A Kinetic Analysis of the Tissue Plasminogen Activator and DSPAα1 Cofactor Activities of Untreated and TAFIa-treated Soluble Fibrin Degradation Products of Varying Size
Notice bibliographique
Résumé
The kinetics of tissue plasminogen activator (t-PA) and DSPAalpha1-catalyzed plasminogen activation using untreated and TAFIa-treated fibrin degradation products (FDPs), ranging in weight average molecular weight (M(w)) from 0.48 x 10(6) to 4.94 x 10(6) g/mol, were modeled according to the steady-state template model. The FDPs served as effective cofactors for both activators. The intrinsic catalytic efficiencies of both t-PA (17.4 x 10(5) m(-1) s(-1)) and DSPAalpha1 (6.0 x 10(5) m(-1) s(-1)) were independent of FDP M(w). The intrinsic catalytic efficiency of t-PA was 12-fold higher than that measured under identical conditions with intact fibrin as the cofactor. At sub-saturating levels of cofactor and substrate, rates were strongly dependent on FDP M(w) with DSPAalpha1 but not t-PA. Loss of activity with decreasing FDP M(w) correlated with loss of finger-dependent binding of the activators to the FDPs. TAFIa treatment of the FDPs resulted in 90- and 215-fold decreases in the catalytic efficiencies of t-PA (0.20 x 10(5) m(-)(1) s(-1)) and DSPAalpha1 (0.028 x 10(5) m(-1) s(-1)), yielding cofactors that were still 30- and 50-fold better than fibrinogen with t-PA and DSPAalpha1, respectively. Our results show that for both activators the products released during fibrinolysis are very effective cofactors for plasminogen activation, and both t-PA and DSPAalpha1 cofactor activity are strongly down-regulated by TAFIa.
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) | 0,000 | 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 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 ».