Beneficial effect of TNF-α inhibition on diabetic peripheral neuropathy
Notice bibliographique
Résumé
BACKGROUND: Tumor necrosis factor-α (TNF-α) is an important inflammatory factor produced by activated macrophages and monocytes and plays an important role in the pathogenesis of diabetic peripheral neuropathy (DPN). To evaluate the effect of TNF-α signaling suppression and the potential of TNF-α in the treatment of DPN, a recombinant human TNF-α receptor-antibody fusion protein (rhTNFR:Fc) was used. We focused on the pathophysiology of the sciatic nerve and examined the expression of myelin basic protein (MBP) under DPN status with or without TNF-α inhibition. METHODS: The DPN rat model was generated by intraperitoneal injection of streptozotocin and by feeding with a high-fat, high-sugar diet. The nerve conduction velocity (NCV) in sciatic nerve of rat was monitored over a period of four weeks. The histopathological changes in nerve tissue were examined through traditional tissue histology and ultrastructure transmission electron microscopy (TEM). The expression of MBP was examined through western blot analysis. RESULTS: The DPN induced rats showed significant signs of nerve damage including lower NCV, demyelination of nerve fibers, disorganization of lamellar and axonal structures, and decreased expression of MBP in the nerve tissue. The inhibition of TNF-α in the DPN rats resulted in a significant recovery from those symptoms compared to the DPN rats. CONCLUSIONS: Our study demonstrates that TNF-α plays a key role in the pathogenesis of DPN and its inhibition by rhTNFR:Fc can prove to be a useful therapeutic strategy for the treatment of and/or prevention from DPN symptoms.
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 ».