Cardiac-specific overexpression of sarcolipin in phospholamban null mice impairs myocyte function that is restored by phosphorylation
Notice bibliographique
Résumé
Sarcolipin (SLN) inhibits the cardiac sarco(endo)plasmic reticulum Ca2+ ATPase (SERCA2a) by direct binding and is superinhibitory if it binds as a binary complex with phospholamban (PLN). To demonstrate whether overexpression of SLN in the heart might impair cardiac function directly, transgenic (TG) mice with cardiac-specific overexpression of NF-SLN (SLN tagged at its N terminus with the FLAG epitope) were generated on a phospholamban (PLN) null (PLN KO) background. In NF-SLN TG/PLN KO cardiac microsomes, the apparent affinity of SERCA2a for Ca2+ was decreased compared with non-TG littermate PLN KO hearts. Analyses of isolated NF-SLN/PLN KO cardiomyocytes revealed impaired cardiac contractility, reduced calcium transient peak amplitude, and slower decay kinetics compared to PLN KO animals. In these cardiomyocytes, isoproterenol restored calcium dynamics to the levels seen in PLN KO. Invasive hemodynamic and echocardiographic analyses of NF-SLN/PLN KO mouse cardiac muscle in vivo showed no direct effects of NF-SLN overexpression when compared to PLN KO mice. A possible mechanism for the lack of effects in the whole heart may be a responsiveness to phosphorylation because we determined that NF-SLN can be phosphorylated in cardiomyocytes in response to isoproterenol, and we provide evidence that serine/threonine kinase 16 is a kinase that can phosphorylate NF-SLN. Site-directed mutagenesis showed that SLN Thr-5 is the target site for this kinase. These data show that overexpression of NF-SLN can inhibit SERCA2a in the absence of PLN and that the inhibition of SERCA2a is correlated with impairment of contractility and calcium cycling in cardiomyocytes.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».