Supranormal Electroretinogram in<i>F</i><i>at-1</i>Mice with Retinas Enriched in Docosahexaenoic Acid and n<i>-</i>3 Very Long Chain Fatty Acids (C24–C36)
Notice bibliographique
Résumé
PURPOSE: Fat-1 mice can convert n-6 to n-3 fatty acids endogenously, resulting in the accumulation of n-3 fatty acids in major tissues. This was a study of how this conversion affects the major fatty acid found in retina, n-3 docosahexaenoic acid (DHA), the very long chain fatty acids (VLCFA, C24-C36), and retinal function. METHODS: Both wild-type (WT) and fat-1 mice were fed a modified AIN-93G diet containing 10% safflower oil, high in 18:2n-6. Fatty acid composition of individual phospholipids was analyzed in total lipid extracts from whole eyes excluding the lens. Retinal function and levels of proteins involved in cellular stress were assessed with full field electroretinogram (ERG) recordings and immunohistochemistry, respectively. RESULTS: Compared with WT mice, DHA levels in fat-1 mice increased two to five times in all phospholipid classes, whereas n-6 fatty acid levels decreased. Levels of C32 and C34 n-3 pentaenoic and hexaenoic VLCFA in phosphatidylcholine increased whereas n-6 VLCFAs were depleted. Scotopic and photopic ERGs showed unusually high amplitudes for both a- and b-waves and lower thresholds in fat-1 mice. Glial fibrillary acidic protein (GFAP) and carboxyethylpyrrole (CEP, protein adducts produced from DHA oxidation) were respectively increased in Müller cells and photoreceptors of fat-1 mice. CONCLUSIONS: Highly enriched DHA and n-3 VLCFA in the retina lead to supernormal scotopic and photopic ERGs and increases in Müller cell reactivity and oxidative stress in photoreceptors. The regulation of n-3 fatty acids levels and of the n-6/n-3 fatty acid ratio are essential in preserving retinal integrity.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».