EGF-like Growth Factors Induce COX-2–Derived PGE2 Production Through ERK1/2 in Human Granulosa Cells
Notice bibliographique
Résumé
CONTEXT: Aberrant regulation of ovulation is one of the major causes of infertility. In animal models, 3 epidermal growth factor (EGF)-like growth factors, amphiregulin (AREG), betacellulin (BTC), and epiregulin (EREG), have been shown to be involved in ovulation by regulating cyclooxygenase-2 (COX-2) expression and prostaglandin E2 (PGE2) production. However, whether the same is true in humans remains largely unknown. OBJECTIVE: Our objective was to investigate the effects of AREG, BTC, and EREG on COX-2 expression and PGE2 production in human granulosa cells. DESIGN AND SETTING: SVOG cells are human granulosa cells that were obtained from women undergoing in vitro fertilization and immortalized with SV40 large T antigen. SVOG cells were used to investigate the effect of AREG, BTC, and EREG on ovulation-related functions at an academic research center. MAIN OUTCOME MEASURES: Levels of mRNA and protein were examined by quantitative RT-PCR and Western blotting, respectively. The protein levels of PGE2 were measured by ELISA. RESULTS: LH treatment upregulated AREG, BTC, EREG, and COX-2. Knockdown of EGF receptor (EGFR) attenuated LH-induced COX-2 expression and PGE2 production. Treatment with AREG, BTC, and EREG upregulated COX-2 expression and PGE2 production. The stimulatory effects of AREG, BTC, and EREG on COX-2 expression and PGE2 production were blocked by inhibition of EGFR activity and expression. AREG-, BTC-, and EREG-activated ERK1/2 signaling, but not Akt signaling, was required for AREG-, BTC-, and EREG-induced COX-2 expression and PGE2 production. CONCLUSION: AREG, BTC, and EREG induced PGE2 production by upregulating COX-2 expression through ERK1/2 signaling in human granulosa cells.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,003 |
| 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 ».