Regulation of Tension-induced Mechanotranscriptional Signals by the Microtubule Network in Fibroblasts
Notice bibliographique
Résumé
Mechanical loading of connective tissues induces the expression of extracellular matrix and cytoskeletal genes that are involved in matrix remodeling. These processes depend in part on force transmission through beta1 integrins and actin filaments, but the role of microtubules in regulating mechanotranscriptional responses is not well defined. We assessed the involvement of microtubules in the mechanotranscriptional regulation of filamin A, an actin-cross-linking protein that protects cells against force-induced apoptosis by stabilizing cell membranes. Collagen-coated magnetite beads and magnetic fields were used to apply tensile forces to cultured fibroblasts at focal adhesions. Force enhanced recruitment of alpha-tubulin and the plus end microtubule-binding protein cytoplasmic linker protein-170 (CLIP-170) at focal adhesions. Immunoprecipitation studies demonstrated no direct binding of tubulin to actin or filamin A, but CLIP-170 interacted with tubulin, filamin A, and beta-actin. The association of CLIP-170 with beta-actin was enhanced by force. Force activated the p38 mitogen-activated protein kinase, increased filamin A expression, and induced the relocation of p38 and filamin A to focal adhesions. Disruption of microtubules with nocodazole, independent of force application, enhanced filamin A expression and Sp1-mediated filamin A promoter activity, while stabilization of microtubules with Taxol inhibited force induction of both filamin A mRNA and protein. We conclude that in response to tensile forces applied through beta1 integrins and actin the microtubule network modulates mechanotranscriptional coupling of filamin A.
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 ».