Targeted Antioxidant, Catalase–SKL, Reduces Beta‐Amyloid Toxicity in the Rat Brain
Notice bibliographique
Résumé
Abstract Accumulation of beta‐amyloid (Aβ) in the brain has been implicated as a major contributor to the cellular pathology and cognitive impairment observed in Alzheimer's disease. Beta‐amyloid may exert its toxic effects by increasing reactive oxygen species and neuroinflammation in the brain. This study set out to investigate whether a genetically engineered derivative of the peroxisomal antioxidant enzyme catalase (CAT–SKL), is able to reduce the toxicity induced by intracerebroventricular injection of Aβ25–35 in the mature rat brain. Histopathological and immunohistochemical analyses were used to evaluate neuroinflammation, and neuronal loss. Spatial learning and reference memory was assessed using the Morris water maze. CAT–SKL treatment was able to reduce the pathology induced by Aβ25‐35 toxicity by significantly decreasing microglia activation in the basal forebrain and thalamus, and reducing cholinergic loss in the basal forebrain. Aβ25–35 animals showed deficits in long‐term reference memory in the Morris water maze, while Aβ25–35 animals treated with CAT–SKL did not demonstrate long‐term memory impairments. This preclinical data provides support for the use of CAT–SKL in reducing neuroinflammation and long‐term reference memory deficits induced by Aβ25–35.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
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 source (Gemma direct ou Codex distillé), 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 ».