ER stress contributes to renal proximal tubule injury by increasing SREBP-2-mediated lipid accumulation and apoptotic cell death
Notice bibliographique
Résumé
Renal proximal tubule injury is induced by agents/conditions known to cause endoplasmic reticulum (ER) stress, including cyclosporine A (CsA), an immunosuppressant drug with nephrotoxic effects. However, the underlying mechanism by which ER stress contributes to proximal tubule cell injury is not well understood. In this study, we report lipid accumulation, sterol regulatory element-binding protein-2 (SREBP-2) expression, and ER stress in proximal tubules of kidneys from mice treated with the classic ER stressor tunicamycin (Tm) or in human renal biopsy specimens showing CsA-induced nephrotoxicity. Colocalization of ER stress markers [78-kDa glucose regulated protein (GRP78), CHOP] with SREBP-2 expression and lipid accumulation was prominent within the proximal tubule cells exposed to Tm or CsA. Prolonged ER stress resulted in increased apoptotic cell death of lipid-enriched proximal tubule cells with colocalization of GRP78, SREBP-2, and Ca(2+)-independent phospholipase A(2) (iPLA(2)β), an SREBP-2 inducible gene with proapoptotic characteristics. In cultured HK-2 human proximal tubule cells, CsA- and Tm-induced ER stress caused lipid accumulation and SREBP-2 activation. Furthermore, overexpression of SREBP-2 or activation of endogenous SREBP-2 in HK-2 cells stimulated apoptosis. Inhibition of SREBP-2 activation with the site-1-serine protease inhibitor AEBSF prevented ER stress-induced lipid accumulation and apoptosis. Overexpression of the ER-resident chaperone GRP78 attenuated ER stress and inhibited CsA-induced SREBP-2 expression and lipid accumulation. In summary, our findings suggest that ER stress-induced SREBP-2 activation contributes to renal proximal tubule cell injury by dysregulating lipid homeostasis.
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) | 0,001 | 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 ».