Selective Estrogen Receptor-β Agonists Repress Transcription of Proinflammatory Genes
Notice bibliographique
Résumé
In addition to their role in the development and function of the reproductive system, estrogens have significant anti-inflammatory properties. Although both estrogen receptors (ERs) can mediate anti-inflammatory actions, ERbeta is a more desirable therapeutic target because ERalpha mediates the proliferative effects of estrogens on the mammary gland and uterus. In fact, selective ERbeta agonists have beneficial effects in preclinical models involving inflammation without causing growth-promoting effects on the uterus or mammary gland. However, their mechanism of action is unclear. The purpose of this study was to use microarray analysis to determine whether ERbeta-selective compounds produce their anti-inflammatory effects by repressing transcription of proinflammatory genes. We identified 49 genes that were activated by TNF-alpha in human osteosarcoma U2OS cells expressing ERbeta. Estradiol treatment significantly reduced the activation by TNF-alpha on 18 genes via ERbeta or ERalpha. Most repressed genes were inflammatory genes, such as TNF-alpha, IL-6, and CSF2. Three ERbeta-selective compounds, ERB-041, WAY-202196, and WAY-214156, repressed the expression of these and other inflammatory genes. ERB-041 was the most ERbeta-selective compound, whereas WAY-202196 and WAY-214156 were the most potent. The ERbeta-selective compounds repressed inflammatory genes by recruiting the coactivator, SRC-2. ERB-041 also repressed cytokine genes in PBMCs, demonstrating that ERbeta-selective estrogens have anti-inflammatory properties in immune cells. Our study suggests that the anti-inflammatory effects of ERB-041 and other ERbeta-selective estrogens in animal models are due to transcriptional repression of proinflammatory genes. These compounds might represent a new class of drugs to treat inflammatory disorders.
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 ».