Marginal Zinc Deficiency Increased the Susceptibility to Acute Lipopolysaccharide-Induced Liver Injury in Rats
Notice bibliographique
Résumé
Lipopolysaccharide (LPS) triggers a global activation of inflammatory responses leading to liver injury in humans. Zinc pretreatment has been shown to prevent LPS-induced hepatic necrosis. In North America, suboptimal zinc status is more common than once realized. However, the effect of inadequate zinc nutrition on the host's susceptibility to LPS-induced liver injury is not known. The objective of this study was to determine whether marginal zinc deficiency would render rats more susceptible to LPS-induced liver injury. Weanling Sprague-Dawley rats were assigned to one of three dietary treatment groups: marginally low zinc ad libitum (Z3; 3 mg zinc/kg diet), adequate zinc ad libitum (Z30; 30 mg zinc/kg diet), or adequate zinc pair-fed (Z30P) group. After 6 weeks, each dietary treatment group was further divided into LPS-control (saline) groups (C-Z3, C-Z30P, C-Z30) and LPS-treatment (1 mg/kg body weight, intraperitoneal, 8 hrs) groups (LPS-Z3, LPS-Z30P, LPS-Z30). LPS reduced the serum zinc concentration and increased the liver zinc concentration regardless of dietary zinc intake. Serum alanine aminotransferase level was higher in the LPS-Z3 rats than in the LPS-Z30P and LPS-Z30 rats. LPS also induced hepatocyte necrosis and neutrophil infiltration into the liver sinusoids. This LPS-induced liver damage was more severe in the LPS-Z3 rats than in the LPS-Z30P and LPS-Z30 rats. Together these findings have demonstrated that marginal zinc deficiency increased the susceptibility to LPS-induced liver injury in rats. These results indicate that patients with sepsis who have suboptimal zinc nutrition status may be at higher risk of developing greater liver damage.
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) | 0,000 | 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) | 0,000 | 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 ».