PPAR-alpha activation as a preconditioning-like intervention in rats in vivo confers myocardial protection against acute ischaemia–reperfusion injury: involvement of PI3K–Akt
Notice bibliographique
Résumé
Peroxisome proliferator-activated receptors (PPAR) regulate the expression of genes involved in lipid metabolism, energy production, and inflammation. Their role in ischaemia-reperfusion (I/R) is less clear, although research indicates involvement of PPARs in some forms of preconditioning. This study aimed to explore the effects of PPAR-α activation on the I/R injury and potential cardioprotective downstream mechanisms involved. Langendorff-perfused hearts of rats pretreated with the selective PPAR-α agonist WY-14643 (WY, pirinixic acid; 3 mg·(kg body mass)·day(-1); 5 days) were subjected to 30 min ischaemia - 2 h reperfusion with or without the phosphatidylinositol 3-kinase (PI3K)-Akt inhibitor wortmannin for the evaluation of functional (left ventricular developed pressure, LVDP) recovery, infarct size (IS), and reperfusion-induced arrhythmias. A 2-fold increase in baseline PPAR-α mRNA levels (qPCR) in the WY-treated group and higher post-I/R PPAR-α levels compared with those in untreated controls were accompanied by similar changes in the expression of PPAR-α target genes PDK4 and mCPT-1, regulating glucose and fatty acid metabolism, and by enhanced Akt phosphorylation. Post-ischaemic LVDP restoration in WY-treated hearts reached 60% ± 9% of the pre-ischaemic values compared with 24% ± 3% in the control hearts (P < 0.05), coupled with reduced IS and incidence of ventricular fibrillation that was blunted by wortmannin. Results indicate that PPAR-α up-regulation may confer preconditioning-like protection via metabolic effects. Downstream mechanisms of PPAR-α-mediated cardioprotection may involve PI3K-Akt activation.
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 | 0,001 | 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) | 0,001 | 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 ».