Tenovin-1 Ameliorates Renal Fibrosis in High-Fat-Diet-Induced Diabetic Nephropathy via Antioxidant and Anti-Inflammatory Pathways
Notice bibliographique
Résumé
High-fat diet (HFD)-induced obesity has been involved in the development of diabetic nephropathy (DN). Tenovin-1, a potent selective SIRT1/2 inhibitor, regulates various target proteins. The present study evaluated the protective effect of Tenovin-1 against renal fibrosis in HFD-induced Zucker diabetic fatty (ZDF) rats. Rats were fed a normal chow diet or HFD. Tenovin-1 (45 mg/kg) administered to HFD-fed rats decreased inflammatory cytokine expression in the serum of the rats. The antioxidant status and oxidative damage to lipids or DNA were significantly restored by Tenovin-1. Additionally, Tenovin-1 reduced the levels of blood urea nitrogen (BUN), serum creatinine (sCr), microalbumin, and urinary protein-based biomarkers in the urine of HFD-fed rats. The abnormal architecture of the kidney and pancreas was restored by Tenovin-1 administration. Tenovin-1 also reduced apoptosis in the kidneys of the HFD-fed rats and HG-treated NRK-52E cells. It significantly lowered the levels of ECM proteins in the kidneys of HFD-fed rats and HG-treated NRK-52E cells. Additionally, Tenovin-1 markedly reduced claudin-1, SIRT1, and SIRT2, but increased SIRT3 and SIRT4 in HFD-fed rats and NRK-52E cells treated with HG. Furthermore, Tenovin-1 altered epidermal growth factor receptor (EGFR), platelet-derived growth factor receptor-β (PDGFR-β), and signal transducer and activator of transcription 3 (STAT3) levels in the kidneys of HFD-fed rats. Conclusively, this study shows that Tenovin-1 can be a potential candidate drug for the treatment of HFD-induced renal fibrosis, in vivo and in vitro models.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».