Chronic low‐level <scp>JUUL</scp> aerosol exposure causes pulmonary immunologic, transcriptomic, and proteomic changes
Notice bibliographique
Résumé
E-cigarettes currently divide public opinion, with some considering them a useful tool for smoking cessation and while others are concerned with potentially adverse health consequences. However, it may take decades to fully understand the effects of e-cigarette use in humans given their relative newness on the market. This highlights the need for comprehensive preclinical studies investigating the effects of e-cigarette exposure on health outcomes. Here, we investigated the impact of chronic, low-level JUUL aerosol exposure on multiple lung outcomes. JUUL is a brand of e-cigarettes popular with youth and young adults. To replicate human exposures, 8- to 12-week-old male and female C57BL/6J mice were exposed to commercially available JUUL products (containing 59 mg/ml nicotine). Mice were exposed to room air, PG/VG, or JUUL daily for 4 weeks. After the exposure period, inflammatory markers were assessed via qRT-PCR, multiplex cytokine assays, and differential cell count. Proteomic and transcriptomic analyses were also performed on samples isolated from the lavage of the lungs; this included unbiased analysis of proteins contained within extracellular vesicles (EVs). Mice exposed to JUUL aerosols for 4 weeks had significantly increased neutrophil and lymphocyte populations in the BAL and some changes in cytokine mRNA expression. However, BAL cytokines did not change. Proteomic and transcriptomic analysis revealed significant changes in numerous biological pathways including neutrophil degranulation, PPAR signaling, and xenobiotic metabolism. Thus, e-cigarettes are not inert and can cause significant cellular and molecular changes in the lungs.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 | 0,001 |
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 ».