Pan-caspase inhibitor F573 mitigates liver ischemia reperfusion injury in a murine model
Notice bibliographique
Résumé
BACKGROUND: Liver ischemia reperfusion injury (IRI) remains a challenge in liver transplantation. A number of compounds have previously demonstrated efficacy in mitigating IRI. Herein, we applied three specific additive strategies to a mouse IRI screening model to determine their relative potencies in reducing such injury, with a view to future testing in a large animal and clinical ex situ normothermic perfusion setting: 1) F573, a pan-caspase inhibitor, 2) anti-inflammatory anakinra and etanrecept and 3) BMX-001, a mimetic of superoxide dismutase. METHODS: A non-lethal liver ischemia model in mice was used. Additives in the treatment groups were given at fixed time points before induction of injury, compared to a vehicle group that received no therapeutic treatment. Mice were recovered for 6 hours following the ischemic insult, at which point blood and tissue samples were obtained. Plasma was processed for transaminase levels. Whole liver tissue samples were processed for histology, markers of apoptosis, oxidative stress, and cytokine levels. RESULTS: In an in vivo murine IRI model, the F573 treatment group demonstrated statistically lower alanine aminotransferase (ALT) levels (p = 0.01), less evidence of apoptosis (p = 0.03), and lower cytokine levels compared to vehicle. The etanercept with anakinra treatment group demonstrated significantly lower cytokine levels. The BMX-001 group demonstrated significantly decreased apoptosis (p = 0.01) evident on TUNEL staining. CONCLUSIONS: The administration of pan-caspase inhibitor F573 in a murine in vivo model likely mitigates liver IRI based on decreased markers of cellular injury, decreased evidence of apoptosis, and improved cytokine profiles. Anakinra with etanercept, and BMX-001 did not demonstrate convincing efficacy at reducing IRI in this model, and likely need further optimization. The positive findings set rational groundwork for future translational studies of applying F573 during normothermic ex situ liver perfusion, with the aim of improving the quality of marginal grafts.
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) | 0,001 | 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 ».