L-Alanyl-L-Glutamine Alleviated Ischemia-Reperfusion Injury and Primary Graft Dysfunction in Rat Lung Transplants
Notice bibliographique
Résumé
BACKGROUND: Concern of ischemia-reperfusion injury reduces utilization of donor lungs. We hypothesized adding L-alanyl-L-glutamine (L-AG) to preservation solution may protect donor lungs from ischemia-reperfusion injury through its multiple cytoprotective effects. METHODS: A lung transplantation cell culture model was used on human lung epithelial cells and pulmonary microvascular endothelial cells, and the effects of adding different concentrations of L-AG on basic cellular function were tested. Rat donor lungs were preserved at 4 °C with 8 mmol/L L-AG for 12 h followed by 4 h reperfusion or monitored for 3 d. Lung function, lung histology, inflammation, and cell death biomarker were tested. Computerized tomography scan was used and metabolomic analysis was performed on lung tissues. RESULTS: Cold preservation with L-AG improved cell viability and inhibited apoptosis in cell culture. Rat donor lungs treated with L-AG during cold storage showed decreased peak airway pressure, higher dynamic compliance and oxygenation ability, reduced lung injury, apoptosis, and oxidative stress during reperfusion. L-AG treatment significantly changed 130 metabolites during reperfusion, with enhanced amino acid biosynthesis and tricarboxylic acid cycle. Furthermore, cold storage with L-AG decreased primary graft dysfunction grade, improved oxygenation, reduced pulmonary atelectasis, sign of infection, and pneumothorax in a rat left lung transplant 3-d survival model. CONCLUSIONS: Adding L-AG to cold preservation solution reduced lung injury and alleviated primary graft dysfunction by inhibiting inflammation, oxidative stress, and cell death with modified metabolic activities.
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 ».