Promotion of cell proliferation by clusterin in the renal tissue repair phase after ischemia-reperfusion injury
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Renal repair begins soon after the kidney suffers ischemia-reperfusion injury (IRI); however, its molecular pathways are not fully understood. Clusterin (Clu) is a chaperone protein with cytoprotective functions in renal IRI. The aim of this study was to investigate the role of Clu in renal repair after IRI. IRI was induced in the left kidneys of wild-type (WT) C57BL/6J (B6) vs. Clu knockout (KO) B6 mice by clamping the renal pedicles for 28-45 min at the body temperature of 32°C. The renal repair was assessed by histology and confirmed by renal function. Gene expression was examined using PCR array. Here, we show that following IRI, renal tubular damage and Clu expression in WT kidneys were induced at day 1, reached the maximum at day 3, and significantly diminished at day 7 along with normal function, whereas the tubular damage in Clu KO kidneys steadily increased from initiation of insult to the end of the experiment, when renal failure occurred. Renal repair in WT kidneys was positively correlated with an increase in Ki67(+) proliferative tubular cells and survival from IRI. The functions of Clu in renal repair and renal tubular cell proliferation in cultures were associated with upregulation of a panel of genes that could positively regulate cell cycle progression and DNA damage repair, which might promote cell proliferation but not involve cell migration. In conclusion, these data suggest that Clu is required for renal tissue regeneration in the kidney repair phase after IRI, which is associated with promotion of tubular cell proliferation.
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.
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 | 0,000 |
| 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 | 0,001 |
| 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 découle