Repetitive ischemic injuries to the kidneys result in lymph node fibrosis and impaired healing
Notice bibliographique
Résumé
The contribution of the kidney-draining lymph node (KLN) to the pathogenesis of ischemia-reperfusion injury (IRI) of the kidney and its subsequent recovery has not been explored in depth. In addition, the mechanism by which repetitive IRI contributes to renal fibrosis remains poorly understood. Herein, we have found that IRI of the kidney is associated with expansion of high endothelial venules (HEVs) and activation of fibroblastic reticular cells (FRCs) in the KLN, as demonstrated by significant expansion in the extracellular matrix. The lymphotoxin α signaling pathway mediates activation of FRCs, and chronic treatment with lymphotoxin β receptor-immunoglobulin fusion protein (LTβr-Ig) resulted in marked alteration of the KLN as well as augmentation of renal fibrosis. Depletion of FRCs reduced T cell activation in the KLN and ameliorated renal injury in acute IRI. Repetitive renal IRI was associated with senescence of FRCs, fibrosis of the KLN, and renal scarring, which were ameliorated by FRC administration. Therefore, our study emphasizes the critical role of FRCs in both the initiation and repair phases of injury following IRI of the kidney.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».