Prolactin decreases expression of Runx2, osteoprotegerin, and RANKL in primary osteoblasts derived from tibiae of adult female rats
Notice bibliographique
Résumé
Hyperprolactinemia caused by physiological or pathological conditions, such as those occurring during lactation and prolactinoma, respectively, results in progressive osteopenia. The underlying mechanisms, however, are controversial. Prolactin (PRL) may directly attenuate the functions of osteoblasts, since these bone cells express PRL receptors. The present study therefore aimed to investigate the effects of PRL on the expression of genes related to the osteoblast functions by using quantitative real-time PCR technique. Herein, we used primary osteoblasts that were derived from the tibiae of adult rats and displayed characteristics of differentiated osteoblasts, including in vitro mineralization. Osteoblasts exposed for 48 h to 1000 ng/mL PRL, but not to 10 or 100 ng/mL PRL, showed decreases in the mRNA expression of Runx2, osteoprotegerin (OPG), and receptor activator of nuclear factor kappaBeta ligand (RANKL) by 60.49%, 72.74%, and 87.51%, respectively. Nevertheless, PRL did not change the RANKL/OPG ratio, since expression of OPG and RANKL were proportionally decreased. These concentrations of PRL had no effect on the mRNA expression of osteocalcin and osteopontin, nor on mineralization. High pathologic concentrations of PRL (1000 ng/mL) may downregulate expression of genes that are essential for osteoblast differentiation and functions. The present results explained the clinical findings of hyperprolactinemia-induced bone loss.
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 ».