High-CBD cannabis extracts inhibit the expression of proinflammatory factors via miRNA-mediated silencing in human small intestinal epithelial cells
Notice bibliographique
Résumé
The incidence of chronic inflammatory disorders and autoimmune diseases is rapidly growing. To date, the COVID-19 pandemic caused by SARS-CoV-2 has killed over 6,209,000 people globally, while no drug has been proven effective for the disease. Screening natural anti-inflammatory compounds for clinical application has drawn much attention. In this study, we showed that high-CBD cannabis extracts #1, #5, #7, #169, and #317 suppressed the levels of expression of proinflammatory cyclooxygenase 2 (COX2) and increased the expression of the anti-inflammatory suppressor of cytokine signaling 3 (SOCS3) in human small intestinal epithelial cells (HSIEC) in TNFα/IFNγ-triggered inflammation. We revealed that these extracts, with the exception of extract #169, also profoundly attenuated induction of proinflammatory cytokines interleukin-6 (IL-6) and/or IL-8 proteins through miR-760- and miR-302c-3p-mediated silencing. The prevalent components in extracts #1 and #7 influenced the levels of IL-8 both individually as well as in combination with each other. However, the high-dose cannabis extracts displayed an inhibitory effect in the growth of HSIEC cells. These results show that our high-CBD cannabis extracts decrease the levels of proinflammatory molecules COX2, IL-6, and IL-8 via transcriptional suppression or miRNA-mediated silencing, highlighting their potential against COVID-19-associated cytokine storm syndrome.
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 | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».