Effects of Interferon-γ and Lipopolysaccharide on Macrophage Iron Metabolism Are Mediated by Nitric Oxide-induced Degradation of Iron Regulatory Protein 2
Notice bibliographique
Résumé
Iron regulatory proteins (IRP-1 and IRP-2) control the synthesis of transferrin receptors (TfR) and ferritin by binding to iron-responsive elements, which are located in the 3'-untranslated region and the 5'-untranslated region of their respective mRNAs. Cellular iron levels affect binding of IRPs to iron-responsive elements and consequently expression of TfR and ferritin. Moreover, NO(*), a redox species of nitric oxide that interacts primarily with iron, can activate IRP-1 RNA binding activity resulting in an increase in TfR mRNA levels. Recently we found that treatment of RAW 264.7 cells (a murine macrophage cell line) with NO(+) (nitrosonium ion, which causes S-nitrosylation of thiol groups) resulted in a rapid decrease in RNA binding of IRP-2 followed by IRP-2 degradation, and these changes were associated with a decrease in TfR mRNA levels (Kim, S., and Ponka, P. (1999) J. Biol. Chem. 274, 33035-33042). In this study, we demonstrated that stimulation of RAW 264.7 cells with lipopolysaccharide (LPS) and interferon-gamma (IFN-gamma) increased IRP-1 binding activity, whereas RNA binding of IRP-2 decreased and was followed by a degradation of this protein. Moreover, the decrease of IRP-2 binding/protein levels was associated with a decrease in TfR mRNA levels in LPS/IFN-gamma-treated cells, and these changes were prevented by inhibitors of inducible nitric oxide synthase. Furthermore, LPS/IFN-gamma-stimulated RAW 264.7 cells showed increased rates of ferritin synthesis. These results suggest that NO(+)-mediated degradation of IRP-2 plays a major role in iron metabolism during inflammation.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».