TGFβ<sub>1</sub>regulates Scleraxis expression in primary cardiac myofibroblasts by a Smad-independent mechanism
Notice bibliographique
Résumé
In cardiac wound healing following myocardial infarction (MI), relatively inactive resident cardiac fibroblasts phenoconvert to hypersynthetic/secretory myofibroblasts that produce large quantities of extracellular matrix (ECM) and fibrillar collagen proteins. Our laboratory and others have identified TGFβ1 as being a persistent stimulus in the chronic and inappropriate wound healing phase that is marked by hypertrophic scarring and eventual stiffening of the entire myocardium, ultimately leading to the pathogenesis of heart failure following MI. Ski is a potent negative regulator of TGFβ/Smad signaling with known antifibrotic effects. Conversely, Scleraxis is a potent profibrotic basic helix-loop-helix transcription factor that stimulates fibrillar collagen expression. We hypothesize that TGFβ1 induces Scleraxis expression by a novel Smad-independent pathway. Our data support the hypothesis that Scleraxis expression is induced by TGFβ1 through a Smad-independent pathway in the cardiac myofibroblast. Specifically, we demonstrate that TGFβ1 stimulates p42/44 (Erk1/2) kinases, which leads to increased Scleraxis expression. Inhibition of MEK1/2 using U0126 led to a sequential temporal reduction of phospho-p42/44 and subsequent Scleraxis expression. We also found that adenoviral Ski expression in primary myofibroblasts caused a significant repression of endogenous Scleraxis expression at both the mRNA and protein levels. Thus we have identified a novel TGFβ1-driven, Smad-independent, signaling cascade that may play an important role in regulating the fibrotic response in activated cardiac myofibroblasts following cardiac injury.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».