Neutrophil Elastase Acts as a Biased Agonist for Proteinase-activated Receptor-2 (PAR2)
Notice bibliographique
Résumé
Human neutrophil proteinases (elastase, proteinase-3, and cathepsin-G) are released at sites of acute inflammation. We hypothesized that these inflammation-associated proteinases can affect cell signaling by targeting proteinase-activated receptor-2 (PAR(2)). The PAR family of G protein-coupled receptors is triggered by a unique mechanism involving the proteolytic unmasking of an N-terminal self-activating tethered ligand (TL). Proteinases can either activate PAR signaling by unmasking the TL sequence or disarm the receptor for subsequent enzyme activation by cleaving downstream from the TL sequence. We found that none of neutrophil elastase, cathepsin-G, and proteinase-3 can activate G(q)-coupled PAR(2) calcium signaling; but all of these proteinases can disarm PAR(2), releasing the N-terminal TL sequence, thereby preventing G(q)-coupled PAR(2) signaling by trypsin. Interestingly, elastase (but neither cathepsin-G nor proteinase-3) causes a TL-independent PAR(2)-mediated activation of MAPK that, unlike the canonical trypsin activation, does not involve either receptor internalization or recruitment of β-arrestin. Cleavage of synthetic peptides derived from the extracellular N terminus of PAR(2), downstream of the TL sequence, demonstrated distinct proteolytic sites for all three neutrophil-derived enzymes. We conclude that in inflammation, neutrophil proteinases can modulate PAR(2) signaling by preventing/disarming the G(q)/calcium signal pathway and, via elastase, can selectively activate the p44/42 MAPK pathway. Our data illustrate a new mode of PAR regulation that involves biased PAR(2) signaling by neutrophil elastase and a disarming/silencing effect of cathepsin-G and proteinase-3.
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 | 0,001 |
| 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 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 ».