Effect of estrogen on the blood supply of pituitary autografts in rats
Notice bibliographique
Résumé
Estrogens are known to cause pituitary enlargement and lactotroph proliferation. They also modulate pituitary angiogenesis and induce tumor formation. Pituitary grafts, due to the loss of hypothalamic dopamine, also show lactotroph hyperplasia. We investigated the role of estrogen on rat pituitary autograft vascularization by light and transmission electron microscopy, and assessed prolactin (PRL) blood levels, microvessel density (MVD) and cell proliferation using the BrdU labeling index. All adenohypophysial cell types were identified by immunohistochemistry (streptavidin-biotin-peroxidase complex method). The proangiogenic factors, vascular endothelial growth factor (VEGF), its receptor Flk-1, and hypoxia inducible factor-1alpha (HIF-1alpha) were similarly demonstrated. The prevalence of lactotrophs, as well as more intense staining for VEGF, Flk-1 and HIF-1alpha, was noted in those grafts exposed to estrogen, mainly in the area surrounding the central necrotic core. Immunostaining showed Flk-1 expression increased in endothelial cells of the estrogen-exposed grafts as compared with those unexposed. In contrast to the grafts not exposed to estrogen, in the estrogen-exposed grafts, only fenestrated endothelium could be demonstrated, suggesting that estrogen induces fenestration of newly formed capillaries. There was an increase in blood PRL levels in the estrogen-treated groups as compared with controls. Both MVD and BrdU labeling indices were higher in grafts exposed to estrogen, especially after 4 weeks. Our results suggest that estrogen administration not only enhances the expression of proangiogenic factors in the pituitary grafts but also induces their expression at earlier stages, leading to rapid neoformation of purely fenestrated capillaries.
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 ».