Étude des effets anti-athérosclérotiques d’analogues aza-GHRP-6 en tant que ligands du récepteur CD36 chez un modèle murin déficient en apolipoprotéine E
Bibliographic record
Abstract
L’athérosclérose est un important facteur de risque des maladies cardiovasculaires ischémiques. Cette pathologie est caractérisée par la formation de plaques lipidiques dans l’intima des vaisseaux sanguins. Le récepteur éboueur cluster de differentiation-36 (CD36) est impliqué dans l’internalisation et l’accumulation de lipoprotéines au sein des macrophages qui vont devenir des cellules spumeuses, ce qui est à l’origine de la formation de lésions athérosclérotiques. Notre hypothèse est que les azapeptides, dérivés du peptide de relâche de l’hormone de croissance 6 (GHRP-6), vont interférer avec l’internalisation des lipoprotéines par les macrophages et ainsi réduire la progression des lésions. Nous avons utilisé des souris déficientes en apolipoprotéine E (apoe-/-) qui ont été traitées quotidiennement par une injection sous-cutanée de 300 nmol/kg de MPE-001 ou de MPE-003. Les effets des azapeptides ont été étudiés sous deux régimes alimentaires, soit le maintien d’une diète enrichie en lipides et en cholestérol (HFHC) pendant la durée de l’étude, ou par une diète HFHC suivie d’une diète normale pendant la période de traitement. Nos résultats montrent que les azapeptides ont réduit la progression des lésions à différents sites aortiques et artériels et induit leur régression au niveau des sinus aortiques du coeur. Ces effets ont été associés à une diminution de médiateurs pro-inflammatoires au niveau plasmatique et à une augmentation des marqueurs caractéristiques des macrophages anti-inflammatoires (M2). Nos travaux ont montré que l’effet athéroprotecteur des azapeptides dépend de la présence du récepteur CD36. Ces résultats appuient le développement de ligands sélectifs du récepteur CD36 dans le traitement de l’athérosclérose.
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
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".