Genistein inhibits the development of atherosclerosis via inhibiting NF-κB and VCAM-1 expression in LDLR knockout mice
Notice bibliographique
Résumé
Diet can be an important factor that influences risks for cardiovascular disease. Genistein (4',5,7-trihydroxyisoflavone), rich in soy, is one candidate that may benefit the cardiovascular system. Here, we explored the effect of genistein in atherosclerosis (AS) development in an in vivo mouse model. Low-density lipoprotein receptor (LDLR) knockout mice were allocated to control, model, and genistein groups. Our results showed that genistein significantly reduced the formation and development of atherosclerotic plaques ((4.68 +/- 1.18) x106 versus (6.65 +/- 1.51) x106 microm2, p < 0.05). In the genistein group, compared with the model group, total antioxidant capacity (TAC) level was 85.5 +/- 15.6 versus 203.4 +/- 32.6 mmol/L (p < 0.01); malondialdehyde (MDA) level was 3.79 +/- 0.28 versus 3.06 +/- 0.31 mmol/L (p < 0.01), and superoxide dismutase (SOD) activity was 86.1 +/- 6.1 versus 139.1 +/- 25.1 U/mL (p < 0.01). Therefore, genistein was able to enhance serum antioxidative ability in our mouse model. Genistein had no influence, however, on serum cholesterol and lipid profiles. Genistein also markedly downregulated the expression of nuclear factor (NF)-kappaB and vascular cell adhesion molecule (VCAM)-1 in aortas of mice (p < 0.05). These observations suggest that genistein may inhibit AS in LDLR-/- mice via enhancing serum antioxidation and downregulating NF-kappaB and VCAM-1 expression in the aorta.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».