β-Catenin Mediates Mechanically Regulated, Transforming Growth Factor-β1–Induced Myofibroblast Differentiation of Aortic Valve Interstitial Cells
Notice bibliographique
Résumé
OBJECTIVE: In calcific aortic valve disease, myofibroblasts and activation of the transforming growth factor-β1 (TGF-β1) and Wnt/β-catenin pathways are observed in the fibrosa, the stiffer layer of the leaflet, but their association is unknown. We elucidated the roles of β-catenin and extracellular matrix stiffness in TGF-β1-induced myofibroblast differentiation of valve interstitial cells (VICs). METHODS AND RESULTS: TGF-β1 induced rapid β-catenin nuclear translocation in primary porcine aortic VICs in vitro through TGF-β receptor I kinase. Degrading β-catenin pharmacologically or silencing it with small interfering RNA inhibited TGF-β1-induced myofibroblast differentiation without altering Smad2/3 activity. Conversely, increasing β-catenin availability with Wnt3A alone did not induce differentiation. However, combining TGF-β1 and Wnt3A caused greater myofibroblast differentiation than TGF-β1 treatment alone. Notably, in VICs grown on collagen-coated PA gels with physiological stiffnesses, TGF-β1-induced β-catenin nuclear translocation and myofibroblast differentiation occurred only on matrices with fibrosa-like stiffness, but not ventricularis-like stiffness. In diseased aortic valves from pigs fed an atherogenic diet, myofibroblasts colocalized with increased protein expression of Wnt3A, β-catenin, TGF-β1, and phosphorylated Smad2/3 in the fibrosa. CONCLUSIONS: Myofibroblast differentiation of VICs involves matrix stiffness-dependent crosstalk between TGF-β1 and Wnt signaling pathways and may explain in part why the stiffer fibrosa is more susceptible to disease.
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 | 0,001 |
| 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 ».