NRF2 Deficiency Attenuates Diabetic Kidney Disease in Db/Db Mice via Down-Regulation of Angiotensinogen, SGLT2, CD36, and FABP4 Expression and Lipid Accumulation in Renal Proximal Tubular Cells
Notice bibliographique
Résumé
The role(s) of nuclear factor erythroid 2-related factor 2 (NRF2) in diabetic kidney disease (DKD) is/are controversial. We hypothesized that Nrf2 deficiency in type 2 diabetes (T2D) db/db mice (db/dbNrf2 knockout (KO)) attenuates DKD progression through the down-regulation of angiotensinogen (AGT), sodium-glucose cotransporter-2 (SGLT2), scavenger receptor CD36, and fatty -acid-binding protein 4 (FABP4), and lipid accumulation in renal proximal tubular cells (RPTCs). Db/dbNrf2 KO mice were studied at 16 weeks of age. Human RPTCs (HK2) with NRF2 KO via CRISPR-Cas9 genome editing and kidneys from patients with or without T2D were examined. Compared with db/db mice, db/dbNrf2 KO mice had lower systolic blood pressure, fasting blood glucose, kidney hypertrophy, glomerular filtration rate, urinary albumin/creatinine ratio, tubular lipid droplet accumulation, and decreased expression of AGT, SGLT2, CD36, and FABP4 in RPTCs. Male and female mice had similar results. NRF2 KO attenuated the stimulatory effect of the Nrf2 activator, oltipraz, on AGT, SGLT2, and CD36 expression and high-glucose/free fatty acid (FFA)-stimulated lipid accumulation in HK2. Kidneys from T2D patients exhibited markedly higher levels of CD36 and FABP4 in RPTCs than kidneys from non-diabetic patients. These data suggest that NRF2 exacerbates DKD through the stimulation of AGT, SGLT2, CD36, and FABP4 expression and lipid accumulation in RPTCs of T2D.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».