Blog

Etude sur Arnica

Biais et concepts trompeurs dans une étude de recherche sur Arnica. Commentaires pour améliorer l’homéopathie expérimentale

Résumé

Les modèles expérimentaux de base en homéopathie présentent un intérêt majeur, car ils pourraient fournir des données utiles sur la capacité des hautes dilutions à fonctionner dans un système biologique. En raison de la difficulté extrême à mettre en évidence tout effet possible et à faire confiance à sa fiabilité, les méthodes doivent être particulièrement strictes et hautement normalisées. Les facteurs de confusion, les processus de traitement, les erreurs pré-analytiques, les statistiques trompeuses et les fausses interprétations peuvent conduire à des biais expérimentaux. Cet article tente d’élucider ces facteurs de biais en prenant en compte certaines preuves récemment rapportées sur le terrain.

 

  1. Origines : Marzotto et al. a rapporté qu’un extrait de plante d’Arnica montana L. de Boiron Laboratoires (Lyon, France) dans EtOH à 30% v / v / eau contenait 36,0 mg / 100 ml de lactones sesquiterpéniques, à savoir 1,05 × 10−3 M. La préparation à 1: 100 nommé 1c, a été utilisé comme solution de départ pour une série de dilutions supplémentaires à 1: 100 dans EtOH à 30% v / v / eau, ce qui a eu un effet sur l’expression de certains gènes de la matrice extracellulaire lors de tests sur du THP-1 polarisé en IL-4 cellules [1]. Le document est particulièrement intéressant, mais soulève des préoccupations fondamentales concernant le cadre expérimental de l’homéopathie de base, qui est l’objectif de cet article.Premièrement, afin de calculer la molarité des lactones sesquiterpéniques dans la préparation alcoolique, les auteurs se sont référés à Staneva et al. qui ont identifié au moins huit composants d’un extrait d’Arnica lié à l’hélénaline et à la dihydrohélénaline par spectroscopie RMN 1H et ont supposé une masse molaire moyenne de 340,41 pour les composés dérivés de la dihydrohélénaline [2]. Le calcul évalué par Marzotto et al. qui ne repose sur aucune donnée chromatographique rapportée, serait une approximation de l’estimation faite par Staneva et al. avec RMN 1H. Staneva et al. ont signalé des erreurs possibles dans l’analyse quantitative effectuée en utilisant uniquement la masse molaire moyenne, en particulier pour des composés tels que la méthacryloyle, et en évaluant que la masse molaire calculée en faisant la somme des poids molaires de lactones uniques, en particulier pour l’isobutyryl-hélénaline, 6-O- La (2-méthylbutyryl) -hélénaline, la 2-méthylbutyryl dihydrohélénaline, qui ne peut être évaluée séparément, était inférieure [2]. L’estimation molaire calculée par Marzotto et al. dans Arnica 1c, les principales lactones sesquiterpéniques présentes dans A. montana (rapportées à tort comme Arnica m.), à savoir l’hélénaline et les esters de 11α, 13-dihydrohélénaline, donnant la molarité théorique rapportée [1], [2]. Le A. montana 2c préparé avec 30% v / v d’EtOH / eau devrait donc contenir 51,43 mM d’EtOH et 10,5 nM de lactones sesquiterpéniques. Si l’hélénaline et les composés 11α, 13-dihydrohélénaline étaient les principaux composés d’A. Montana montrés dans l’extrait, les auteurs ont montré un effet en utilisant des doses inférieures d’au moins trois ordres de grandeur à celles précédemment rapportées comme efficaces sur les cellules immunitaires in vitro [1 ], [3], [4], [5]. Si tel est le cas, ce résultat intéressant pose le problème de l’activité associée à de nouvelles dilutions, par ex. Arnica 5c, cette préparation devant être préparée avec 51,43 mM d’EtOH et 0,0001 fM de lactones sesquiterpènes, avec un rapport EtOH / lactones = 5.1014 à 1, une situation pour laquelle il est très difficile d’exclure l’activité molaire de l’éthanol le négligeable des lactones. Le même UV – VIS réalisé par les auteurs sur l’Arnica 1c montre clairement uniquement l’absorbance UV de l’éthanol, à 205 nm pour A1cm> 1.0 à sa valeur εM la plus basse [1]. Par conséquent, la fraction molaire des composants chimiques dans un extrait de A. montana L. suggérerait que l’éthanol est la seule espèce bioactive chimique en dehors de l’eau, qui devrait être présente dans les dilutions centésimales.
  2. L’éthanol comme facteur de confusion et contrôle les performancesLe rôle de l’éthanol devrait être mieux mis en évidence même s’il est difficile de croire que les dilutions peuvent fonctionner en raison de son existence. L’éthanol a été utilisé dans plusieurs papiers expérimentaux utilisant des dilutions homéopathiques [6], [7], [8], suscitant des commentaires ailleurs [9], [10], [11]. Verma et al. ont récemment rapporté que l’éthanol était capable d’induire la libération de vésicules extracellulaires membranaires nanométriques capables d’induire l’activation de macrophages [12]. Il ne fait aucun doute que l’éthanol a une activité chimique dans les systèmes où la masse molaire du principe actif est absolument négligeable [10], [13], [14]. Cependant, la critique la plus fréquente à propos de ce commentaire est que l’éthanol est présent à la fois dans les dilutions de contrôle et dans les dilutions à base de plantes (cas) et par conséquent, ce solvant ne peut pas être considéré comme une source de confusion statistique [15]. Si de l’éthanol est présent, à la même concentration, à la fois dans les dilutions et dans les contrôles, son effet confondant doit être négligeable, voire nul. Toutefois, cela n’est vrai que si les contrôles et les observations sont traités en double aveugle et sont préparés avec la même procédure et avec une gestion dans une condition de haute stringence. Des biais pré-analytiques peuvent survenir dans ce cas. Des biais dérivés de lots ont même été signalés pour la puce à ADN, en particulier lors du regroupement des échantillons d’ARN [16], [17] et, par conséquent, toute différence dans la manipulation, le stockage et le traitement des lots de dilutions à l’éthanol peut interférer et affecter la fiabilité du test. résultats. Nous devons admettre que, d’un point de vue chimique et sur la base des questions abordées ci-dessus, un contrôle EtOH à 30% / eau est parfaitement similaire à, par exemple. une Arnica 15c dans 30% d’ETOH / eau, car les deux systèmes sont pratiquement constitués uniquement d’éthanol et d’eau mélangés, en raison de la quantité négligeable, voire nulle, de sesquiterpène lactones (SL) dans les 15 [1]. Par conséquent, les chercheurs comparent probablement deux contrôles l’un avec l’autre, un « contrôle » (A) et une « dilution » (B). En outre, si B subit une filtration de 0,22 µm et A pas, comme indiqué [1], si B provient d’un lot stocké pendant 12 mois alors que A est une préparation fraîche, si B provient des dilutions en série de 4 à 5 précédentes dilutions itératives, A est constitué uniquement de la dilution précédente, et si un réglage en aveugle n’est pas pris en compte, des différences dans le lot de systèmes chimiques pratiquement contrôlées peuvent générer un biais dans les statistiques des résultats et une incompréhension dans les remarques concluantes sur les données rapportées. preuve. Il existe donc des facteurs de confusion dans l’activité chimique du solvant (éthanol) et dans les biais de contrôle.

 

 

  1. Une évaluation statistique peut permettre de mieux comprendre les biais éventuelsLes contrôles doivent avoir une distribution très homogène de leur variance interne. Des commentaires antérieurs sur la variabilité des données dans l’homéopathie expérimentale ont montré que même la distribution de l’erreur type de la moyenne (SEM) peut conduire à une signification statistique, en raison d’une erreur alpha dans une hypothèse nulle H0 [9].Si les contrôles ne présentent pas d’homoscédasticité dans la distribution des données, un contrôle peut alors avoir un effet «biologique» en raison de l’existence d’un facteur de confusion chimique. La dilution à base de plantes avec un rapport EtOH / principe actif> 1010: 1 est pratiquement un contrôle, où la seule espèce chimique active est l’alcool, car les SL sont négligeables ou pratiquement absentes [1]. L’éthanol a une activité spécifique sur l’expression des gènes et sur les gènes exprimés de manière différentielle (DEG) et peut entraîner un biais dans l’estimation des valeurs de p, en particulier si elle est réalisée avec une approche, telle que le test de Friedman, qui présente la très faible puissance du test de signe [ 14], [18]. Dans ce cas, les effets peuvent être liés à l’éthanol en tant que principal facteur de confusion des dilutions [1], [10], [15].

    Pour donner un exemple possible de ce problème, dans un article récent, les statistiques ont été réalisées à l’aide d’un test de Friedman, moins puissant que d’autres tests de rangs non paramétriques, comme le test de Wilcoxon-Mann Withney [1], [18] . Cette preuve ressemble aux données précédemment rapportées, avec la RT-PCR [6]. Selon les auteurs, toute dilution dans EtOH / eau à 30% v / v était capable de modifier les profils de DEG, avec p <0,05 dans un test de Wilcoxon [1]. Une évaluation réalisée sur les données des tableaux supplémentaires du document [1], utilisant un test de rang de Wilcoxon-Mann Withney non paramétrique, a donné les résultats présentés dans le tableau 1. L’appariement simple de toute dilution, de 3c à 15c, par rapport au témoin moyenne (moyenne de 5 expériences distinctes) en utilisant les valeurs RPKM, a donné les résultats suivants (caractère gras = non significatif, c.-à-d. p> 0,05 sorties).

    a) [A. montana 2c] p = 0,01108; [UNE. montana 3c] p = 0,01242; [UNE. montana 5c] p = 0,0226; [UNE. montana 9c] p = 0,01684; [UNE. montana 15c] p = 0.0477

    b) [A. montana 2c] p = 0,35238; [UNE. montana 3c] p = 0,09102; [UNE. montana 5c] p = 0,37346; [UNE. montana 9c] p = 0,22628; [UNE. montana 15c] p = 0,65994 (caractère gras p> 0,05, c’est-à-dire non significatif), permettant d’évaluer une circonstance pouvant également être extraite du tableau 1, tableau 2, dans laquelle les dilutions sont appariées aux témoins de chaque expérience. Les données suggèrent que la distribution de la variance dans la série de contrôle n’est pas dispersée de manière homogène et donnent des biais possibles dans l’interprétation du fonctionnement présomptif des dilutions homéopathiques. Pour vérifier le contrôle de l’homoscédasticité, il convient de réaliser un test de Bartlett. Le test de Bartlett sur la distribution de contrôle a montré que cette variabilité était hautement significative (p <0,0001, 2 = 409.19452). L’évaluation RPKM globale de la comparaison de rang signée entre tous les contrôles moyennés et les moyennes pour chaque dilution testée a donné les statistiques suivantes:

 

 

Table 2. Wilcoxon–Mann Whitney test of A. montana effects on IL-4 treated THP-1 gene expression (RPKM).a

Sample Statistics Test 1 Test 2 W-value Mean difference Sum of POS ranks Sum of NEG ranks Z-value Kolmogorov–Smirnov (P) P value (2-tailed)
20 Wilcoxon–U-Mann Whitney 1 CTRL Pooled 3c 72 −27.47 72 118 −0.9296 P = n.s. 0.35238
2 CTRL 239 18.55 239 257 −0.1764 P = 0.97184 0.85716
3 CTRL 90 −24.47 90 100 −0.2012 P = n.s. 0.84148
4 CTRL 75 −25.9 75 115 −0.8048 P = n.s. 0.42372
5 CTRL 74 −27.34 74 116 −0.8451 P = n.s. 0.39532
20 Wilcoxon–U-Mann Whitney 1 CTRL Pooled 5c 75 −29.73 75 115 −0.8048 P = n.s. 0.42372
2 CTRL 40 −31.79 40 150 −2.2133 P = 0.97808 0.0271
3 CTRL 86 −26.73 86 104 −0.3622 P = n.s. 0.71884
4 CTRL 74 −28.16 74 116 −0.8451 P = n.s. 0.39532
5 CTRL 76 −29.6 76 114 −0.7614 P = n.s. 0.44726
20 Wilcoxon–U-Mann Whitney 1 CTRL Pooled 9c 91 −22.81 91 99 −0.161 P = n.s. 0.87288
2 CTRL 53 −26.26 53 118 −1.4154 P = 0.97184 0.1556
3 CTRL 90 −19.81 90 100 −0.2012 P = n.s. 0.84148
4 CTRL 81 −21.24 81 109 −0.5634 P = n.s. 0.57548
5 CTRL 71 −22.68 71 119 −0.9658 P = n.s. 0.33204
20 Wilcoxon–U-Mann Whitney 1 CTRL Pooled 15c 85 −23,71 105 85 −0.4024 P = n.s. 0.68916
2 CTRL 50 −25.77 50 140 −1.8109 P = 0.97908 0.0703
3 CTRL 83.5 −20.71 83.5 106.5 −0.4628 P = n.s. 0.64552
4 CTRL 84 −22.14 84 106 −0.4427 P = 0.97908 0.65994
5 CTRL 80 −23.58 80 110 −0.6036 P = n.s. 0.5485

 

Cluster 02 – Controls. [1 vs 2] p = 0.25848; [2 vs 3] p = 0.14706; [3 vs 4] p = 0.90448; [4 vs 5] p = 0.27572; [1 vs 3] p = 0.68916; [1 vs 4] p = 0.63122; [1 vs 5] p = 0.4965; [2 vs 4] p = 0.29372; [2 vs5] p = 0.68916; [3 vs 5] p = 0.0703, Bold letter: biased or critical values. No control match is biased. Bartlett’s tests on controls p = 0 χ2 = 409.19452.

  1. c) A. montana 2c] p = 0,13622; [ A. montana 3c] p = 0,23404; [A. montana 5c] p = 0,21498; [ A. montana 9c] p = 0,21499; [ A. montana 15c] p = 0,17702, ce qui devrait suggérer l’existence d’un biais possible dans la distribution utilisée pour évaluer l’activité de dilution sur les cellules THP-1, car ces comparaisons indiqueraient l’absence complète d’effets sur l’expression génique des macrophages par A. extraits alcooliques montana. Cette preuve semble contredire la conclusion concluante des auteurs sur l’activité de l’Arnica [1]. Le test de qualité d’ajustement, réalisé avec un test de Shapiro-Wilk et un test de Lilliefors-van Soers, a permis de déterminer que toute distribution était non paramétrique. Le nombre de valeurs aberrantes dans le test de déviation extrême de Student de Rosner (p <0,00001, ≥ 10 sur les valeurs) était 2,25 plus élevé pour les contrôles que pour toute solution de test.

 

Table 1. Wilcoxon–Mann Whitney test of A. montana effects on IL-4 treated THP-1 gene expression (RPKM).a

Sample Statistics Test 1 Test 2 W-value Mean difference Sum of POS ranks Sum of NEG ranks Z-value Kolmogorov–Smirnov (P) p value (2-tailed)
20 Wilcoxon–U-Mann Whitney 1 CTRL Pooled 3c 34 686.74 176 34 −2.6506 P = 0.98314 0.00804
2 CTRL 55 505.79 155 55 −1.8666 P = n.s. 0.06148
3 CTRL 45 637.04 165 45 -2–24 P = 0.98314 0.0251
4 CTRL 12 672.29 198 12 −3.4719 P = 0.98314 0.00052
5 CTRL 33 640.64 177 33 −2.688 P = n.s. 0.00714
20 Wilcoxon–U-Mann Whitney 1 CTRL Pooled 5c 35 688.14 175 35 −2.6133 P = n.s. 0.00906
2 CTRL 43 507.19 43 167 −2.3146 P = n.s. 0.02088
3 CTRL 51 638.44 159 51 −2.016 P = n.s. 0.04338
4 CTRL 15 673.69 195 15 -3–3599 P = 0.98314 0.00078
5 CTRL 36 642.04 174 36 −2.576 P = n.s. 0.00988
20 Wilcoxon–U-Mann Whitney 1 CTRL Pooled 9c 31 689.82 179 31 −2.7626 P = n.s. 0.00578
2 CTRL 36 508.87 174 36 −2.576 P = n.s. 0.00988
3 CTRL 48 640.12 162 48 −2.128 P = n.s. 0.03318
4 CTRL 14 675.37 196 14 −3.3973 P = 0.98314 0.00068
5 CTRL 37 643.72 173 37 −2.5386 P = n.s. 0.01108
20 Wilcoxon–U-Mann Whitney 1 CTRL Pooled 15c 38 687.89 172 38 −2.5013 P = n.s. 0.001242
2 CTRL 0 506.94 0 210 −3.9199 P = n.s. 0
3 CTRL 62 638.19 148 62 −1.6053 P = n.s. 0.1074
4 CTRL 11 673.44 199 11 −3.5093 P = n.s. 0.00044
5 CTRL 40 641.79 170 40 −2.4266 P = n.s. 0.015

Cluster 01 – Controls. [1 vs 2] p = 0.00026; [2 vs 3] p = 0.00116; [3 vs 4] p = 0.00068; [4 vs 5] p = 0.01016; [1 vs 3] p = 0.0151; [1 vs 4] p = 0.05238; [1 vs 5] p = 0.07346; [2 vs 4] p = 0.00005; [2 vs5] p = 0.10044; [3 vs 5] p = 0.24604, Bold letter: biased or critical values. About 70% control matches are biased.

 

Apparemment, les auteurs ne semblaient pas avoir répondu à cette préoccupation. Une raison possible est la suivante. L’approche du taux de découverte fictive (FDR) a été normalisée pour l’ADNc codé par code d’échantillons dans une bibliothèque d’ARN-seq et le séquençage [19]. En réalité, le regroupement des échantillons montre encore de nombreux aspects critiques, de sorte que l’augmentation du nombre d’échantillons répliqués a été proposée. choix [20]. En particulier, lorsque des concentrations négligeables de principe actif sont mises au défi avec un modèle d’expression génique in vitro, une méthode de séquençage à l’ARN en sortie doit englober des critères rigoureux d’évaluation statistique des DEG. Dans ce contexte, même la concordance d’une NGS avec une puce à ADN dans le Le cas d’un réseau génique d’expression différentielle de gènes, est affecté par la taille de l’effet du traitement, en fonction de l’abondance du transcrit et de la complexité biologique des différents modes d’action des produits chimiques testés, de leur posologie et de leur capacité à interagir avec les gènes [21 ]. De manière intéressante, l’éthanol, à la concentration de 51,43 mM, soit 0,03% v / v dans l’eau, est particulièrement actif sur un système biologique. L’éthanol peut provoquer des lésions mitochondriales [22] et même des lésions de l’ADN mitochondrial [23] et à des doses aussi faibles que 50 mM d’éthanol est capable de provoquer des lésions mitochondriales, un stress oxydatif et une apoptose dans plusieurs modèles cellulaires [24], [25], [ 26], [27], l’éthanol à 50 mM pouvant provoquer 2,03% d’apoptose dans les cardiomyocytes et 4,32% d’apoptose dans les cellules endothéliales traitées pendant 24 h [25], [26]. Dans ces circonstances, lorsque l’éthanol est utilisé dans des dilutions homéopathiques à tester, il convient de réaliser un test AnnexinV / PI ou TUNEL, en plus d’un dosage de cytotoxicité [1]. L’éthanol, en tant que facteur de confusion possible, devrait être pratiquement éliminé en introduisant la même quantité d’éthanol dans des témoins appariés parallèles. Les contrôles et les cas (c’est-à-dire les dilutions testées) doivent être traités à l’aveugle ou à double insu, avec le même traitement procédural et la même exécution expérimentale [28], [29], [30].

4. Autres causes possibles de l’utilisation de hautes dilutions

Tandis que les biais statistiques possibles dus à des facteurs de confusion peuvent générer un malentendu dans l’interprétation de l’homéopathie expérimentale, la question qui se pose est de savoir si l’éthanol peut aider les dilutions dans de l’eau générant des structures nanométriques. Selon certains rapports faisant autorité, des nanobulles pourraient être générées lors du remplacement de l’éthanol par de l’eau, en raison de la sursaturation résultant de la plus grande solubilité des gaz de l’air dans l’alcool que de l’eau ou du mélange exothermique d’éthanol dans l’eau [ 31], [32]. D’autres recherches détaillées ont montré que le solvant EtOH / eau contient généralement des structures à grande échelle dans la gamme de 100 nm, une caractéristique qui semble être commun à tous les systèmes aqueux utilisés au quotidien [33]. Cela peut être considéré comme une «inhomogénéité de mésoéchelle» avec une caractéristique de longue durée de vie et une cinétique de formation relativement lente qui peut être détectée lors du mélange des solutés et des solvants. La nature de ces structures a récemment été étudiée, également dans des mélanges d’éthanol et d’eau, avec diffusion de la lumière statique et dynamique, équilibrée avec de l’air à 1,0 atm et avec une analyse de suivi des nanoparticules (NTA) et les résultats ne confirment pas l’hypothèse selon laquelle ces structures sont stabilisées par des nanobulles. par les solutés et les contaminants adsorbés à l’interface gaz / solvant [33]. Certains auteurs ont réalisé une étude intéressante sur la présence de structures nanométriques en utilisant un NanoSight LM10 (Malvern), équipé d’un laser à 532 nm et du logiciel d’analyse NanoSight NTA 3.0 pour analyser les données [1]. Leur graphique présente une similitude déconcertante avec la trame graphique du spectre UV – VIS, probablement parce que les auteurs ont réélaboré les sorties NTA avec le même logiciel que celui utilisé pour l’UV – VIS, mais n’a pas été détaillé dans la section méthodes. Cela ne justifie pas d’être parfaitement au courant des résultats du NTA et de donner un commentaire direct sur les données intéressantes de ces nanostructures dans Arnica 1c, à savoir si ces nanostructures sont réellement des éléments nanométriques, des nanobulles ou une inhomogénéité de moyenne échelle. L’intrigue représentée à la réf. [1] sur NTA n’a pas été publié par le logiciel d’analyse NanoSight NTA 3.0 [1], [34]. En réalité, ces structures peuvent être des micro-nanobulles (MNB) ou des nanostructures supramoléculaires, les auteurs auraient mieux fait de réaliser une analyse au microscope optique en utilisant l’excitation par fluorescence par réflexion interne totale (TIRF) pour évaluer les nanobulles> 100 nm [35]. . D’autres techniques adaptées à la détection de structures nanométriques dans les dilutions, telles que la microscopie à force atomique (AFM) ou également CryoTEM, devraient être évaluées afin d’améliorer la fiabilité des résultats rapportés [1].

 

Les BMN sont des cavités remplies de gaz micro ou nanoscopiques qui devraient provenir de bulles générées par un mélange vigoureux de gaz (généralement de l’air ambiant) dans un liquide, où les contraintes mécaniques devraient créer une large gamme de diamètres de bulles. La plupart de ces cavités remplies d’air disparaissent rapidement, leur flottabilité les amenant à remonter à la surface du liquide et à éclater en équilibre avec la pression atmosphérique, selon l’équation de Stoke et suivant la nature des particules à faible nombre de Reynolds [ 36], [37]. Selon les auteurs, ces structures nanoscopiques dans l’Arnica 1c formaient un système colloïdal polydispersé de manière hétérogène, d’environ 1,83 × 108 particules / ml, de dimension moyenne de 274 nm et d’un potentiel de -25,54 mV [1]. Le potentiel ζ négatif devrait suggérer qu’il s’agit de MNB [38]. Bien que les auteurs ne l’aient pas précisé, ils ont probablement pris des aliquotes dans le liquide en vrac. Alors que la plupart des nanobulles se trouvent à l’interface gaz / liquide et, dans une moindre mesure, aux interfaces solide / liquide des parois du conteneur, les MNB en vrac stables ont une demi-vie de 1,0 s à 100 µs, en particulier dans l’eau [39]. probablement les structures observées par Marzotto et al. ne sont pas des MNB [40]. De plus, selon de récents rapports, l’éthanol ne peut pas former de nanobulles de surface, contrairement à d’autres solvants organiques tels que le formamide [41]. Les systèmes éthanol / eau contiennent généralement des structures à grande échelle allant de 100 nm à «inhomogénéité mésoéchelle», caractérisées par une longue durée de vie et une cinétique de formation relativement lente, pouvant être détectées lors du mélange des solutés et des solvants. Les recherches avec diffusion de la lumière statique et dynamique, équilibrées avec de l’air à 1,0 atm et l’analyse de suivi des nanoparticules (NTA) n’ont pas confirmé l’hypothèse selon laquelle ces structures sont des nanobulles stabilisées par les solutés et les contaminants adsorbés à l’interface gaz / solvant [33]. De plus, les nanostructures de dimensions supérieures à 180 nm peuvent très rarement être décrites comme des exosomes [42]. Lors de la description de la composition théorique d’un A. montana 9c (concentration de travail finale), le calcul devrait être le suivant: a) Ethanol = 5,14 × 10−4 M; b) principes actifs (lactones sesquiterpéniques) = 1,05 × 10−22 M; c) structures supramoléculaires = inconnue. Dans ces conditions, la seule espèce chimique semble être le seul éthanol. Dans ce cas, la fiabilité des résultats rapportés peut être très préoccupante.

5. Conclusion

Le cadre expérimental de l’homéopathie est particulièrement sensible aux biais, en raison des mécanismes très subtils sous-jacents à la possibilité que des doses négligeables de principes actifs biochimiques aient des effets sur des modèles biologiques in vitro standardisés et bien adaptés. Les chercheurs doivent notamment prêter une attention particulière à la possibilité que leur système d’analyse soit terni par des biais grossiers dus à ces facteurs de confusion, en particulier pour les facteurs de confusion, utilisés également dans les solvants et pour le réglage de contrôles. Même les statistiques peuvent masquer un biais dû à une méthode statistique incorrecte ou mal utilisée.

À notre avis, afin de déterminer si les effets signalés sont causés par une activité chimique quelconque dans les dilutions, les auteurs pourraient aborder les points centraux recommandés dans le tableau 3.

 

Tableau 3. A. Points essentiels des problèmes à traiter, B. Possibilité de biais dans le cadre expérimental.

Description du problème

A

Préparation à base de plantes

■ Le schéma analytique de la préparation à base de plantes (UV-HLPC, IR-HPLC, RMN, autre) doit être indiqué dans tout article concernant les remèdes à base de plantes.

Les dilutions

■ La présence de masse molaire chimique doit être évaluée dans chaque dilution testée en raison de preuves récentes et de modèles [43], [44].

■ Les particules nanométriques et le potentiel doivent être évalués dans chaque dilution testée.

Nanoparticules

■ Les résultats et les graphiques rapportés doivent être générés directement à partir du logiciel d’analyse NanoSight NTA lors de l’élaboration du débit de données à partir de l’instrument d’analyse (par exemple, NanoSight LM10 (Malvern).

■ Une microscopie optique des nanostructures (TIRF ou AFM) doit être envisagée pour toute dilution testée.

Cadre expérimental

■ La création en double aveugle doit être réalisée.

■ Effets de lot sur l’évaluation du jeu de gènes de la micropuce.

Les contrôles

Des dilutions à 30% d’éthanol / eau (sham) doivent être préparées et testées de manière à correspondre parfaitement à toute dilution à base de plantes.

Statistiques

■ L’analyse du taux de fausses découvertes (FDR) doit être évaluée par une meilleure estimation de la valeur p basée sur le modèle de mélange [45], [46].

Points mineurs

■ En taxonomie, le nom du genre est ponctué, pas l’espèce, par exemple. A. montana au lieu de Arnica m ..

B

Les dilutions

■ Les dilutions conservées pendant au moins 12 mois peuvent ne pas ressembler aux témoins préparés fraîchement préparés.

■ Les dilutions stockées pendant au moins 12 mois permettent au lecteur de croire que les auteurs ont utilisé les mêmes préparations pour différentes études expérimentales. Si un biais se produit dans une dilution, un effet de report peut être créé.

Les contrôles

■ Les contrôles (dilutions simulées) ne correspondent pas aux cas car ils sont préparés et traités d’une manière différente de celle des cas (dilutions aux herbes) et sans double insu.

Statistiques et réglage

■ Les CEM environnementaux peuvent causer des biais dans les statistiques des études sur les micropuces [47].

■ L’utilisation du test de Friedman doit être soigneusement étudiée. Le test de Friedman doit être considéré comme une généralisation du test des signes et, en ce sens, il possède une puissance statistique modeste du test des signes, aussi bien pour les distributions normales que non normales [18].

Regroupement des échantillons / données

■ Un biais peut être introduit lors de l’interrogation d’échantillons d’ARN en raison d’une capacité insuffisante à tester les jeux de gènes. La mise en commun semble réduire l’efficacité des étapes de marquage ou d’hybridation, provoquant des artefacts, comme indiqué dans l’expérience de Kendziorski [16].

■ Biais sur la micropuce dû aux effets de lot (qualité et quantité d’ARN) [17].

 

 

 

Sources of funding

None.

Conflict of interest

None.

References

[1]

  1. Marzotto, C. Bonafini, D. Olioso, A. Baruzzi, L. Bettinetti, F. Di Leva, et al.Arnica montana stimulates extracellular matrix gene expression in a macrophage cell line differentiated to wound-healing phenotype

PLoS One, 11 (11) (2016 Nov 10), p. e0166340

CrossRef

[2]

  1. Staneva, P. Denkova, M. Todorova, L. EvstatievaQuantitative analysis of sesquiterpene lactones in extract of Arnica montana L. by 1H NMR spectroscopy

J Pharm Biomed Anal, 54 (1) (2011 Jan 5), pp. 94-99

Article

Download PDFView Record in Scopus

[3]

  1. Gertsch, O. Sticher, T. Schmidt, J. HeilmannInfluence of helenanolide-type sesquiterpene lactones on gene transcription profiles in Jurkat T cells and human peripheral blood cells: anti-inflammatory and cytotoxic effects

Biochem Pharmacol, 66 (11) (2003 Dec 1), pp. 2141-2153

Article

Download PDFView Record in Scopus

[4]

  1. Jakobs, S. Steinmann, S.M. Henrich, T.J. Schmidt, K.H. KlempnauerHelenalin acetate, a natural sesquiterpene lactone with anti-inflammatory and anti-cancer activity, disrupts the cooperation of CCAAT-box/enhancer-binding protein beta (C/EBPβ) and co-activator p300

J Biol Chem, 291 (50) (2016 Dec 9), pp. 26098-26108

CrossRefView Record in Scopus

[5]

  1. Lyss, A. Knorre, T.J. Schmidt, H.L. Pahl, I. MerfortThe anti-inflammatory sesquiterpene lactone helenalin inhibits the transcription factor NF-kappaB by directly targeting p65

J Biol Chem, 273 (50) (1998 Dec 11), pp. 33508-33516

[6]

  1. Olioso, M. Marzotto, C. Bonafini, M. Brizzi, P. BellaviteArnica montana effects on gene expression in a human macrophage cell line. Evaluation by quantitative real-time PCR

Homeopathy, 105 (2) (2016 May), pp. 131-147

Article

Download PDFCrossRefView Record in Scopus

[7]

  1. Marzotto, D. Olioso, M. Brizzi, P. Tononi, M. Cristofoletti, P. BellaviteExtreme sensitivity of gene expression in human SH-SY5Y neurocytes to ultra-low doses of Gelsemium sempervirens

BMC Complement Altern Med, 14 (2014 Mar 19), p. 104

[8]

  1. Magnani, A. Conforti, E. Zanolin, M. Marzotto, P. BellaviteDose-effect study of Gelsemium sempervirens in high dilutions on anxiety-related responses in mice

Psychopharmacology (Berl), 210 (4) (2010 Jul), pp. 533-545

CrossRefView Record in Scopus

[9]

  1. Chirumbolo, G. BjørklundCommentary: Arnica montana effects on gene expression in a human macrophage cell line: evaluation by quantitative real-time PCR

Front Immunol, 7 (2016 Sep 8), p. 280

[10]

  1. ChirumboloOn Gelsemium and complementary and alternative medicine (CAM) in anxiety and experimental neurology

Neurol Ther, 4 (1) (2015 Jun), pp. 1-10

CrossRef

[11]

  1. ChirumboloPlant-derived extracts in the neuroscience of anxiety on animal models: biases and comments

Int J Neurosci, 122 (4) (2012 Apr), pp. 177-188

CrossRefView Record in Scopus

[12]

V.K. Verma, H. Li, R. Wang, P. Hirsova, M. Mushref, Y. Liu, et al.Alcohol stimulates macrophage activation through caspase-dependent hepatocyte derived release of CD40L containing extracellular vesicles

J Hepatol, 64 (3) (2016 Mar), pp. 651-660

Article

Download PDFView Record in Scopus

[13]

  1. ChirumboloGelsemine and Gelsemium sempervirens L. extracts in animal behavioral test: comments and related biases

Front Neurol, 2 (2011 May 16), p. 31

[14]

  1. ChirumboloHigh diluted molecules and gene expression

Front Pharmacol, 5 (2014 Aug 14), p. 183

[15]

  1. BellaviteGelsemium sempervirens and animal behavioral models

Front Neurol, 2 (2011 Sep 12), p. 56

[16]

  1. Mary-Huard, J.J. Daudin, M. Baccini, A. Biggeri, A. Bar-HenBiases induced by pooling samples in microarray experiments

Bioinformatics, 23 (13) (2007 Jul 1), pp. i313-i318

CrossRefView Record in Scopus

[17]

  1. Fasold, H. BinderVariation of RNA quality and quantity are major sources of batch effects in microarray expression data

Microarrays (Basel), 3 (4) (2014 Dec 16), pp. 322-339

CrossRefView Record in Scopus

[18]

D.W. Zimmerman, B.D. ZumboRelative power of the Wilcoxon test, the Friedman test, and repeated measures ANOVA on ranks

J Exper Educ, 62 (1) (1993), pp. 75-86

CrossRefView Record in Scopus

[19]

  1. Parekh, C. Ziegenhain, B. Vieth, W. Enard, I. HellmannThe impact of amplification on differential expression analyses by RNA-seq

Sci Rep, 6 (2016 May 9), p. 25533

[20]

A.P. Rajkumar, P. Qvist, R. Lazarus, F. Lescai, J. Ju, M. Nyegaard, et al.Experimental validation of methods for differential gene expression analysis and sample pooling in RNA-seq

BMC Genomics, 16 (2015 Jul 25), p. 548

[21]

  1. Wang, B. Gong, P.R. Bushel, J. Thierry-Mieg, D. Thierry-Mieg, J. Xu, et al.The concordance between RNA-seq and microarray data depends on chemical treatment and transcript abundance

Nat Biotechnol, 32 (9) (2014 Sep), pp. 926-932

CrossRefView Record in Scopus

[22]

  1. Yuan, Y. Lei, Q. Wang, L.B. Esberg, Z. Huang, G.I. Scott, et al.Moderate ethanol administration accentuates cardiomyocyte contractile dysfunction and mitochondrial injury in high fat diet-induced obesity

Toxicol Lett, 233 (3) (2015 Mar 18), pp. 267-277

Article

Download PDFView Record in Scopus

[23]

  1. Cahill, G.J. Stabley, X. Wang, J.B. HoekChronic ethanol consumption causes alterations in the structural integrity of mitochondrial DNA in aged rats

Hepatology, 30 (4) (1999 Oct), pp. 881-888

CrossRefView Record in Scopus

[24]

J.M. Bolnick, R. Karana, P.J. Chiang, B.A. Kilburn, R. Romero, M.P. Diamond, et al.Apoptosis of alcohol-exposed human placental cytotrophoblast cells is downstream of intracellular calcium signaling

Alcohol Clin Exp Res, 38 (6) (2014 Jun), pp. 1646-1653

CrossRefView Record in Scopus

[25]

  1. Guan, C.Y. Lui, E. Morkin, J.J. BahlOxidative stress and apoptosis in cardiomyocyte induced by high-dose alcohol

J Cardiovasc Pharmacol, 44 (6) (2004 Dec), pp. 696-702

CrossRefView Record in Scopus

[26]

  1. Zhang, S. He, W. Zhou, B. YuariEthanol induces oxidative stress and apoptosis in human umbilical vein endothelial cells

Int J Clin Exp Med, 9 (2) (2016), pp. 4125-4130

View Record in Scopus

[27]

  1. Rehman, N. Chandel, D. Salhan, P. Rai, B. Sharma, T. Singh, et al.Ethanol and vitamin D receptor in T cell apoptosis

J Neuroimmune Pharmacol, 8 (1) (2013 Mar), pp. 251-261

CrossRefView Record in Scopus

[28]

M.A. Pourhoseingholi, A.R. Baghestani, M. VahediHow to control confounding effects by statistical analysis

Gastroenterol Hepatol Bed Bench, 5 (2) (2012), pp. 79-83

View Record in Scopus

[29]

  1. ChibaThe sign of the unmeasured confounding bias under various standard populations

Biom J, 51 (4) (2009), pp. 670-676

CrossRefView Record in Scopus

[30]

  1. SütStudy designs in medicine

Balk Med J, 31 (4) (2014), pp. 273-277

View Record in Scopus

[31]

A.C. Simonsen, P.L. Hansen, B. KlösgenNanobubbles give evidence of incomplete wetting at a hydrophobic interface

J Colloid Interface Sci, 273 (1) (2004 May 1), pp. 291-299

Article

Download PDFView Record in Scopus

[32]

  1. Yang, S.M. Dammer, N. Bremond, H.J. Zandvliet, E.S. Kooij, D. LohseCharacterization of nanobubbles on hydrophobic surfaces in water

Langmuir, 23 (13) (2007 Jun 19), pp. 7072-7077

CrossRef

[33]

  1. Sedlák, D. RakLarge-scale inhomogeneities in solutions of low molar mass compounds and mixtures of liquids: supramolecular structures or nanobubbles?

J Phys Chem B, 117 (8) (2013 Feb 28), pp. 2495-2504

CrossRefView Record in Scopus

[34]

  1. Filipe, A. Hawe, W. JiskootCritical evaluation of Nanoparticle Tracking Analysis (NTA) by NanoSight for the measurement of nanoparticles and protein aggregates

Pharm Res, 27 (5) (2010 May), pp. 796-810

CrossRefView Record in Scopus

[35]

C.U. Chan, C.D. OhlTotal internal reflection fluorescence microscopy for the study of nanobubble dynamics

Phys Rev Lett, 109 (2012), p. 174501

CrossRef

[36]

N.F. Bunkin, A.V. Shkirin, N.V. Suyazov, V.A. Babenko, A.A. Sychev, N.V. Penkov, et al.Formation and dynamics of ion-stabilized gas nanobubble phase in the bulk of aqueous NaCl solutions

J Phys Chem B, 120 (7) (2016 Feb 25), pp. 1291-1303

CrossRefView Record in Scopus

[37]

N.F. Bunkin, S.O. Yurchenko, N.V. Suyazov, A.V. ShkirinStructure of the nanobubble clusters of dissolved air in liquid media

J Biol Phys, 38 (1) (2012 Jan), pp. 121-152

CrossRefView Record in Scopus

[38]

F.Y. Ushikubo, M. Enari, T. Furukawa, R. Nakagawa, Y. Makino, Y. Kawagoe, et al.Zeta-potential of micro and/or nano-bubbles in water produced by some kind of gases

IFAC Proc Vol, 43 (26) (2010), pp. 283-288

3rd IFAC Conference in Modelling and Control in Agriculture, Horticulture and Post-Harvest Processing – Agricontrol

Article

Download PDFCrossRef

[39]

  1. Ljunggren, J.C. ErikssonThe lifetime of a colloid-sized gas bubble in water and the cause of the hydrophobic attraction

Colloids Surf A Physicochem Eng Asp, 129 (1997), pp. 151-155

Article

Download PDFView Record in Scopus

[40]

  1. Jin, J. Ye, L. Hong, H. Lam, C. WuSlow relaxation mode in mixtures of water and organic molecules: supramolecular structures or nanobubbles?

J Phys Chem B, 111 (9) (2007 Mar 8), pp. 2255-2261

CrossRefView Record in Scopus

[41]

  1. An, G. Liu, R. Atkin, V.S.J. CraigSurface nanobubbles in nonaqueous media: looking for nanobubbles in DMSO, formamide, propylene carbonate, ethylammonium nitrate and propylammonium nitrate

ACS Nano, 9 (2015), pp. 7596-7607

CrossRefView Record in Scopus

[42]

C.Y. Soo, Y. Song, Y. Zheng, E.C. Campbell, A.C. Riches, F. Gunn-Moore, et al.Nanoparticle tracking analysis monitors microvesicle and exosome secretion from immune cells

Immunology, 136 (2) (2012 Jun), pp. 192-197

CrossRefView Record in Scopus

[43]

P.S. Chikramane, D. Kalita, A.K. Suresh, S.G. Kane, J.R. BellareWhy extreme dilutions reach non-zero asymptotes: a nanoparticulate hypothesis based on froth flotation

Langmuir, 28 (45) (2012 Nov 13), pp. 15864-15875

CrossRefView Record in Scopus

[44]

  1. ChirumboloBias in homeopathy: technical notes Malays

J Med Biol Res, 2 (3) (2015), pp. 191-194

View Record in Scopus

[45]

  1. Pawitan, K.R. Murthy, S. Michiels, A. PlonerBias in the estimation of false discovery rate in microarray studies

Bioinformatics, 21 (20) (2005 Oct 15), pp. 3865-3872

Erratum in: Bioinformatics. 2005 Dec 15;21(24):4435

CrossRefView Record in Scopus

[46]

J.G. Liao, Y. Lin, Z.E. Selvanayagam, W.J. ShihA mixture model for estimating the local false discovery rate in DNA microarray analysis

Bioinformatics, 20 (16) (2004 Nov 1), pp. 2694-2701

CrossRefView Record in Scopus

[47]

M.S. Mayo, B.J. Gajewski, J.S. MorrisSome statistical issues in microarray gene expression data

Radiat Res, 165 (6) (2006 Jun), pp. 745-748

CrossRefView Record in Scopus

Peer review under responsibility of Transdisciplinary University, Bangalore.