Myocyte Enhancer Factor 2C and Myogenin Up-regulate Each Other's Expression and Induce the Development of Skeletal Muscle in P19 Cells
Notice bibliographique
Résumé
Two families of transcription factors, myogenic regulatory factors (MRFs) and myocyte enhancer factor 2 (MEF2), function synergistically to regulate myogenesis. In addition to activating structural muscle-specific genes, MRFs and MEF2 activate each other's expression. The MRF, myogenin, can activate MEF2 DNA binding activity when transfected into fibroblasts and, in turn, the myogenin promoter contains essential MEF2 DNA binding elements. To determine which MEF2 is involved in this regulation, P19 cells stably expressing MyoD and myogenin were compared for their ability to activate the expression of MEF2 family members. There was very little cross-activation of MyoD expression by myogenin and vice versa. Myogenin expression, and not MyoD, was found to up-regulate MEF2C expression. MEF2A, -B, and -D expression levels were not up-regulated by overexpression of either MyoD or myogenin. To examine whether MEF2C can differentially regulate MyoD or myogenin expression, P19 cell lines overexpressing MEF2C were analyzed. MEF2C induced myogenesis in P19 cells and up-regulated the expression of myogenin with 25-fold greater efficiency than that of MyoD. Therefore, myogenin and MEF2C participate in a regulatory loop in differentiating stem cells. This positive regulation does not extend to MyoD or the other MEF2 family members. Consequently, MEF2C appears to play a specific role in early events of myogenesis.
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 ».