Relative Importance of Proteinase-Activated Receptor-1 Versus Matrix Metalloproteinases in Intracerebral Hemorrhage-Mediated Neurotoxicity in Mice
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: To reduce bleeding and damage to central nervous system tissue in intracerebral hemorrhage, the coagulant effect of thrombin is essential. However, thrombin itself can kill neurons in intracerebral hemorrhage as can the matrix metalloproteinases (MMPs), which are also elevated in this condition, in part due to thrombin-mediated activation of MMPs. It is thus important to understand and block the neurotoxic effects of thrombin without inhibiting its therapeutic outcomes. In this study, we have investigated the relative roles of proteinase activated receptor-1, a thrombin receptor, and MMPs in brain injury induced by thrombin or blood. METHODS: Mice were subjected to stereotactic intracerebral injections of saline, thrombin, and autologous blood, with or without hirudin, a thrombin inhibitor, or GM6001, an MMP inhibitor. Twenty-four hours later, tissue sections were obtained to evaluate the area of brain damage and extent of dying neurons. Data from wild-type mice were compared with results obtained with proteinase activated receptor-1 null mice. RESULTS: In blood-induced damage to the brain parenchyma, both hirudin and GM6001 significantly reduced injury to a comparable extent (>40%) implicating both thrombin and MMPs in neurotoxicity. In proteinase activated receptor-1 null mice, blood-induced brain damage was reduced by 22.6% relative to wild-type animals; by comparison, the blood-induced brain damage was reduced by 48.3% using GM6001. CONCLUSIONS: The neurotoxicity of blood in intracerebral hemorrhage involves both proteinase activated receptor-1 and MMP activation, with the latter appearing more prominent in causing death.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».