Diminazene aceturate (Berenil) modulates LPS induced pro-inflammatory cytokine production by inhibiting phosphorylation of MAPKs and STAT proteins
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
Although diminazene aceturate (Berenil) is widely used as a trypanolytic agent in livestock, its mechanisms of action remain poorly understood. We previously showed that Berenil treatment suppresses pro-inflammatory cytokine production by splenic and liver macrophages leading to a concomitant reduction in serum cytokine levels in mice infected with Trypanosoma congolense or challenged with LPS. Here, we investigated the molecular mechanisms through which Berenil alters pro-inflammatory cytokine production by macrophages. We show that pre-treatment of macrophages with Berenil dramatically suppressed IL-6, IL-12 and TNF-α production following LPS, CpG and Poly I:C stimulation without altering the expression of TLRs. Instead, it significantly down-regulated phosphorylation of mitogen-activated protein kinases (p38, extracellular signal-regulated kinase and c-Jun N-terminal kinases), signal transducer and activator of transcription (STAT) proteins (STAT1 and STAT3) and NF-кB p65 activity both in vitro and in vivo. Interestingly, Berenil treatment up-regulated the phosphorylation of STAT5 and the expression of suppressor of cytokine signaling 1 (SOCS1) and SOCS3, which are negative regulators of innate immune responses, including MAPKs and STATs. Collectively, these results show that Berenil down-regulates macrophage pro-inflammatory cytokine production by inhibiting key signaling pathways associated with cytokine production and suggest that this drug may be used to treat conditions caused by excessive production of inflammatory cytokines.
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 | 0,000 | 0,001 |
| 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 découle