Hypertonic preconditioning prevents hepatocellular injury following ischemia/reperfusion in mice: A role for interleukin 10
Notice bibliographique
Résumé
Ischemia/reperfusion (I/R) of the liver occurs in many clinical scenarios including trauma, elective surgery, and transplantation. Events initiated by this process can lead to inflammation in the liver, culminating in local injury as well as distant organ dysfunction. Recent studies have suggested that hypertonic saline exerts anti-inflammatory effects, which may be beneficial in preventing organ injury. In the present study, we examine the effect of hypertonic saline on the development of liver inflammation following I/R in both rat and mouse models. Hypertonic pretreatment was shown to prevent liver enzyme release concomitant with a reduction in liver neutrophil sequestration. Hypertonic saline appeared to exert this effect by inhibiting liver tumor necrosis factor alpha (TNF-alpha) generation, an effect that culminated in reduced liver adhesion molecule expression. Hypertonic saline pretreatment was shown to augment liver interleukin 10 (IL-10) expression following I/R, as a potential mechanism underlying its anti-inflammatory effect. To examine the role of IL-10 in the protective effect of hypertonic saline on liver I/R injury, we used a murine model of I/R. In wild type mice, hypertonic pretreatment similarly prevented liver injury induced by I/R. However, in IL-10 knockout animals, hypertonic pretreatment was unable to prevent the liver enzyme release, TNF-alpha generation, or neutrophil sequestration induced by I/R. In conclusion, these findings define a novel mechanism responsible for the anti-inflammatory effects of hypertonic saline and also suggest a potential clinical role for hyperosmolar solutions in the prevention of liver injury associated with I/R.
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 ».