Cerebrospinal Fluid Metabolomics After Natural Product Treatment in an Experimental Model of Cerebral Ischemia
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
Cerebrospinal fluid (CSF) is an important biofluid for diagnosis of and research on neurological diseases. However, in-depth metabolomic profiling of CSF remains an analytical challenge due to the small volume of samples, particularly in small animal models. In this work, we report the application of a high-performance chemical isotope labeling (CIL) liquid chromatography-mass spectrometry (LC-MS) workflow for CSF metabolomics in Gastrodia elata and Uncaria rhynchophylla water extract (GUW)-treated experimental cerebral ischemia model of rat. The GUW is a commonly used Traditional Chinese Medicine (TCM) for hypertension and brain disease. This study investigated the amine- and phenol-containing biomarkers in the CSF metabolome. After GUW treatment for 7 days, the neurological deficit score was significantly improved with infarct volume reduction, while the integrity of brain histological structure was preserved. Over 1957 metabolites were quantified in CSF by dansylation LC-MS. The analysis of this comprehensive list of metabolites suggests that metabolites associated with oxidative stress, inflammatory response, and excitotoxicity change during GUW-induced alleviation of ischemic injury. This work is significant in that (1) it shows CIL LC-MS can be used for in-depth profiling of the CSF metabolome in experimental ischemic stroke and (2) identifies several potential molecular targets (that might mediate the central nervous system) and associate with pharmacodynamic effects of some frequently used TCMs.
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) | 0,001 | 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