Activation of Peroxisome Proliferator–Activated Receptor Gamma and Retinoid X Receptor Results in Net Depletion of Cellular Cholesteryl Esters in Macrophages Exposed to Oxidized Lipoproteins
Notice bibliographique
Résumé
OBJECTIVE: Peroxisome proliferator-activated receptor gamma (PPARgamma), a ligand-activated transcription factor, has pleiotropic effects, including regulation of macrophage differentiation and lipid homeostasis. The PPARgamma ligands, thiazolidinediones (TZDs), attenuate atherosclerosis in mice by uncertain mechanisms. The objective of this study was to determine whether activation of PPARgamma or its obligate heterodimer, retinoid X receptor (RXR), modulates macrophage foam cell formation induced by oxidized (ox) lipoproteins. METHODS AND RESULTS: Incubation of THP-1 macrophages with oxHTG-VLDL, oxREM, or oxLDL increased cellular cholesteryl ester over 6-fold. Preincubation with the TZD, ciglitazone, the RXR-specific ligand, 9-cis retinoic acid (9cRA) or the combination reduced CE mass accumulation by up to 65%. Ciglitazone and 9cRA increased CD36 mRNA (up to 4-fold); however, uptake of [125I]oxLDL was only modestly enhanced (up to 1.8-fold) becaues of a concomitant PPARgamma:RXR-induced decrease in SRAI/II activity (up to 40%). This suggested that PPARgamma:RXR activation inhibited cholesteryl ester accumulation by enhancing cholesterol efflux. Ciglitazone and 9cRA were found to increase the expression of ATP-binding cassette proteins A1 and G1, resulting in enhanced cholesterol efflux to lipoprotein-deficient serum, apoAI and HDL3. CONCLUSIONS: PPARgamma and/or RXR activation inhibit foam cell formation through enhanced cholesterol efflux despite increased oxLDL uptake. These observations explain the reduced atherosclerosis in TZD-treated mice and may extend the therapeutic implications of these ligands.
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) | 0,001 | 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 ».