MicroRNA Expression in Human Airway Smooth Muscle 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
Defining mechanisms by which differentiated, contractile smooth muscle cells become proliferative and secretory in response to mechanical and environmental stress is crucial for determining the contribution of airway smooth muscle (ASM) to inflammatory responses that result in airway disease. Regulation by microRNAs (miRNAs) has emerged as an important post-transcriptional mechanism regulating gene expression that may modulate ASM phenotype, but little is known about the expression and functions of miRNA in smooth muscle. In the present study we used microarrays to determine whether miRNAs in human ASM cells are altered by a proinflammatory stimulus. In ASM cells exposed to IL-1beta, TNF-alpha, and IFN-gamma, we found 11 miRNAs to be significantly down-regulated. We verified decreased expression of miR-25, miR-140*, mir-188, and miR-320 by quantitative PCR. Analysis of miR-25 expression indicates that it has a broad role in regulating ASM phenotype by modulating expression of inflammatory mediators such as RANTES, eotaxin, and TNF-alpha; genes involved in extracellular matrix turnover; and contractile proteins, most notably myosin heavy chain. miRNA binding algorithms predict that miR-25 targets Krüppel-like factor 4 (KLF4), a potent inhibitor of smooth muscle-specific gene expression and mediator of inflammation. Our study demonstrates that inhibition of miR-25 in cytokine-stimulated ASM cells up-regulates KLF4 expression via a post-transcriptional mechanism. This provides novel evidence that miR-25 targets KLF4 in ASM cells and proposes that miR-25 may be an important mediator of ASM phenotype.
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 | 0,000 | 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 découle