Psilocybin and Eugenol Reduce Inflammation in Human 3D EpiIntestinal Tissue
Notice bibliographique
Résumé
Inflammation plays a pivotal role in the development and progression of inflammatory bowel disease (IBD), by contributing to tissue damage and exacerbating the immune response. The investigation of serotonin receptor 2A (5-HT2A) ligands and transient receptor potential (TRP) channel ligands is of significant interest due to their potential to modulate key inflammatory pathways, mitigate the pathological effects of inflammation, and offer new avenues for therapeutic interventions in IBD. This study investigates the anti-inflammatory effects of 5-HT2A ligands, including psilocybin, 4-AcO-DMT, and ketanserin, in combination with TRP channel ligands, including capsaicin, curcumin, and eugenol, on the inflammatory response induced by tumor necrosis factor (TNF)-α and interferon (IFN)-γ in human 3D EpiIntestinal tissue. Enzyme-linked immunosorbent assay was used to assess the expression of pro-inflammatory markers TNF-α, IFN-γ, IL-6, IL-8, MCP-1, and GM-CSF. Our results show that psilocybin, 4-AcO-DMT, and eugenol significantly reduce TNF-α and IFN-γ levels, while capsaicin and curcumin decrease these markers to a lesser extent. Psilocybin effectively lowers IL-6 and IL-8 levels, but curcumin, capsaicin, and 4-AcO-DMT have limited effects on these markers. In addition, psilocybin can significantly decrease MCP-1 and GM-CSF levels. While ketanserin lowers IL-6 and GM-CSF levels, there are no effects seen on TNF-α, IFN-γ, IL-8, or MCP-1. Although synergistic effects between 5-HT2A and TRP channel ligands are minimal in this study, the results provide further evidence of the anti-inflammatory effects of psilocybin and eugenol. Further research is needed to understand the mechanisms of action and the feasibility of using these compounds as anti-inflammatory therapies for conditions like IBD.
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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».