Dietary fats altered nephrotoxicity profile of methylmercury in rats
Notice bibliographique
Résumé
Weanling male Sprague-Dawley rats were administered semi-purified isocaloric diet containing soy oil (SO), seal oil (SE), docosahexaenoic acid (DHA), fish oil (FO) or lard (LA) for 28 days, and then gavaged with 0, 1 or 3 mg MeHg kg(-1) body weight per day and fed the same diet for 14 days. Serum and 24 h urine samples were collected on the day of necropsy, and analyzed for markers of kidney function and diseases. Kidney slices were analyzed for para-amino-hippurate (PAH) and tetraethylammonium (TEA) uptake, total mercury and MeHg content, and examined for pathological lesions. Total mercury and MeHg contents increased significantly and dose-dependently in all dietary groups. MeHg significantly increased relative kidney weight in all groups, serum creatinine in all except SO group, serum uric acid in the DHA and LA groups, serum Mg in all except the LA group, and urinary protein in the SO group. MeHg significantly decreased serum urea nitrogen in SE, FO and LA groups, urinary creatinine in the DHA group, PAH uptake in all except the SE group, and TEA uptake in all groups. MeHg caused nephrosis in all dietary groups. MeHg also significantly increased neutrophil counts in all except the SE group, decreased serum albumin and triglyceride in all except the DHA group, and increased serum total cholesterol in all groups, suggesting a nephrotic syndrome-like outcome. These results confirmed that kidney tubules are major targets of MeHg nephrotoxicity. Treatment with dietary fats did not prevent, but rather altered the profile of, nephrotoxicity of MeHg in rats.
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) | 0,001 | 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 ».