Iron homeostasis in astrocytes and microglia is differentially regulated by TNF‐α and TGF‐β1
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abnormal iron homeostasis is increasingly thought to contribute to the pathogenesis of several neurodegenerative disorders. We have previously reported impaired iron homeostasis in a mouse model of spinal cord injury and in a mouse model of amyotrophic lateral sclerosis. Both these disorders are associated with CNS inflammation. However, what effect inflammation, and in particular, inflammatory cytokines have on iron homeostasis in CNS glia remains largely unknown. Here we report that the proinflammatory cytokine TNF-α, and the anti-inflammatory cytokine TGF-β1 affect iron homeostasis in astrocytes and microglia in distinct ways. Treatment of astrocytes in vitro with TNF-α induced the expression of the iron importer "divalent iron transporter 1" (DMT1) and suppressed the expression of the iron exporter ferroportin (FPN). However, TGF-β1 had no effect on DMT1 expression but increased the expression of FPN in astrocytes. In microglia, on the other hand, both cytokines caused induction of DMT1 and suppression of FPN expression. Iron influx and efflux assays in vitro confirmed that iron homeostasis in astrocytes and microglia is differentially regulated by these cytokines. In particular, TNF-α caused an increase in iron uptake and retention by both astrocytes and microglia, while TGF-β1 promoted iron efflux from astrocytes but caused iron retention in microglia. These data suggest that these two cytokines, which are expressed in CNS inflammation in injury and disease, can have profound and divergent effects on iron homeostasis in astrocytes and microglia.
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.
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 découle