Small Interfering RNA Targeting RelB Protects Against Renal Ischemia-reperfusion Injury
Notice bibliographique
Résumé
BACKGROUND: Nuclear factor kappaB (NF-kappaB) has been found to be critical to the pathogenesis of renal ischemia-reperfusion injury (IRI). Using small interfering RNA (siRNA) to silence the expression of RelB, a component of the transcription factors Rel/nuclear factor kappaB, may protect renal IRI. Here, we report an siRNA-based treatment of preventing IRI. METHODS: Renal IRI was induced in mice by clamping the left renal pedicle for 25 or 35 min. The therapeutic effects of siRNA were evaluated in renal function, histologic examination, and overall survival after lethal IRI. RESULTS: A single injection of RelB siRNA resulted in knockdown of renal RelB expression. In comparison with control mice, levels of blood urea nitrogen and serum creatinine were significantly decreased in mice treated with siRNA. Pathologic examination demonstrated that tissue injury caused by IRI was markedly reduced as a result of RelB siRNA treatment. Additionally, with RelB siRNA treatment, immunohistochemistry showed a significant attenuation of tumor necrosis factor-alpha expression. Furthermore, survival experiments revealed that more than 90% of control mice died from lethal IRI, whereas 80% of siRNA-pretreated mice survived until the end of the 8-day observation period. CONCLUSION: Silencing RelB, using siRNA, can significantly attenuate IRI-induced renal dysfunction and protect mice against lethal kidney ischemia, highlighting the potential for siRNA-based clinical therapy.
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) | 0,000 | 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 | 0,000 |
| 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 ».