Comparison of Different Blockages on the Renin Angiotensin System in Murine Schistosomal Fibrosis.
Notice bibliographique
Résumé
The inhibition of the renin-angiotensin system (RAS) display anti-fibrogenic effects in liver cirrhosis, however RAS influence on schistosomal fibrosis has not been totally clarified. Thus, our objective was to compare the activities of different antihypertensive drugs on the inhibition of the RAS in murine schistosomal fibrosis. BALB/c mice (n=40) weighing 20g were subjected to inoculation of 50 cercariae and subdivided in three groups: the first group (n=15), animals were treated with losartan (10 mgkg-1 body weight); the second group (n=15) was treated with lisinopril (10 mgkg-1 body weight); while the third group (n=10) was treated with proportional volume of 0.9% NaCl, daily for 12 weeks. For this purpose, histological analysis, RT-PCR of genes related to hepatic fibrosis, as well as TGF1 and p42/44 MAPK protein quantification were evaluated. There was observed a decrease in the collagen deposits in animals treated with losartan (p<0.01) and lisinopril (p<0.01) once compared to the controls. This improvement was accompanied by a reduction of -SMA labeled cells (p<0.001 and p<0.001) and procollagen 1(I) gene expression in both treated groups (p<0.05 and p<0.05). However, only losartan induced diminution of TGF1 and TIMP1 gene expression (p<0.01 and p<0.01), and TGF1 protein amount. Diversely, p42/44 MAPK protein was augmented in lisinopril group. Our findings demonstrated the effect of lisinopril and losartan on the decrease of hepatic fibrosis in murine schistosomiasis. The main mechanism of this process involves anti-fibrogenic activity via inhibition of TGF1 and TIMP1 by losartan treatment.Nevertheless, other possible mechanisms associated to lisinopril treatment may be implicated.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».