Reciprocal Antagonism Between Estrogen Receptor and NF-κB Activity In Vivo
Notice bibliographique
Résumé
The functional interaction, or "cross-talk," between estrogen receptor (ER) and the proinflammatory transcription factor nuclear factor (NF)-kappaB demonstrated in vitro has been suggested to play a role in estrogen prevention of cardiovascular disease. Here, we demonstrate that this reciprocal cross-talk occurs in vivo. Ovariectomized C57BL/6 mice fed an atherogenic diet had increased hepatic levels of active NF-kappaB and numerous inflammatory genes, including MHC invariant chain (Ii), vascular cell adhesion molecule-1, tumor necrosis factor-alpha, and RANTES. Treatment with 17alpha-ethinylestradiol (EE) strongly blocked induction of these genes but had no effect on their basal expression levels. ER was required for this activity, because the antagonist ICI 182,780 completely blocked the inhibitory activity of EE. Gene activation by EE was not required for inhibition of inflammatory gene expression, because both the phytoestrogen genistein and low doses of EE were effective in blocking inflammatory gene induction without inducing marker genes such as intestinal trefoil factor (ITF) or myo-inositol-1-phosphate synthase (IPS). The in vivo transcriptional interference was reciprocal, with EE induction of ITF and IPS greatly reduced in animals fed the atherogenic diet versus chow-fed controls. This interference was specific to the liver, because diet had no effect on uterine weight increases produced by EE. Transfection experiments confirmed that the extent of inhibition of ER-mediated transcription by inflammatory stimuli correlated with the extent of NF-kappaB activation. These results suggest that the cross-talk between ER and NF-kappaB does occur in vivo and may indeed contribute significantly to the cardioprotective effects of estrogen.
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) | 0,000 | 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 ».