Fibroblast Growth Factor 19 Improves LPS‐Induced Lipid Disorder and Organ Injury by Regulating Metabolomic Characteristics in Mice
Notice bibliographique
Résumé
Sepsis is extremely heterogeneous pathology characterized by complex metabolic changes. Fibroblast growth factor 19 (FGF19) is a well-known intestine-derived inhibitor of bile acid biosynthesis. However, it is largely unknown about the roles of FGF19 in improving sepsis-associated metabolic disorder and organ injury. In the present study, mice were intravenously injected recombinant human FGF19 daily for 7 days followed by lipopolysaccharide (LPS) administration. At 24 hours after LPS stimuli, sera were collected for metabolomic analysis. Ingenuity pathway analysis (IPA) network based on differential metabolites (DMs) was conducted. Here, metabolomic analysis revealed that FGF19 pretreatment reversed the increase of LPS-induced fatty acids. IPA network indicated that altered linoleic acid (LA) and gamma-linolenic acid (GLA) were involved in the regulation of oxidative stress and mitochondrial function and were closely related to reactive oxygen species (ROS) generation. Further investigation proved that FGF19 pretreatment decreased serum malondialdehyde (MDA) levels and increased serum catalase (CAT) levels. In livers, FGF19 suppressed the expression of inducible NO synthase (iNOS) and enhanced the expression of nuclear factor erythroid 2-related factor 2 (NRF2) and hemeoxygenase-1 (HO-1). Finally, FGF19 pretreatment protected mice against LPS-induced liver, ileum, and kidney injury. Taken together, FGF19 alleviates LPS-induced organ injury associated with improved serum LA and GLA levels and oxidative stress, suggesting that FGF19 might be a promising target for metabolic therapy for sepsis.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».