Small interfering RNA knocks down heat shock factor-1 (HSF-1) and exacerbates pro-inflammatory activation of NF-κB and AP-1 in vascular smooth muscle cells
Notice bibliographique
Résumé
OBJECTIVES: Heat shock and elevated expression of heat shock proteins suppress activation of the pro-inflammatory transcription factor NF-kappaB. We hypothesized that knocking down the expression of heat shock factor-1 (HSF-1) with RNAi technology would exacerbate angiotensin (Ang) II-induced inflammatory injury in vascular smooth muscle cells (VSMC). METHODS: Rat aorta A10 cells and human intestinal smooth muscle cells were grown without transfection or with transfection with HSF-1 small interfering RNA (siRNA), or negative control siRNA. Cells were stimulated with Ang II (100 nM) to activate the NF-kappaB signaling pathway. RESULTS: HSF-1 siRNA significantly knocked down HSF-1 expression, and one of the downstream heat shock proteins (Hsp), Hsp27, in both cells lines. HSF-1 siRNA also affected cells stressed with heat shock or Ang II treatment. Ang II induced activation of NF-kappaB and AP-1 in untransfected VSMCs, however, Ang II induced significantly higher activities of these pro-inflammatory transcription factors in HSF-1 siRNA transfected cells. Control siRNA had no apparent effect on HSF-1 and Hsp27 expression and Ang II-induced NF-kappaB and AP-1 activation. CONCLUSIONS: These data indicate that the knock down of HSF-1 exacerbates Ang II-induced inflammation in VSMCs, and suggests that heat shock proteins protect against inflammatory injury by suppression of pro-inflammatory transcription factors such as NF-kappaB and AP-1.
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 | 0,003 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».