Prevention of Diabetic Nephropathy by Modified Acidic Fibroblast Growth Factor
Notice bibliographique
Résumé
BACKGROUND/AIMS: Oxidative stress (OS) contributes to all chronic diabetic complications, including diabetic nephropathy (DN). Acidic fibroblast growth factor (aFGF) has shown to confer protection from OS. However, it also has potent angiogenic activity. We hypothesized that a modified human aFGF (maFGF), with antioxidant properties but devoid of angiogenic activity, has preventative action in DN. METHODS: Streptozotocin-induced diabetic mice were treated with maFGF (intraperitoneally) daily for 1 or 6 months and were compared with untreated diabetic and non-diabetic controls. Microalbuminuria was assessed to determine functional damage. Renal cortical tissues were examined for multiple extracellular matrix proteins, vasoactive factors and OS markers. For mechanistic studies, immortalized mouse podocytes and human microvascular endothelial cells were exposed to high (25 mM) or low glucose (5 mM). OS, vasoactive factors, fibrosis and apoptosis-related gene expression were tested by real-time qPCR and Enzyme-Linked Immunosorbent Assay. Nitric oxide (NO) analyses were also performed. RESULTS: maFGF did not affect body weight and glycemia but prevented renal hypertrophy and functional changes in DN. It also prevented diabetes-induced DNA damage, nitrosative stress, vasoactive factors, angiotensinogen and endothelial NO synthase alterations. Although it failed to prevent transforming growth factor (TGF)-β1 mRNA upregulation, it prevented fibronectin production. Similar results were obtained in vitro. Decreased NO production in vivo and in vitro was also prevented by maFGF. CONCLUSIONS: maFGF treatment prevents DN. This prevention probably involves NO production.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».