Fine-Dust-Induced Skin Inflammation: Low-Molecular-Weight Fucoidan Protects Keratinocytes and Underlying Fibroblasts in an Integrated Culture Model
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
Prolonged exposure to fine dust (FD) increases the risk of skin inflammation. Stimulated epidermal cells release growth factors into their extracellular environment, which can induce inflammation in dermal cells. Algae are considered rich sources of bioactive materials. The present study emphasized the effect of low-molecular-weight fucoidan isolated from Sargassum confusum (LMF) against FD-induced inflammation in HaCaT keratinocytes and underneath fibroblasts (HDFs) in an integrated culture model. HDFs were treated with media from FD-stimulated HaCaT with LMF treatments (preconditioned media). The results suggested that FD increased the oxidative stress in HaCaT, thereby increasing the sub-G1 phase of the cell cycle up to 587%, as revealed via flow cytometric analysis. With preconditioned media, HDFs also displayed oxidative stress; however, the increase in the sub-G1 phase was insignificant compared with HaCaT. LMF dose-dependently regulated the NF-κB/MAPK signaling in HaCaT. Furthermore, significant downregulation in NF-κB/MAPK signaling, as well as inflammatory cytokines, tissue inhibitors of metalloproteinases, matrix metalloproteinases, and reduction in relative elastase and collagenase activities related to the extracellular matrix degeneration were observed in HDFs with a preconditioned media treatment. Therefore, we concluded that HDFs were protected from inflammation by preconditioned media. Continued research on tissue culture and in vivo studies may reveal the therapeutic potential of LMF.
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 | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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