Recent Insights into Interactions of Deferoxamine with Cellular and Plasma Iron Pools: Implications for Clinical Use
Notice bibliographique
Résumé
Despite the availability of deferoxamine (DFO) for more than three decades, its rates of interaction with cellular iron pools in different tissues, and the effects of its pharmacokinetics on the interaction with plasma iron pools, remain incompletely understood. The positive charge of DFO, together with the negative resting potential in vertebrate cells, favors cellular uptake, whereas the low lipophilicity and high molecular weight counter this effect. The findings presented suggest a facilitated uptake of DFO into hepatocytes, being several hundred-fold faster than into red cells. Antibodies that selectively recognize ferrioxamine (FO) show that initial hepatocellular iron chelation is cytosolic, but later transposes to lysosomal and ultimately canalicular compartments. Strong FO staining is visible in myocytes within 4-8 h after commencing a subcutaneous DFO infusion, indicating effective chelation of myocyte iron. A methodology was developed to study the interaction of DFO and its metabolites with plasma iron pools by stabilizing DFO with aluminum ions, thereby preventing iron shuttling from non-transferrin-bound iron (NTBI) onto DFO after plasma collection. DFO removes only about a third of NTBI rapidly, and NTBI is rarely cleared completely. Increasing DFO dosing does not increase NTBI removal, but instead leads to a greater rebound in NTBI on cessation of intravenous infusion. Thus, intermittent infusions of high-dose DFO are less desirable than continuous infusions at low doses, particularly in high-risk patients. Here the benefits of continuous DFO on heart function occur before changes in T2*-visible storage iron, consistent with early removal of a toxic labile iron pool within myocytes.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».