Expression of Kidney Injury Molecule-1 in Healthy and Diseased Feline Kidney Tissue
Notice bibliographique
Résumé
Sensitive markers to detect acute kidney injury (AKI) in cats are lacking. Kidney injury molecule-1 (KIM-1) is a promising marker of acute tubular injury in humans, and sequence and structure of feline KIM-1 have been determined. KIM-1 is shed into urine of cats with natural AKI. The objectives of this study were to characterize temporal and cellular expression of KIM-1 in kidneys from cats without and with experimental and natural AKI using histopathology and immunohistochemistry. Tissue sections from 8 cats without kidney disease, 3 to 4 cats with experimentally induced AKI on each day 1, 3, 6, and 12 after unilateral ischemia/reperfusion, and 9 cats with natural AKI were assessed. In sections from cats without kidney disease, patterns of periodic acid-Schiff and aquaporin-1 staining allowed identification of 3 distinct segments of the proximal tubule. KIM-1 staining was absent in segments 1 (S1) and S2, and faint in S3. Injury of S3 in cats with experimental and natural AKI was characterized by cell loss and necrosis, and remaining intact cells had cytoplasmic blebs and reduced brush borders. In experimental AKI, intensity of KIM-1 expression increased in proportion to the severity of injury and was consistently present in S3 but only transiently in other segments. Vimentin was absent in proximal tubules of healthy cats but expressed in injured S3. These findings indicate that S3 is the proximal tubular segment most susceptible to ischemic injury and that KIM-1 is a sensitive tissue indicator of AKI in cats.
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 | 0,000 | 0,002 |
| 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 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 ».