Fibronectin inhibits osteoclastogenesis while enhancing osteoclast activity via nitric oxide and interleukin‐1β‐mediated signaling pathways
Notice bibliographique
Résumé
Osteoclasts are bone-resorbing cells formed by fusion of mononuclear precursors. The matrix proteins, fibronectin (FN), vitronectin (VN), and osteopontin (OPN) are implicated in joint destruction and interact with osteoclasts mainly through integrins. To assess the effects of these matrix proteins on osteoclast formation and activity, we used RAW 264.7 (RAW) cells and mouse splenocytes differentiated into osteoclasts on tissue culture polystyrene (TCP) or osteologic™ slides pre-coated with 0.01-20 µg/ml FN, VN, and OPN. At 96 h, osteoclast number and multinucleation were decreased on VN and FN compared to OPN and TCP in both RAW and splenocytes cell cultures. When early differentiation was assessed, VN but not FN decreased cytoplasmic tartrate-resistant acid phosphatase activity and pre-osteoclast number at 48 h. OPN had the opposite effect to FN on osteoclast formation. When RAW cells were differentiated on OPN and treated by FN and OPN, osteoclast number only in the FN treated group was 40-60% lower than the control, while the total number of nuclei was unchanged, suggesting that FN delays osteoclast fusion. In contrast to its inhibitory effect on osteoclastogenesis, FN increased resorption by increasing both osteoclast activity and the percentage of resorbing osteoclasts. This was accompanied by an increase in nitric oxide (NO) levels and interleukin-1β (IL-1β). IL-1β production was inhibited using the NO-synthase inhibitor only on FN indicating a FN-specific cross-talk between NO and IL-1β signaling pathways. We conclude that FN upregulates osteoclast activity despite inhibiting osteoclast formation and that these effects involve NO and IL-1β signaling.
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 ».