AMP-Activated Protein Kinase-Regulated Activation of the PGC-1α Promoter in Skeletal Muscle Cells
Notice bibliographique
Résumé
The mechanisms by which PGC-1alpha gene expression is controlled in skeletal muscle remains largely undefined. Thus, we sought to investigate the transcriptional regulation of PGC-1alpha using AICAR, an activator of AMPK, that is known to increase PGC-1alpha expression. A 2.2 kb fragment of the human PGC-1alpha promoter was cloned and sequence analysis revealed that this TATA-less sequence houses putative consensus sites including a GC-box, a CRE, several IRSs, a SRE, binding sites for GATA, MEF2, p 53, NF-kappaB, and EBox binding proteins. AMPK activation for 24 hours increased PGC-1alpha promoter activity with concomitant increases in mRNA expression. The effect of AICAR on transcriptional activation was mediated by an overlapping GATA/EBox binding site at -495 within the PGC-1alpha promoter based on gel shift analyses that revealed increases in GATA/EBox DNA binding. Mutation of the EBox within the GATA/EBox binding site in the promoter reduced basal promoter activity and completely abolished the AICAR effect. Supershift analyses identified USF-1 as a DNA binding transcription factor potentially involved in regulating PGC-1alpha promoter activity, which was confirmed in vivo by ChIP. Overexpression of either GATA-4 or USF-1 alone increased the p851 PGC-1alpha promoter activity by 1.7- and 2.0-fold respectively, while co-expression of GATA-4 and USF-1 led to an additive increase in PGC-1alpha promoter activity. The USF-1-mediated increase in PGC-1alpha promoter activation led to similar increases at the mRNA level. Our data identify a novel AMPK-mediated regulatory pathway that regulates PGC-1alpha gene expression. This could represent a potential therapeutic target to control PGC-1alpha expression in skeletal muscle.
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 ».