Anti-Scarring Properties of Different Tryptophan Derivatives
Notice bibliographique
Résumé
Hypertrophic scars are associated with prolonged extracellular matrix (ECM) production, aberrant ECM degradation and high tissue cellularity. Routinely used antifibrotic strategies aim to reduce ECM deposition and enhance matrix remodeling. Our previous study investigating the antifibrotic effects of indoleamine2, 3 dioxygenase (IDO) led to the identification of kynurenine (Kyn) as an antiscarring agent. A topical antifibrogenic therapy using Kyn is very attractive; however, it is well established that Kyn passes the blood brain barrier (BBB) which causes complications including excitatory neuronal death. Here we investigated the antiscarring properties of kynurenic acid (KynA), a downstream end product of Kyn that is unlikely to pass the BBB, as an effective and safe replacement for Kyn. Our results indicated that while not having any adverse effect on dermal cell viability, KynA significantly increases the expression of matrix metalloproteinases (MMP1 and MMP3) and suppresses the production of type-I collagen and fibronectin by fibroblasts. Topical application of cream containing KynA in fibrotic rabbit ear significantly decreased scar elevation index (1.13±0.13 vs. 1.61±0.12) and tissue cellularity (221.38±21.7 vs. 314.56±8.66 cells/hpf) in KynA treated wounds compared to controls. KynA treated wounds exhibited lower levels of collagen deposition which is accompanied with a significant decrease in type-I collagen and fibronectin expression, as well as an increase in MMP1 expression compared to untreated wounds or wounds treated with cream only. The results of this study provided evidence for the first time that KynA is promising candidate antifibrogenic agent to improve healing outcome in patients at risk of hypertrophic scarring.
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 ».