Elevation of protein kinase Cα stimulates osteogenic differentiation of mesenchymal stem cells through the TAT-mediated protein transduction system
Notice bibliographique
Résumé
Mesenchymal stem cells (MSCs) can differentiate toward various lineages, including the osteogenic lineage, and thus hold great potential for clinic purposes. By using pharmacological inhibitors, protein kinase C (PKC) signaling has been shown to either negatively or positively regulate differentiation of bone, however, due to the low transfection efficiency in MSCs, the role of individual PKC isoforms is still not fully understood. In this study, we established a TAT peptide-mediated transduction system that efficiently delivered PKCα proteins into MSCs in a non-invasive fashion. The increased PKCα protein levels significantly promoted osteogenic differentiation in the murine mesenchymal C3H10T1/2 cells and in primary MSCs from both human and mouse, as demonstrated by the enhanced activity of the osteoblast marker, alkaline phosphatase, and the enhanced expression of the key transcription factor runx2. Mineralization is an important functional indication for bone differentiation. Our results further showed that PKCα promoted expression of the important osteocalcin gene and the accumulation of calcium minerals. Taken together, this study provides direct evidence showing that PKCα positively regulates osteogenic differentiation and demonstrates that the TAT peptide-mediated method enables functional study of specific PKC isoforms in MSCs without using viral infection. This may promote the application of PKCs in therapeutic treatment.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».