Heparanase Shakes Hands With Lipoprotein Lipase: A Tale of Two Cells
Notice bibliographique
Résumé
Altered metabolism with excess provision of lipid substrates may be a major pathogenetic factor linking diabetes with cardiovascular disease—lipoprotein lipase (LPL) being one facilitator of such a process (1,2). Hyperlipidemia, by itself, plays a major role in lipid-provoked cardiovascular pathologies, largely mediated through LPL (3). Under physiological state, due to their presence on the endothelial cell surface, LPLs break down triglyceride lipoproteins in the circulation and provide tissues, like heart and skeletal muscle, with the required fatty acid substrates to derive ATP (3,4). A large volume of data, using genetically manipulated animal models and clinical studies, has found that LPL homeostasis is required for normal cardiac metabolism and function (5,6). In diabetes, increased metabolic demand of the heart is met by the breakdown of fatty acids by coronary LPL. LPL is produced by cardiomyocytes, which need endothelial-derived heparanase for LPL production. In this issue, Wang et al. (7) demonstrated that endothelial heparanase is taken up by the cardiomyocytes through caveolae and is converted to an active form in the lysosomal compartments of these cells. Endothelium-derived heparanase is instrumental for cleaving and releasing LPL from the heparan sulfate proteoglycans on the cardiomyocyte cell surface. Activated heparanase further translocates in the nucleus, increases histone acetylation, and augments matrix metalloproteinase-9 (MMP-9) production. Although this is an adaptive mechanism, increased MMP-9 may …
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,009 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,007 |
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 source (Gemma direct ou Codex distillé), 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 ».