Beneficial effects of nontoxic ozone on H<sub>2</sub>O<sub>2</sub>-induced stress and inflammation
Notice bibliographique
Résumé
In this study, the anti-oxidant and anti-inflammatory efficacy of ozone oxidative preconditioning (OOP) were investigated on hydrogen peroxide (H2O2)-induced human lung alveolar cells. In MTT and trypan blue viability tests, while 100 μmol/L H2O2 caused a 17.3% and 21.9% decrease in the number of living cells, respectively, ozone at 20 μmol/L regenerated cell proliferation and prevented 9.6% and 11.0% of cell loss, respectively. In addition, H2O2 decreased the transcription levels of catalase (CAT), glutathione peroxidase (GPx), and superoxide dismutase (SOD) 5.43-, 2.89-, and 5.33-fold, respectively, while it increased Bax, NF-κβ, TNF-α, and iNOS expression 1.57-, 1.32-, 1.40-, and 1.41-fold, respectively. Ozone pretreatment, however, increased CAT, GPx, and SOD transcription levels 7.08-, 5.17-, and 6.49-fold and decreased Bax, NF-κβ, TNF-α, and iNOS transcriptions by 1.25-, 0.76-, 3.63-, and 7.91-fold, respectively. Moreover, intracellular glutathione (GSH) level and SOD activity were decreased by 46.2% and 45.0% in the H2O2 treatment group, and OOP recovered 58.5% and 20.1% of the decreases caused by H2O2. H2O2 also increased nitrite levels 7.84-fold, and OOP reduced this increase by half. Consequently, OOP demonstrated potent anti-oxidant and anti-inflammatory effects on in vitro model of oxidative stress-induced lung injury.
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 ».