Multiple Mechanisms for Anti-Fibrotic Functions of Statins on Radiotherapy Induced Fibrosis
Notice bibliographique
Résumé
Radiotherapy-induced fibrosis (RTIF) presents a challenge in radiotherapy for cancer patients. Although numerous studies have attempted to elucidate the mechanisms leading to RTIF, the pathogenesis of RTIF at the cellular and molecular level is still incompletely described. One key component involved in the post-radiation injury is the pleuripotent cytokine transforming growth factor (TGF)-β. TGF-β signaling pathway has been under intensive investigation about its critical role in radiation-induced fibroproliferative disease. Connective tissue growth factor (CTGF), also known as insulin-like growth factor binding protein-related protein 2 (IGFBP-rP2) is a potent regulator of fibroblast proliferation, cell adhesion, and stimulation of extracellular matrix production. CTGF is known as a major downstream mediator of the chronic fibrotic effects of TGF-β. Here we have demonstrated that irradiation and TGF-β induced CTGF, subsequently upregulates fibrotic factors such as fibronectin and type IV collagen. Furthermore, as HMG-CoA reductase inhibitors, statins inhibit expressions of CTGF and downstream fibrotic proteins in both normal human fetal fibroblasts (HFL-1) and human dermal fibroblasts (HDF) on TGF-β treatment or irradiation. Our study also demonstrates that simvastatin not only suppressed TGF-β-induced fibrosis through inhibition of CTGF production but also CTGF-induced fibrosis. We further show that simvastatin may act in a TGF-β-independent manner by inhibiting Rho kinase pathway. Taken together, these data suggest that radiotherapy may upregulate CTGF expression in a TGF-β-dependent and -independent manner, thereby enhancing expression of profibrotic factors and inducing lung fibrosis.
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 | 0,001 |
| 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 ».