Administration of Nitric Oxide Through a Novel Copper-Chitosan Delivery System in Human Corneal and Limbal Epithelial Cell Injury
Notice bibliographique
Résumé
Purpose: Nitric oxide (NO) has gained attention for its role in facilitating wound healing by promoting cell migration, while being cytoprotective in a variety of cell types. We determined the efficacy of NO, administered using a novel application of copper-chitosan treatments (Cu-Ch), in facilitating corneal epithelial wound healing using an in vitro model of corneal epithelial and limbal epithelial cell injury. Methods: Human corneal epithelial (HCE) and human limbal epithelial (HLE) cells were monitored under no-scratch (CON), untreated scratch (CS), scratch + plain chitosan composite (0%), scratch + 1% copper solution Cu-Ch (1%), and scratch + 2% copper solution Cu-Ch (2%) conditions. Cell migration, cytotoxicity, apoptosis, and total nitrate/nitrite concentrations were measured at 24, 48, and 72 hours after injury and treatment. iNOS expression in HLE cells also was determined using Western blot. Results: Wound closure significantly increased in HCE cells treated with Cu-Ch (1% and 2%) after 72 hours, while HLE cells showed a significant decrease in closure with Cu-Ch (1% and 2%) treatment compared to CS. Cytotoxic fragments decreased significantly with 1% and 2% Cu-Ch treatments in HCE cells. Nitrate/nitrite levels in HLE cells showed a significant increase with 2% Cu-Ch treatment compared to CS. This increase is complemented with an upregulation of iNOS. Conclusions: Overall, HCE wound healing was accelerated with administration of Cu-Ch treatment. Differences between HCE and HLE responses may be due to intrinsic differences in NO metabolism, as evidenced by differences in NO production, potentially caused by differences in iNOS expression with treatment.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,005 |
| 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 ».