LPS-Induced Liver Inflammation Is Inhibited by Psilocybin and Eugenol in Mice
Notice bibliographique
Résumé
Background/Objectives: Liver inflammatory diseases are a major global health burden and are often exacerbated by inflammation driven by lipopolysaccharides (LPS) through toll-like receptor 4 signaling. This study evaluates the anti-inflammatory effects of psilocybin and eugenol in an LPS-induced liver inflammation model in C57BL/6J mice. Methods: Mice were treated with psilocybin (0.88 mg/kg) and/or eugenol (17.59 mg/kg) either before (pre-treatment) or after (post-treatment) LPS injection. Results: Psilocybin and eugenol, individually and in combination, significantly reduced the LPS-induced mRNA levels of pro-inflammatory cytokines, with post-treatment administration exhibiting stronger effects than pre-treatment. Psilocybin alone displayed the most pronounced anti-inflammatory response, especially for IL-1β, IL-6, and MCP-1, while its combination with eugenol in 1:50 ratio demonstrated similar results, with strongly reduced COX-2 and TNF-α. Histological analysis revealed improved nuclear circularity and reduced inflammatory infiltration in the treatment groups. Eugenol alone showed potential adverse effects, including increased MCP-1 and GM-CSF, but this was mitigated by the co-administration of psilocybin. Conclusions: These findings highlight psilocybin and its combination with eugenol as promising therapies for hepatic inflammation, suggesting their application in treating acute and chronic liver diseases. Future research should explore their long-term effects, the mechanisms underlying their anti-inflammatory actions, and their therapeutic efficacy in humans.
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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».