Using the Apolipoprotein E Knock-Out Mouse Model to Define Atherosclerotic Plaque Changes Induced by Low Dose Arsenic
Notice bibliographique
Résumé
Arsenic exposure increases the risk of atherosclerosis, the gradual occlusion of the large arteries with fibro-fatty plaque. While epidemiologic data provide convincing evidence this is true at higher exposures, it is unclear whether this may occur at low arsenic exposures, near the maximum contaminant level of 10 ppb. We have previously shown that 200 ppb arsenite in the drinking water increased the atherosclerosis in apolipoprotein E knock-out (apoE-/-) mice after 13 weeks, but the effects of lower concentrations were unknown. Therefore, here, we analyzed the effects of oral exposure to arsenite from 10 to 200 ppb after 13 weeks. Importantly, we found that even at the lowest concentration of arsenite, there was a significant increase in atherosclerotic plaque size. In our previous studies, we found that arsenite exposure resulted in decreased smooth muscle cells (SMCs) and collagen within the plaque. This change is indicative of a less stable phenotype that could increase the risk of rupture and subsequently, myocardial infarct or stroke in humans. In addition, we observed that lipid increased within the plaque without concomitant increase in macrophage content, suggesting that the macrophages were retaining more lipid intracellularly. We also assessed these plaque components in apoE-/- mice exposed to 10-200 ppb arsenite. Interestingly, we observed that macrophage lipid accumulation occurred at lower concentrations than the decreased SMC/collagen content. Together these data suggest that in the apoE-/- model, low arsenite concentrations are pro-atherogenic and that macrophage lipid homeostasis is more sensitive to arsenite-induced perturbation than the SMCs.
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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».