Effective in vivo treatment of acute lung injury with helical, amphipathic peptoid mimics of pulmonary surfactant proteins
Notice bibliographique
Résumé
Acute lung injury (ALI) leads to progressive loss of breathing capacity and hypoxemia, as well as pulmonary surfactant dysfunction. ALI's pathogenesis and management are complex, and it is a significant cause of morbidity and mortality worldwide. Exogenous surfactant therapy, even for research purposes, is impractical for adults because of the high cost of current surfactant preparations. Prior in vitro work has shown that poly-N-substituted glycines (peptoids), in a biomimetic lipid mixture, emulate key biophysical activities of lung surfactant proteins B and C at the air-water interface. Here we report good in vivo efficacy of a peptoid-based surfactant, compared with extracted animal surfactant and a synthetic lipid formulation, in a rat model of lavage-induced ALI. Adult rats were subjected to whole-lung lavage followed by administration of surfactant formulations and monitoring of outcomes. Treatment with a surfactant protein C mimic formulation improved blood oxygenation, blood pH, shunt fraction, and peak inspiratory pressure to a greater degree than surfactant protein B mimic or combined formulations. All peptoid-enhanced treatment groups showed improved outcomes compared to synthetic lipids alone, and some formulations improved outcomes to a similar extent as animal-derived surfactant. Robust biophysical mimics of natural surfactant proteins may enable new medical research in ALI 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 | 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 ».