EGF and K<sup>+</sup>channel activity control normal and cystic fibrosis bronchial epithelia repair
Notice bibliographique
Résumé
Severe lesions of airway epithelia are observed in cystic fibrosis (CF) patients. The regulatory mechanisms of cell migration and proliferation processes, involved in the repair of injured epithelia, then need to be better understood. A model of mechanical wounding of non-CF (NuLi) and CF (CuFi) bronchial monolayers was employed to study the repair mechanisms. We first observed that wound repair, under paracrine and autocrine EGF control, was slower (up to 33%) in CuFi than in NuLi. Furthermore, EGF receptor (EGFR) activation, following wounding, was lower in CuFi than in NuLi monolayers. Cell proliferation and migration assays indicated a similar rate of proliferation in both cell lines but with reduced (by 25%) CuFi cell migration. In addition, cell migration experiments performed in the presence of conditioned medium, collected from NuLi and CuFi wounded bronchial monolayers, suggested a defect in EGF/EGFR signaling in CF cells. We (49) recently demonstrated coupling between the EGF response and K(+) channel function, which is crucial for EGF-stimulated alveolar repair. In CuFi cells, lower EGF/EGFR signaling was accompanied by a 40-70% reduction in K(+) currents and KvLQT1, ATP-sensitive potassium (K(ATP)), and Ca(2+)-activated K(+) (KCa3.1) channel expression. In addition, EGF-stimulated bronchial wound healing, cell migration, and proliferation were severely decreased by K(+) channel inhibitors. Finally, acute CFTR inhibition failed to reduce wound healing, EGF secretion, and K(+) channel expression in NuLi. In summary, the delay in CuFi wound healing could be due to diminished EGFR signaling coupled with lower K(+) channel function, which play a crucial role in bronchial repair.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».