Inhibition of Mammalian Target of Rapamycin Augments Lipopolysaccharide-Induced Lung Injury and Apoptosis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Acute lung injury during bacterial infection is associated with neutrophilic inflammation, epithelial cell apoptosis, and disruption of the alveolar-capillary barrier. TLR4 is required for lung injury in animals exposed to bacterial LPS and initiates proinflammatory responses in part via the transcription factor NF-κB. Ligation of TLR4 also initiates a proapoptotic response by activating IFN-β and STAT1-dependent genes. We recently demonstrated that mammalian target of rapamycin (mTOR), a key controller of cell growth and survival, can physically interact with STAT1 and suppress the induction of STAT1-dependent apoptosis genes. We therefore hypothesized that the mTOR inhibitor rapamycin would increase LPS-induced apoptosis and lung injury in vivo. Rapamycin increased lung injury and cellular apoptosis in C57BL/6J mice exposed to intratracheal LPS for 24 h. Rapamycin also augmented STAT1 activation, and the induction of STAT1-dependent genes that mediate cellular apoptosis (i.e., Fas, caspase-3). LPS-induced lung injury was attenuated in STAT1 knockout mice. In addition, LPS and IFN-β-induced apoptosis was absent in cultured cells lacking STAT1, and, unlike in wild-type cells, a permissive effect of rapamycin was not observed. In contrast to its effect on STAT1, rapamycin inhibited NF-κB activation in vivo and reduced selected markers of inflammation (i.e., neutrophils in the bronchoalveolar lavage fluid, TNF-α). Therefore, although it inhibits NF-κB and neutrophilic inflammation, rapamycin augments LPS-induced lung injury and apoptosis in a mechanism that involves STAT1 and the induction of STAT1-dependent apoptosis genes.
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.
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 découle