Reduction of chronic rejection of renal allografts by anti-transforming growth factor-β antibody therapy in a rat model
Notice bibliographique
Résumé
There is no effective treatment for chronic rejection (CR) that largely limits long-term survival of kidney transplants. Transforming growth factor (TGF)-β is a fibrogenic factor for tissue fibrosis. This study was to test the efficacy of an anti-TGF-β antibody in preventing the CR of renal allografts in a preclinical model. Male Lewis rats (RT1¹) were orthotopically transplanted with donor kidneys from male Fischer 344 (RT11v1) rats and were treated with either anti-TGF-β or a control antibody. The CR of renal allografts was assessed by semiquantitative histological analyses, and intragraft cytokines and fibrosis-related genes ware examined by PCR arrays. Compared with the control antibody, anti-TGF-β antibody treatment significantly reduced recipients' proteinuria (P = 0.0002), and CR in renal transplants, which was indicated by the fewer injured renal tubules, glomeruli, and interlobular arterioles or arteries, and by less mononuclear cell infiltration and interstitial fibrosis in the anti-TGF-β antibody-treated group (P < 0.05), but not significantly attenuate the ratios of different infiltrating leukocytes. These pathological changes were associated with downregulation of TGF-β1, TGF-β2, and proinflammatory cytokines, or with upregulation of anti-fibrotic HGF, BMP5, and BMP7. The therapeutic effect of the anti-TGF-β antibody was further confirmed by its prevention of graft dysfunction, indicated by lower levels of serum creatinine and blood urea nitrogen or higher creatinine clearance in anti-TGF-β antibody-treated recipients compared with those in control recipients (P < 0.05). In conclusion, the anti-TGF-β antibody (1D11) treatment significantly reduces CR of renal allografts in rats, suggesting the therapeutic potential of this antibody therapy for treating CR of kidney transplants in patients.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 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 | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».