Effect of Low-Level Tragus Stimulation on Cardiac Metabolism in Heart Failure with Preserved Ejection Fraction: A Transcriptomics-Based Analysis
Notice bibliographique
Résumé
Abnormal cardiac metabolism precedes and contributes to structural changes in heart failure. Low-level tragus stimulation (LLTS) can attenuate structural remodeling in heart failure with preserved ejection fraction (HFpEF). The role of LLTS on cardiac metabolism is not known. Dahl salt-sensitive rats of 7 weeks of age were randomized into three groups: low salt (0.3% NaCl) diet (control group; n = 6), high salt diet (8% NaCl) with either LLTS (active group; n = 8), or sham stimulation (sham group; n = 5). Both active and sham groups received the high salt diet for 10 weeks with active LLTS or sham stimulation (20 Hz, 2 mA, 0.2 ms) for 30 min daily for the last 4 weeks. At the endpoint, left ventricular tissue was used for RNA sequencing and transcriptomic analysis. The Ingenuity Pathway Analysis tool (IPA) was used to identify canonical metabolic pathways and upstream regulators. Principal component analysis demonstrated overlapping expression of important metabolic genes between the LLTS, and control groups compared to the sham group. Canonical metabolic pathway analysis showed downregulation of the oxidative phosphorylation (Z-score: −4.707, control vs. sham) in HFpEF and LLTS improved the oxidative phosphorylation (Z-score = −2.309, active vs. sham). HFpEF was associated with the abnormalities of metabolic upstream regulators, including PPARGC1α, insulin receptor signaling, PPARα, PPARδ, PPARGC1β, the fatty acid transporter SLC27A2, and lysine-specific demethylase 5A (KDM5A). LLTS attenuated abnormal insulin receptor and KDM5A signaling. HFpEF is associated with abnormal cardiac metabolism. LLTS, by modulating the functioning of crucial upstream regulators, improves cardiac metabolism and mitochondrial oxidative phosphorylation.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».