Effects of Cigarette Smoke, Cessation, and Switching to Two Heat-Not-Burn Tobacco Products on Lung Lipid Metabolism in<i>C57BL/6</i>and<i>Apoe</i><sup>−/−</sup>Mice—An Integrative Systems Toxicology Analysis
Notice bibliographique
Résumé
The impact of cigarette smoke (CS), a major cause of lung diseases, on the composition and metabolism of lung lipids is incompletely understood. Here, we integrated quantitative lipidomics and proteomics to investigate exposure effects on lung lipid metabolism in a C57BL/6 and an Apolipoprotein E-deficient (Apoe(-/-)) mouse study. In these studies, mice were exposed to high concentrations of 3R4F reference CS, aerosol from potential modified risk tobacco products (MRTPs) or filtered air (Sham) for up to 8 months. The 2 assessed MRTPs, the prototypical MRTP for C57BL/6 mice and the Tobacco Heating System 2.2 for Apoe(-/-) mice, utilize "heat-not-burn" technologies and were each matched in nicotine concentrations to the 3R4F CS. After 2 months of CS exposure, some groups were either switched to the MRTP or underwent cessation. In both mouse strains, CS strongly affected several categories of lung lipids and lipid-related proteins. Candidate surfactant lipids, surfactant proteins, and surfactant metabolizing proteins were increased. Inflammatory eicosanoids, their metabolic enzymes, and several ceramide classes were elevated. Overall, CS induced a coordinated lipid response controlled by transcription regulators such as SREBP proteins and supported by other metabolic adaptations. In contrast, most of these changes were absent in the mice exposed to the potential MRTPs, in the cessation group, and the switching group. Our findings demonstrate the complex biological response of the lungs to CS exposure and support the benefits of cessation or switching to a heat-not-burn product using a design such as those employed in this study.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».