Calcitonin gene‐related peptide regulation of glial cell‐line derived neurotrophic factor in differentiated rat myotubes
Notice bibliographique
Résumé
Glial cell-line derived neurotrophic factor (GDNF) is the most potent trophic factor for motoneuron survival and neuromuscular junction formation. GDNF is upregulated in injured or denervated skeletal muscle and returns to normal levels following reinnervation. However, the mechanism by which GDNF is regulated in denervated muscle is not well understood. The nerve-derived neurotransmitter calcitonin gene-related peptide (CGRP) is upregulated following neuromuscular injury and is subsequently released from motoneurons at the neuromuscular junction. CGRP also promotes nerve regeneration, but the mechanism is not well understood. The current study investigates whether this increase in CGRP regulates GDNF, thus playing a key role in promoting regeneration of injured nerves. This study demonstrates that CGRP increases GDNF secretion without affecting its transcription or translation. Rat L6 myoblasts were differentiated into myotubes and subsequently treated with CGRP. GDNF mRNA expression levels were quantified by quantitative real-time reverse transcription-polymerase chain reaction, and secreted GDNF was quantified in the conditioned medium by ELISA. CGRP treatment increased secreted GDNF protein without altering GDNF mRNA levels. The translational inhibitor cycloheximide did not affect CGRP-induced GDNF secreted protein levels, whereas the secretional inhibitor brefeldin A blocked the CGRP-induced increase in GDNF. This study highlights the importance of injury-induced upregulation of CGRP by exposing its ability to increase GDNF levels and demonstrates a secretional mechanism for regulation of this key regeneration-promoting neurotrophic factor.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».