Arsenic Exposure Increases Monocyte Adhesion to the Vascular Endothelium, a Pro-Atherogenic Mechanism
Notice bibliographique
Résumé
Epidemiological studies have shown that arsenic exposure increases atherosclerosis, but the mechanisms underlying this relationship are unknown. Monocytes, macrophages and platelets play an important role in the initiation of atherosclerosis. Circulating monocytes and macrophages bind to the activated vascular endothelium and migrate into the sub-endothelium, where they become lipid-laden foam cells. This process can be facilitated by platelets, which favour monocyte recruitment to the lesion. Thus, we assessed the effects of low-to-moderate arsenic exposure on monocyte adhesion to endothelial cells, platelet activation and platelet-monocyte interactions. We observed that arsenic induces human monocyte adhesion to endothelial cells in vitro. These findings were confirmed ex vivo using a murine organ culture system at concentrations as low as 10 ppb. We found that both cell types need to be exposed to arsenic to maximize monocyte adhesion to the endothelium. This adhesion process is specific to monocyte/endothelium interactions. Hence, no effect of arsenic on platelet activation or platelet/leukocyte interaction was observed. We found that arsenic increases adhesion of mononuclear cells via increased CD29 binding to VCAM-1, an adhesion molecule found on activated endothelial cells. Similar results were observed in vivo, where arsenic-exposed mice exhibit increased VCAM-1 expression on endothelial cells and increased CD29 on circulating monocytes. Interestingly, expression of adhesion molecules and increased binding can be inhibited by antioxidants in vitro and in vivo. Together, these data suggest that arsenic might enhance atherosclerosis by increasing monocyte adhesion to endothelial cells, a process that is inhibited by antioxidants.
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) | 0,000 | 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) | 0,001 | 0,002 |
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 ».