Capsaicin reduces PLGA‐induced fibrosis by promoting M2 macrophages and suppressing overall inflammatory Response
Notice bibliographique
Résumé
Capsaicin reduced poly(lactic-co-glycolic) acid (PLGA)-induced fibrosis by promoting IL-10 secretion and suppressing alpha-smooth muscle actin (α-SMA) expression. The lifetime and efficacy of tissue engineering scaffolds are determined by the foreign body response. In this study, we investigated the in vitro and in vivo effects of capsaicin to reduce biomaterial-induced fibrosis. RAW 264.7 cells cultured on PLGA films with capsaicin responded with significant (p < 0.05) upregulation in M2 markers arginase-1 and IL-10 and downregulation of M1 markers iNOS and IL-12, demonstrating the potential of capsaicin to reduce PLGA-induced inflammation. Subsequent animal studies were conducted where PLGA and capsaicin-embedded PLGA discs were implanted in C57BL/6 mice for 2 and 14 days. Explanted capsaicin-embedded PLGA implants had 40% less collagen than PLGA-only implants. Capsaicin caused a 35% increase in IL-10 which played a key role in suppressing fibrosis. Macrophage phenotype markers in peritoneal cells and adherent cells were unaffected by capsaicin; however, capsaicin suppressed the myofibroblast marker α-SMA in adherent cells by day 14. Overall, our results revealed that capsaicin reduced biomaterial-induced fibrosis and demonstrates that capsaicin has the potential to extend the lifetime of a tissue engineering scaffold when used in long-term drug release applications from hydrophobic biomaterials. © 2018 Wiley Periodicals, Inc. J Biomed Mater Res Part A: 106A:2424-2432, 2018.
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 | 0,016 | 0,003 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».