Localization of small leucine‐rich proteoglycans and transforming growth factor‐β in human oral mucosal wound healing
Notice bibliographique
Résumé
Wound healing in oral mucosa is fast and results in little scar formation as compared with skin. The biological mechanisms underlying this property are poorly understood but may provide valuable information about the factors that promote wound regeneration. Small leucine-rich proteoglycans (SLRPs) decorin, biglycan, fibromodulin and lumican are extracellular matrix molecules that regulate collagen fibrillogenesis, inhibit transforming growth factor-beta (TGF-beta) activity and reduce scarring. In the present study, we analyzed accumulation of SLRPs and TGF-beta during non-scarring human oral mucosal wound healing. Biopsies were collected from healthy volunteers from unwounded tissue and from standardized experimental wounds 3-60 days postwounding. Localization of SLRPs, TGF-beta1 and TGF-beta3 was analyzed by immunohistochemical staining and quantitated by image analysis. Double immunostaining was used to study localization of SLRPs or active TGF-beta in distinct cells. Decorin, biglycan, fibromodulin, and TGF-beta isoforms showed significantly increased accumulation in the wound extracellular matrix and distinct wound cells while the abundance of lumican in the extracellular matrix was strongly reduced during wound healing. Localization and abundance of fibromodulin, lumican, and TGF-beta isoforms was also spatiotemporally regulated in the wound epithelium. The findings suggest that SLRPs regulate wound reepithelialization and connective tissue regeneration during oral mucosal wound healing.
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 ».