparation with anti-oxidant activity could not. The idea that HS might have altered properties within neurons to confer neuroprotection is supported by its amelioration of toxicity caused by other toxins: beta-amyloid, rotenone and staurosporine. Finally, in a mouse model of MS, HS reduced disability scores and ameliorated the loss of axons in the spinal cord. HS holds therapeutic potential to counter iron neurotoxicity, an unmet need that drives the progression of disability in MS.
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) | 0,000 | 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) | 0,002 | 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 ».