Proteinase‐activated receptor‐4: evaluation of tethered ligand‐derived peptides as probes for receptor function and as inflammatory agonists <i>in vivo</i>
Notice bibliographique
Résumé
1. We evaluated the ability of a number of peptides based on the tethered ligand sequences of human, rat and murine proteinase-activated receptor-4 (PAR(4)), to serve as receptor-activating probes or antagonists for bioassays carried out in vitro and for in vivo models of inflammation. 2. In a rat PAR(4)-dependent platelet aggregation assay, the relative potencies of the active sequences (AYPGKF-NH(2)>GYPGKF-NH(2)>GYPGFK-NH(2)>GFPGKP-NH(2)) were consistent with an activation of PAR(4). 3. In the aggregation assay, the reverse or partial reverse-sequence peptides (VQGPYG-NH(2), YAPGKF-NH(2) and FKGPYA-NH(2)) were inactive, while trans-cinnamoyl (Tc)-YPGKF-NH(2), Tc-APGKF-NH(2) and N-palmitoyl-SGRRYGHALR-NH(2) (pepducin P4pal-10) were antagonists. 4. However, in an endothelium-dependent NO-mediated rat aorta (RA) relaxation assay and in a gastric longitudinal muscle (LM) contraction assay, these antagonist peptides were agonists as were most other peptides, with distinct orders of potencies that differed for both the RA and LM assays and from the platelet assay. 5. We conclude that PAR(4)-derived tethered ligand peptide agonists can act at receptors other than PAR(4) and that a judicious choice of ligands is required to probe for PAR(4) function in bioassay systems and in particular for in vivo models. 6. By selecting from these peptides the ones most reliably reflecting PAR(4) activation (AYPGKF-NH(2) as a standard agonist; YAPGKF-NH(2) as a PAR(4)-inactive standard), we were able to establish an inflammatory role for the PAR(4)-activating peptides acting via a non-neurogenic mechanism in a rat paw oedema model.
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 | 0,000 |
| 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 ».