Impact of cigarette smoke and aerobic physical training on histological and molecular markers of prostate health in rats
Notice bibliographique
Résumé
Recent evidence suggests that aerobic physical training may attenuate the deleterious effects of cancer risk factors, including smoking. We investigated the effects of cigarette smoke inhalation and aerobic physical training on the expression of steroid receptors and inflammatory and apoptotic proteins in the prostate. Forty male Wistar rats were distributed in four groups: control (CO), exercise (EXE), cigarette smoke exposure (CS), and cigarette smoke exposure with exercise (CS+EXE). For eight weeks, animals were repeatedly exposed to cigarette smoke for 30 min or performed aerobic physical training either with or without the cigarette smoke inhalation protocol. Following these experiments, we analyzed prostate epithelial morphology and prostatic expression of androgen (AR) and glucocorticoid receptors (GR), insulin-like growth factor (IGF-1), B-cell lymphoma-2 (BCL-2), BCL-2-associated X protein (BAX), interleukin-6 (IL-6), tumor necrosis factor-alpha (TNF-α), and nuclear factor-kappa B (NF-κB) via immunohistochemistry. Cigarette smoke exposure stimulated the expression of AR, IGF-1, BCL-2, and NF-κB while downregulating BAX, IL-6, and TNF-α labeling in the prostate. In contrast, aerobic physical training attenuated cigarette smoke-induced changes in AR, GR, IGF-1, BCL-2, IL-6, TNF-α, and NF-κB. This suggests that cigarette smoke stimulates inflammation and reduces apoptosis, culminating in increased prostatic epithelial and extracellular matrices, whereas physical training promoted beneficial effects towards maintaining normal prostate morphology and protein levels.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».