Relationship of clusterin with renal inflammation and fibrosis after the recovery phase of ischemia-reperfusion injury
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Long-term outcomes after acute kidney injury (AKI) include incremental loss of function and progression towards chronic kidney disease (CKD); however, the pathogenesis of AKI to CKD remains largely unknown. Clusterin (CLU) is a chaperone-like protein that reduces ischemia-reperfusion injury (IRI) and enhances tissue repair after IRI in the kidney. This study investigated the role of CLU in the transition of IRI to renal fibrosis. METHODS: IRI was induced in the left kidneys of wild type (WT) C57BL/6J (B6) versus CLU knockout (KO) B6 mice by clamping the renal pedicles for 28 min at the body temperature of 32 °C. Tissue damage was examined by histology, infiltrate phenotypes by flow cytometry analysis, and fibrosis-related gene expression by PCR array. RESULTS: Reduction of kidney weight was induced by IRI, but was not affected by CLU KO. Both WT and KO kidneys had similar function with minimal cellular infiltration and fibrosis at day 14 of reperfusion. After 30 days, KO kidneys had greater loss in function than WT, indicated by the higher levels of both serum creatinine and BUN in KO mice, and exhibited more cellular infiltration (CD8 cells and macrophages), more tubular damage and more severe tissue fibrosis (glomerulopathy, interstitial fibrosis and vascular fibrosis). PCR array showed the association of CLU deficiency with up-regulation of CCL12, Col3a1, MMP9 and TIMP1 and down-regulation of EGF in these kidneys. CONCLUSION: Our data suggest that CLU deficiency worsens renal inflammation and tissue fibrosis after IRI in the kidney, which may be mediated through multiple pathways.
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.
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) | 0,000 | 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 découle