Lack of FSH support enhances LIF–STAT3 signaling in granulosa cells of atretic follicles in cattle
Notice bibliographique
Résumé
Subordinate follicles (SFs) of bovine follicular waves undergo atresia due to declining FSH concentrations; however, the signalling mechanisms have not been fully deciphered. We used an FSH-induced co-dominance model to determine the effect of FSH on signalling pathways in granulosa cells of the second-largest follicles (SF in control cows and co-dominant follicle (co-DF2) in FSH-treated cows). The SF was smaller than DF in control cows while diameters of co-DF1 and co-DF2 in FSH-treated cows were similar. The presence of cleaved CASP3 protein confirmed that granulosa cells of SFs, but not of DFs and co-DFs, were apoptotic. To determine the effect of FSH on molecular characteristics of the second-largest follicles, we generated relative variables for the second largest follicle in each cow. For this, variables of SF or co-DF2 were divided by the variables of the largest follicle DF or co-DF1 in each cow. There was higher transcript abundance of MAPK1/3 and AKT1/2/3 but lower abundance of phosphorylated MAPK3/1 in SF than co-DF2 granulosa cells. Abundance of mRNA and phosphorylated protein of STAT3 was higher in granulosa cells of control SF than FSH-treated co-DF2. SF granulosa cells had higher levels of LIFR and IL6ST transcripts, the two receptors involved in STAT3 activation. Further, lower transcript abundance of interleukin 6 receptor (IL6R), another receptor involved in STAT3 activation, indicated that STAT3 activation in SF granulosa cells could be mainly due to leukemia inhibitory factor (LIF) signalling. These results indicate that atresia due to lack of FSH is associated with activated LIF-STAT3 signalling in SF granulosa cells, as FSH treatment reversed such activation.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».