Evaluating Neurotherapeutic Potential of Myricetin by In-Vivo research models
Notice bibliographique
Résumé
Background: Oxidative stress, neuroinflammation, and poor neurotrophic signaling are associated with neurological diseases. Myricetin is a bioflavonoid present in berries, vegetables, and medicinal herbs, with strong anti-inflammatory, antioxidant, and neurotrophic properties in animal studies. The objective of the present in-vivo research was to assess the neuroprotective potential of myricetin on nerve growth factor (NGF) expression and neuroinflammation in chemically induced neural injury. Materials and Methods: Thirty healthy male adult Wistar rats (180-220g, 8 weeks old) were randomly divided into five groups (n=6 per group). Group I was used as a control, with no intervention. Groups II to V were exposed to a standard propionic acid (PPA) to induce neuroinflammation. Groups III-V were induced and subsequently administered with oral myricetin of 50 mg/kg, 100 mg/kg, and 200 mg/kg for 28 days. Serum levels of NGF were measured with Enzyme-linked Immunosorbent assay (ELISA). One-way ANOVA was performed for statistical analysis using SPSS. Results: PPA decreased NGF to 4.3 ± 0.5 pg/ml (p< 0.001). Myricetin restored NGF to 9.3, 7.6, and 9.8 pg/mL via 50, 100, and 200 mg/kg doses, respectively. At 200 mg/kg, C-reactive protein (CRP), tumor necrosis factor (TNF), and malondialdehyde (MDA) were decreased to 1.7 ± 0.2 mg/L, 26 ± 3 pg/mL, and 2.9 ± 0.3 nmol/mg, compared to 4.9 ± 0.4, 58 ± 4, and 6.7 ± 0.4. (p < 0.001). Conclusion: Myricetin exhibits promising neurotherapeutic potential, evidenced by its ability to upregulate NGF and mitigate neuroinflammatory damage, making it a potential therapeutic option for the treatment of neurological disorders.
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 | 0,002 | 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 ».