Beeinflussung der Strahlenfibrose unter Verwendung von Decorin und TGFbeta-Antikörpern
Bibliographic record
Abstract
Die Anwendung ionisierender Strahlung in der Behandlung von malignen Lungenerkrankungen im Rahmen eines multimodalen Therapiekonzeptes wird in 20% der Fälle durch eine akut verlaufende Pneumonitis oder durch eine irreversible Lungenfibrose kompliziert, was häufig zum Abburch der Therapie mit unzureichender Strahlendosis führt. Für die Entwicklung der Lungenfibrose scheint in TGFbeta als Schlüsselzytokin in einem autokrin gesteuerten Prozess ein entscheidendes Moment der weiteren Beeinflussbarkeit zu liegen. Es gibt Hinweise für eine prolongierte bzw. erneute Aktivierung von TGFbeta während der Fibrogenese. Wir untersuchten den Strahleneffekt bezüglich der TGFbeta-Expression, der Fibroblastendifferenzierung und der Kollagen-Synthese nach Stimulation durch Überstände von bestrahlten Fibroblasten (Fb), Alveolar Makrophagen (AM) und Alveolar-Epithelien (AE) in der Zellkultur in vitro. Dabei kam es zur gesteigerten Kollagensynthese naiver Fb durch Fb- und AM-Überstände und zur Differenzierung in post-mitotische Fibrozyten. Durch Zugabe von TGFbeta-Antikörpern konnte dieser Effekt vollständig verhindert werden. Wir induzierten des Weiteren eine Lungenfibrose 26 Wochen nach Hemithorax-Bestrahlung im Mausmodell in vivo und versuchten mithilfe des Glykoproteins Decorin, das TGFbeta unspezifisch binden und inaktivieren kann, in die Fibrogenese einzugreifen. Decorin wurde mithilfe eines Adenovirus-Vektors zweimalig an den Tagen 7 und 21 nach Bestrahlung intratracheal appliziert. Unter Nachweis der Decorin-Expression und der mRNA mittels Realtime-PCR zeigen vorläufige Daten und lungenhistologische Präparate ein günstige Beeinflussung im Sinne einer Reduktion der durch Bestrahlung hervorgerufenen Lungenfibrose.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".