Study of Statin- and Loratadine-Induced Muscle Pain Mechanisms Using Human Skeletal Muscle Cells
Notice bibliographique
Résumé
Many drugs can cause unexpected muscle disorders, often necessitating the cessation of an effective medication. Inhibition of monocarboxylate transporters (MCTs) may potentially lead to perturbation of l-lactic acid homeostasis and muscular toxicity. Previous studies have shown that statins and loratadine have the potential to inhibit l-lactic acid efflux by MCTs (MCT1 and 4). The main objective of this study was to confirm the inhibitory potentials of atorvastatin, simvastatin (acid and lactone forms), rosuvastatin, and loratadine on l-lactic acid transport using primary human skeletal muscle cells (SkMC). Loratadine (IC50 31 and 15 µM) and atorvastatin (IC50 ~130 and 210 µM) demonstrated the greatest potency for inhibition of l-lactic acid efflux at pH 7.0 and 7.4, respectively (~2.5-fold l-lactic acid intracellular accumulation). Simvastatin acid exhibited weak inhibitory potency on l-lactic acid efflux with an intracellular lactic acid increase of 25–35%. No l-lactic acid efflux inhibition was observed for simvastatin lactone or rosuvastatin. Pretreatment studies showed no change in inhibitory potential and did not affect lactic acid transport for all tested drugs. In conclusion, we have demonstrated that loratadine and atorvastatin can inhibit the efflux transport of l-lactic acid in SkMC. Inhibition of l-lactic acid efflux may cause an accumulation of intracellular l-lactic acid leading to the reported drug-induced myotoxicity.
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 | 0,001 | 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) | 0,000 | 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 ».