Increased expression of activating factors in large osteoclasts could explain their excessive activity in osteolytic diseases
Notice bibliographique
Résumé
Large osteoclasts (>or=10 nuclei) predominate at sites of pathological bone resorption. We hypothesized this was related to increased resorptive activity of large osteoclasts and have demonstrated previously that larger osteoclasts are 8-fold more likely to be resorbing than small osteoclasts (2-5 nuclei). Here we ask whether these differences in resorptive activity can be explained by differences in expression of factors involved in osteoclast signaling, fusion, attachment, and matrix degradation. Authentic rabbit osteoclasts and osteoclasts derived from RAW264.7 cells showed similar increases in c-fms expression (1.7- to 1.8-fold) in large osteoclasts suggesting that RAW cells are a viable system for further analysis. We found 2- to 4.5-fold increases in the expression of the integrins alpha(v) and beta(3), the proteases proMMP9, matMMP9 and pro-cathepsinK, and in activating receptors RANK, IL-1R1, and TNFR1 in large osteoclasts. In contrast, small osteoclasts had higher expression of the fusion protein SIRPalpha1 and the decoy receptor IL-1R2. The higher expression of activation receptors and lower expression of IL-1R2 in large osteoclasts suggest they are hyperresponsive to extracellular factors. This is supported by the observation that the resorptive activity in large osteoclasts was more responsive to IL-1beta, and that this increased activity was inhibited by the IL-1 receptor antagonist, IL-1ra. This increased responsiveness of large osteoclasts to IL-1 may, in part, explain the pathological bone loss noted in inflammatory diseases. The heterogeneity in receptor expression and the differential response to cytokines and their antagonists could prove useful for selective inhibition of large osteoclasts actively engaged in pathological bone loss.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».