PKCδ Impaired Vessel Formation and Angiogenic Factor Expression in Diabetic Ischemic Limbs
Notice bibliographique
Résumé
Decreased collateral vessel formation in diabetic peripheral limbs is characterized by abnormalities of the angiogenic response to ischemia. Hyperglycemia is known to activate protein kinase C (PKC), affecting the expression and activity of growth factors such as vascular endothelial growth factor (VEGF) and platelet-derived growth factor (PDGF). The current study investigates the role of PKCδ in diabetes-induced poor collateral vessel formation and inhibition of angiogenic factors expression and actions. Ischemic adductor muscles of diabetic Prkcd(+/+) mice exhibited reduced blood reperfusion, vascular density, and number of small vessels compared with nondiabetic Prkcd(+/+) mice. By contrast, diabetic Prkcd(-/-) mice showed significant increased blood flow, capillary density, and number of capillaries. Although expression of various PKC isoforms was unchanged, activation of PKCδ was increased in diabetic Prkcd(+/+) mice. VEGF and PDGF mRNA and protein expression were decreased in the muscles of diabetic Prkcd(+/+) mice and were normalized in diabetic Prkcd(-/-) mice. Furthermore, phosphorylation of VEGF receptor 2 (VEGFR2) and PDGF receptor-β (PDGFR-β) were blunted in diabetic Prkcd(+/+) mice but elevated in diabetic Prkcd(-/-) mice. The inhibition of VEGFR2 and PDGFR-β activity was associated with increased SHP-1 expression. In conclusion, our data have uncovered the mechanisms by which PKCδ activation induced poor collateral vessel formation, offering potential novel targets to regulate angiogenesis therapeutically in diabetic patients.
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 ».