Serotonin augments smooth muscle differentiation of bone marrow stromal cells
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Bone marrow stromal cells (BMSCs) contain a subset of multipotent stem cells. Here, we demonstrate that serotonin, a biogenic amine released by platelets and mast cells, can induce the smooth muscle differentiation of BMSCs. Brown Norway rat BMSCs stimulated with serotonin had increased expression of the smooth muscle markers smooth muscle myosin heavy chain (MHC) and α actin (α-SMA) by qPCR and Western blot, indicating smooth muscle differentiation. This was accompanied by a concomitant down-regulation of the microRNA miR-25-5p, which was found to negatively regulate smooth muscle differentiation. Serotonin upregulated serum response factor (SRF) and myocardin, transcription factors known to induce contractile protein expression in smooth muscle cells, while it down-regulated Elk1 and Kruppel-like factor 4 (KLF4), known to induce proliferation. Serotonin increased SRF binding to promoter regions of the MHC and α-SMA genes, assessed by chromatin immunoprecipitation assay. Induction of smooth muscle differentiation by serotonin was blocked by the knock-down of SRF and myocardin. Transforming growth factor (TGF)-β1 was constitutively expressed by BMSCs and serotonin triggered its release. Inhibition of miR-25-5p augmented TGF-β1 expression, however the differentiation of BMSCs was not mediated by TGF-β1. These findings demonstrate that serotonin promotes a smooth muscle-like phenotype in BMSCs by altering the balance of SRF, myocardin, Elk1 and KLF4 and miR-25-5p is involved in modulating this balance. Therefore, serotonin potentially contributes to the pathogenesis of diseases characterized by tissue remodeling with increased smooth muscle mass.
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.
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 découle