PPAR-γ agonist ameliorates kidney and liver disease in an orthologous rat model of human autosomal recessive polycystic kidney disease
Notice bibliographique
Résumé
In autosomal recessive polycystic kidney disease (ARPKD), progressive enlargement of fluid-filled cysts is due to aberrant proliferation of tubule epithelial cells and transepithelial fluid secretion leading to extensive nephron loss and interstitial fibrosis. Congenital hepatic fibrosis associated with biliary cysts/dilatations is the most common extrarenal manifestation in ARPKD and can lead to massive liver enlargement. Peroxisome proliferator-activated receptor γ (PPAR-γ), a member of the ligand-dependent nuclear receptor superfamily, is expressed in a variety of tissues, including the kidneys and liver, and plays important roles in cell proliferation, fibrosis, and inflammation. In the current study, we determined that pioglitazone (PIO), a PPAR-γ agonist, decreases polycystic kidney and liver disease progression in the polycystic kidney rat, an orthologous model of human ARPKD. Daily treatment with 10 mg/kg PIO for 16 wk decreased kidney weight (% of body weight), renal cystic area, serum urea nitrogen, and the number of Ki67-, pERK1/2-, and pS6-positive cells in the kidney. There was also a decrease in liver weight (% of body weight), liver cystic area, fibrotic index, and the number of Ki67-, pERK1/2-, pERK5-, and TGF-β-positive cells in the liver. Taken together, these data suggest that PIO inhibits the progression of polycystic kidney and liver disease in a model of human ARPKD by inhibiting cell proliferation and fibrosis. These findings suggest that PPAR-γ agonists may have therapeutic value in the treatment of the renal and hepatic manifestations of ARPKD.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».