Rare Phytocannabinoids Exert Anti-Inflammatory Effects on Human Keratinocytes via the Endocannabinoid System and MAPK Signaling Pathway
Notice bibliographique
Résumé
Increasing evidence supports the therapeutic potential of rare cannabis-derived phytocannabinoids (pCBs) in skin disorders such as atopic dermatitis, psoriasis, pruritus, and acne. However, the molecular mechanisms of the biological action of these pCBs remain poorly investigated. In this study, an experimental model of inflamed human keratinocytes (HaCaT cells) was set up by using lipopolysaccharide (LPS) in order to investigate the anti-inflammatory effects of the rare pCBs cannabigerol (CBG), cannabichromene (CBC), Δ9-tetrahydrocannabivarin (THCV) and cannabigerolic acid (CBGA). To this aim, pro-inflammatory interleukins (IL)-1β, IL-8, IL-12, IL-31, tumor necrosis factor (TNF-β) and anti-inflammatory IL-10 levels were measured through ELISA quantification. In addition, IL-12 and IL-31 levels were measured after treatment of HaCaT cells with THCV and CBGA in the presence of selected modulators of endocannabinoid (eCB) signaling. In the latter cells, the activation of 17 distinct proteins along the mitogen-activated protein kinase (MAPK) pathway was also investigated via Human Phosphorylation Array. Our results demonstrate that rare pCBs significantly blocked inflammation by reducing the release of all pro-inflammatory ILs tested, except for TNF-β. Moreover, the reduction of IL-31 expression by THCV and CBGA was significantly reverted by blocking the eCB-binding TRPV1 receptor and by inhibiting the eCB-hydrolase MAGL. Remarkably, THCV and CBGA modulated the expression of the phosphorylated forms (and hence of the activity) of the MAPK-related proteins GSK3β, MEK1, MKK6 and CREB also by engaging eCB hydrolases MAGL and FAAH. Taken together, the ability of rare pCBs to exert an anti-inflammatory effect in human keratinocytes through modifications of eCB and MAPK signaling opens new perspectives for the treatment of inflammation-related skin pathologies.
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 ».