MétaCan
Menu
← Retour à la cohorte
Enregistrement W4353055686 · doi:10.1038/s41598-023-32037-1

Mouse strain-dependent variation in metabolic associated fatty liver disease (MAFLD): a comprehensive resource tool for pre-clinical studies

2023· article· en· W4353055686 sur OpenAlexfundno aff
Hamzeh Karimkhanloo, Stacey N. Keenan, Jacqueline Bayliss, William De Nardo, Paula M. Miotto, Camille J. Devereux, Shuai Nie, Nicholas A. Williamson, Andrew Ryan, Matthew J. Watt, Magdalene K. Montgomery

Notice bibliographique

RevueScientific Reports · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueLiver Disease Diagnosis and Treatment
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of MelbourneNational Health and Medical Research CouncilNatural Sciences and Engineering Research Council of CanadaDiabetes AustraliaDiabetes Australia Research Trust
Mots-clésFatty liverSteatohepatitisSteatosisMedicineFibrosisDiabetes mellitusAdipose tissueInternal medicineBioinformaticsEndocrinologyPathologyDiseaseBiology

Résumé

récupéré en direct d'OpenAlex

Non-alcoholic steatohepatitis (NASH), characterized as the joint presence of steatosis, hepatocellular ballooning and lobular inflammation, and liver fibrosis are strong contributors to liver-related and overall mortality. Despite the high global prevalence of NASH and the substantial healthcare burden, there are currently no FDA-approved therapies for preventing or reversing NASH and/or liver fibrosis. Importantly, despite nearly 200 pharmacotherapies in different phases of pre-clinical and clinical assessment, most therapeutic approaches that succeed from pre-clinical rodent models to the clinical stage fail in subsequent Phase I-III trials. In this respect, one major weakness is the lack of adequate mouse models of NASH that also show metabolic comorbidities commonly observed in NASH patients, including obesity, type 2 diabetes and dyslipidaemia. This study provides an in-depth comparison of NASH pathology and deep metabolic profiling in eight common inbred mouse strains (A/J, BALB/c, C3H/HeJ, C57BL/6J, CBA/CaH, DBA/2J, FVB/N and NOD/ShiLtJ) fed a western-style diet enriched in fat, sucrose, fructose and cholesterol for eight months. Combined analysis of histopathology and hepatic lipid metabolism, as well as measures of obesity, glycaemic control and insulin sensitivity, dyslipidaemia, adipose tissue lipolysis, systemic inflammation and whole-body energy metabolism points to the FVB/N mouse strain as the most adequate diet-induced mouse model for the recapitulation of metabolic (dysfunction) associated fatty liver disease (MAFLD) and NASH. With efforts in the pharmaceutical industry now focussed on developing multi-faceted therapies; that is, therapies that improve NASH and/or liver fibrosis, and concomitantly treat other metabolic comorbidities, this mouse model is ideally suited for such pre-clinical use.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0020,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0090,004

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.

Tête enseignante Opus0,076
Tête enseignante GPT0,371
Écart entre enseignants0,296 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific Reports→Même sujetLiver Disease Diagnosis and Treatment→Travaux en français237 207→