Collecting and deactivating TGF-β1 hydrogel for anti-scarring therapy in post-glaucoma filtration surgery
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Scar formation can lead to glaucoma filtration surgery (GFS) failure, wherein transforming growth factor (TGF)-β is the core regulator. To reducing scar formation, this paper presents our study on the design of hydrogels to deactivate TGF-β1. We hypothesized that excess TGF-β1 can be removed from aqueous humor through the addition of oxidized hyaluronic acid (O-HA) hydrogels that are seeded with decorin (O-HA + D). Immunohistochemistry and enzyme-linked immunosorbent assay (ELISA) were performed to demonstrate the adsorption properties of O-HA + D hydrogel, thus reducing the TGF-β1 concentration in aqueous humor. In the light that collagen contraction in human Tenon's capsule fibroblasts (HTFs) and the angiogenesis of human umbilical vein endothelial cells (HUVECs) can be activated by TGF-β1 and β2, we performed the quantitative analysis of polymerase chain reaction to determine the effect of O-HA + D on the type I collagen, fibronectin, and angiogenesis. Our results illustrate that O-HA + D can inhibit the increase of α-SMA expression in HTF induced by TGF-β1 and that O-HA + D can inhibit the production of collagen I and fibronectin in HTF treated with TGF-β1. Furthermore, we performed in vivo studies by employing a rabbit model, where rabbits were treated with hydrogels post GFS. Our results demonstrate that, as compared with other groups, the rabbits treated with O-HA + D had the greatest reduction in inflammatory cells with reduced level of collagen in wounds. Taken together, the present study paves the way toward the treatment of post-glaucoma fibrosis following surgery.
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.
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 | 0,000 | 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 découle