Saikosaponin-d protects against liver fibrosis by regulating the estrogen receptor-β/NLRP3 inflammasome pathway
Notice bibliographique
Résumé
Liver fibrosis is the most common pathway in most types of chronic liver damage, characterized by an imbalance of ECM degradation and synthesis. Saikosaponin-d (SSd) possesses anti-inflammatory and anti-fibrotic effects. However, the underlying mechanism by which SSd represses hepatic stellate cell (HSC) activation remains unclear. Here, we found that SSd remarkably alleviated carbon tetrachloride (CCl 4 )-induced liver fibrosis, as evidenced by decreased collagen levels and profibrotic marker (COl1a1 and α-smooth muscle actin (SMA)) expression. SSd repressed CCl 4 -induced NOD-like receptor family pyrin-domain-containing-3 (NLRP3) activation in fibrotic livers, as suggested by decreased levels of NLRP3, IL-18, and IL-β. The primary HSCs of CCl 4 mice exhibited a significant increase in profibrotic marker expression and NLRP3 activation, but SSd treatment reversed this effect. SSd also repressed TGF-β-induced profibrotic marker expression and NLRP3 activation in vitro. Mechanistically, TGF-β decreased the expression of estrogen receptor-β (ERβ) in HSCs, whereas SSd treatment reversed this effect. ERβ inhibition enhances NLRP3 activation in HSCs. More importantly, ERβ or NLRP3 inhibition partially destroyed the function of SSd in liver fibrosis. In summary, the current data suggest that SSd prevents hepatic fibrosis by regulating the ERβ/NLRP3 inflammasome pathway and suggests SSd as a potential agent for treating liver fibrosis.
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 ».