Renal PKC-ε deficiency attenuates acute kidney injury and ischemic allograft injury via TNF-α-dependent inhibition of apoptosis and inflammation
Notice bibliographique
Résumé
Acute kidney injury (AKI) increases the risk of morbidity and mortality after major surgery and transplantation. We investigated the effect of PKC-ε deficiency on AKI and ischemic allograft damage after kidney transplantation. PKC-ε-deficient and wild type (WT) control mice were subjected to 35 min of renal pedicle clamping to induce AKI. PKC-ε deficiency was associated with a marked improvement in survival and an attenuated loss of kidney function. Furthermore, functional MRI experiments revealed better renal perfusion in PKC-ε-deficient mice than in WT mice one day after IRI. Acute tubular necrosis and neutrophil infiltration were markedly reduced in PKC-ε-deficient mice. To determine whether this resistance to ischemia-reperfusion injury resulted from changes in local renal cells or infiltrating leukocytes, we studied a life-supporting renal transplant model of ischemic graft injury. We transplanted kidneys from H(2b) PKC-ε-deficient mice (129/SV) and their corresponding WT littermates into major histocompatibility complex-incompatible H(2d) recipients (BALB/c) and induced ischemic graft injury by prolonged cold ischemia time. Recipients of WT allografts developed severe renal failure and died within 10 days of transplantation. Recipients of PKC-ε-deficient allografts had better renal function and survival; they had less generation of ROS and upregulation of proinflammatory proteins (i.e., ICAM-1, inducible nitric oxide synthase, and TNF-α) and showed less tubular epithelial cell apoptosis and inflammation in their allografts. These data suggest that local renal PKC-ε expression mediates proapoptotic and proinflammatory signaling and that an inhibitor of PKC-ε signaling could be used to prevent hypoxia-induced AKI.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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) | 0,000 | 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 ».