Bovine Milk Extracellular Vesicles Are Osteoprotective by Increasing Osteocyte Numbers and Targeting RANKL/OPG System in Experimental Models of Bone Loss
Notice bibliographique
Résumé
Studying effects of milk components on bone may have a clinical impact as milk is highly associated with bone maintenance, and clinical studies provided controversial associations with dairy consumption. We aimed to evaluate the impact of milk extracellular vesicles (mEVs) on the dynamics of bone loss in mice. MEVs are nanoparticles containing proteins, mRNA and microRNA, and were supplemented into the drinking water of mice, either receiving diet-induced obesity or ovariectomy (OVX). Mice receiving mEVs were protected from the bone loss caused by diet-induced obesity. In a more severe model of bone loss, OVX, higher osteoclast numbers in the femur were found, which were lowered by mEV treatment. Additionally, the osteoclastogenic potential of bone marrow-derived precursor cells was lowered in mEV-treated mice. The reduced stiffness in the femur of OVX mice was consequently reversed by mEV treatment, accompanied by improvement in the bone microarchitecture. In general, the RANKL/OPG ratio increased systemically and locally in both models and was rescued by mEV treatment. The number of osteocytes, as primary regulators of the RANKL/OPG system, raised in the femur of the OVX mEVs-treated group compared to OVX non-treated mice. Also, the osteocyte cell line treated with mEVs demonstrated a lowered RANKL/OPG ratio. Thus, mEVs showed systemic and local osteoprotective properties in two mouse models of bone loss reflected in reduced osteoclast presence. Data reveal mEV potential in bone modulation, acting via osteocyte enhancement and RANKL/OPG regulation. We suggest that mEVs could be a therapeutic candidate for the treatment of bone loss.
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 | 0,000 | 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 | 0,000 |
| 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 ».