Anti-connective tissue growth factor (CTGF/CCN2) monoclonal antibody attenuates skin fibrosis in mice models of systemic sclerosis
Notice bibliographique
Résumé
BACKGROUND: Systemic sclerosis (SSc) is characterized by fibrosis of the skin and internal organs. Although the involvement of connective tissue growth factor (CTGF/CCN2) has been well-documented in SSc fibrosis, the therapeutic potential of targeting CTGF in SSc has not been fully investigated. Our aim was to examine the therapeutic potential of CTGF blockade in a preclinical model of SSc using two approaches: smooth muscle cell fibroblast-specific deletion of CTGF (CTGF knockout (KO)) or a human anti-CTGF monoclonal antibody, FG-3019. METHODS: Angiotensin II (Ang II) was administered for 14 days by subcutaneous osmotic pump to CTGF KO or C57BL/6 J mice. FG-3019 was administered intraperitoneally three times per week for 2 weeks. Skin fibrosis was evaluated by histology and hydroxyproline assay. Immunohistochemistry staining was used for alpha smooth muscle actin (αSMA), platelet-derived growth factor receptor β (PDGFRβ), pSmad2, CD45, von Willebrand factor (vWF), and immunofluorescence staining was utilized for procollagen and Fsp1. RESULTS: Ang II-induced skin fibrosis was mitigated in both CTGF KO and FG-3019-treated mice. The blockade of CTGF reduced the number of cells expressing PDGFRβ, procollagen, αSMA, pSmad2, CD45, and Fsp1 in the dermis. In addition, inhibition of CTGF attenuated vascular injury as measured by the presence of vWF-positive cells. CONCLUSIONS: Our data indicate that inhibition of CTGF signaling presents an attractive therapeutic approach in SSc.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».