Deferoxamine stimulates LDLR expression and LDL uptake in HepG2 cells
Notice bibliographique
Résumé
SCOPE: Iron overload contributes to the pathogenesis of atherosclerosis and iron chelators are beneficial through their antioxidant properties. Hepatic iron loading increases cholesterol synthesis. Whether iron depletion could affect hepatic cholesterol metabolism is unknown. METHODS AND RESULTS: We examined the effect of the iron chelator deferoxamine (DFO) on mRNA expression of genes involved in cholesterol metabolism and/or cholesterol uptake. Our results revealed that DFO increases LDL receptor (LDLR) mRNA levels in human hepatocyte-derived cell lines HepG2 and Huh7 cells, and in K562 cells. In HepG2 cells, we observed that DFO increases (i) LDLR-mRNA levels in a time- and dose-dependent manner, (ii) LDLR-protein levels; (iii) cell surface LDLR; and (iv) LDL uptake. In contrast, the mRNA levels of 3-hydroxy-3-methylglutaryl-coenzyme A reductase, sterol regulatory element-binding proteins, and the mRNA/protein levels of proprotein convertase subtilisin-kexin 9 were not modulated by DFO, suggesting that the LDLR regulation by DFO is not at the transcriptional or posttranslational levels. Since LDLR-mRNA was stabilized by DFO, a posttranscriptional mechanism is suggested for the DFO-mediated upregulation of LDLR. CONCLUSION: DFO induced an increase in LDLR expression by a posttranscriptional mechanism resulting in an enhancement of LDL uptake in HepG2 cells, suggesting increased LDLR activity as one of the underlying causes of the hypocholesterolemic effect of iron reduction.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».