Abstract 286: Myocardin-related Transcription Factors Control Epicardial EMT and Coronary Vessel Homeostasis
Notice bibliographique
Résumé
The epicardium is a source of multi-potent progenitor cells that envelop the heart and contribute to various cardiac lineages through the process of epithelial-to-mesenchymal transition (EMT). Although known upstream cues promote epicardial EMT via changes in gene expression and actin cytoskeletal dynamics, the link between these signals and progenitor cell motility remain unclear. Myocardin-related transcription factor (MRTF) cofactors are primarily retained in the cytoplasm through interactions with G-actin. However, upon cytoskeletal reorganization and G-actin depletion, nuclear MRTFs associate with serum response factor (SRF) to drive cellular motility and contractility gene programs reminiscent of EMT. Here, we identify the SRF/MRTF gene regulatory axis as a key mediator of epicardial EMT. We found significant enrichment of MRTF-A and -B in the epicardium prior to EMT. MRTFs were later expressed in a spatial and temporal manner concurrent with EMT and epicardial-derived cell (EPDC) differentiation. Furthermore, MRTF deletion attenuates contractile gene expression in epicardial explants and impairs migration of EPDCs into subjacent cell layers using ex vivo assays. Epicardial EMT and EPDCs differentiation are necessary for proper coronary vessel formation. We found that genetic ablation of MRTFs results in disrupted coronary plexus formation, endothelial cell dysfunction, and sub-epicardial hemorrhage. The vascular phenotype observed in MRTF-A/B epiDKO mice results in part from the depletion (~50% reduction) of epicardial-derived coronary pericytes. These data suggest a critical role for MRTFs in coronary vessel formation by regulating epicardial EMT and mobilizing EPDCs.
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 | 0,000 | 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 ».