Capsaicin‐induced mucus secretion in rat airways assessed<i>in vivo</i>and non‐invasively by magnetic resonance imaging
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: An up-regulation of the sensory neural pathways in the lung has been implicated in asthma and chronic obstructive pulmonary disease (COPD) and is thought to contribute to mucus hypersecretion, an essential feature of both diseases. The aim of this study was to assess non-invasively the acute effects (up to 60 min) of sensory nerve stimulation by capsaicin in the lung, using magnetic resonance imaging (MRI). EXPERIMENTAL APPROACH: Male Brown Norway rats were imaged prior to and 10, 30 and 60 min after intra-tracheal challenge with capsaicin (30 microg kg(-1)) or vehicle (0.5% ethanol solution). In subsequent studies, pre-treatment with the transient receptor potential vanilloid (TRPV)-1 antagonist, capsazepine; the dual neurokinin (NK) 1 and NK2 receptor antagonist, DNK333 and the mast cell stabilizer, di-sodium cromoglycate (DSCG) was used to modulate the effects of capsaicin. KEY RESULTS: Diffuse fluid signals were detected by MRI in the lung as early as 10 min after capsaicin, remaining constant 30 and 60 min after treatment. Broncho-alveolar lavage (BAL) fluid analysis performed 60 min after capsaicin revealed increased mucin concentration. Capsazepine (3.5 mg kg(-1)), DNK333 (10 mg kg(-1)) but not DSCG (10 mg kg(-1)) administered prophylactically were able to block the effect of capsaicin in the airways. CONCLUSIONS AND IMPLICATIONS: These observations suggest that the fluid signals detected by MRI after capsaicin administration reflected predominantly the release of mucus following activation of sensory nerves. They point to the opportunity of non-invasively assessing with MRI the influence of neuronal mechanisms in animal models of asthma and COPD.
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 | 0,001 |
| 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 ».