EGFR-PLCγ1 signaling mediates high glucose-induced PKCβ1-Akt activation and collagen I upregulation in mesangial cells
Notice bibliographique
Résumé
Glomerular matrix accumulation is a hallmark of diabetic nephropathy. We have recently shown that epidermal growth factor receptor (EGFR) transactivation mediates high glucose (HG)-induced collagen I upregulation through PI3K-PKCbeta1-Akt signaling in mesangial cells (MC). Phospholipase Cgamma1 (PLCgamma1) interacts with activated growth factor receptors and activates classic PKC isoforms. We thus studied its role in HG-induced collagen I upregulation in MC. Primary rat MC were treated with HG (30 mM) or mannitol as osmotic control. Protein kinase activation was assessed by Western blotting and collagen I upregulation by Northern blotting. Diabetes was induced in rats by streptozotocin. HG treatment for 1 h led to PLCgamma1 membrane translocation and Y783 phosphorylation, both indicative of its activation. Mannitol was without effect. PLCgamma1 Y783 phosphorylation was also seen in cortex and glomeruli of diabetic rats. HG induced a physical association between EGFR and PLCgamma1 as identified by coimmunoprecipitation. PLCgamma1 activation required EGFR kinase activity since it was prevented by the EGFR inhibitor AG1478 or overexpression of kinase-inactive EGFR (K721A). Phosphoinositide-3-OH kinase inhibition also prevented PLCgamma1 activation. HG-induced Akt S473 phosphorylation, effected by PKCbeta1, was inhibited by the PLCgamma inhibitor U73122. PLCgamma1 inhibition or downregulation by small interference RNA also prevented HG-induced collagen I upregulation. Our results indicate that EGFR-PLCgamma1 signaling mediates HG-induced PKCbeta1-Akt activation and subsequent collagen I upregulation in MC. Inhibition of EGFR or PLCgamma1 may provide attractive therapeutic targets for the treatment of diabetic nephropathy.
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 ».