MicroRNA-590 Inhibits Lipoprotein Lipase Expression and Prevents Atherosclerosis in apoE Knockout Mice
Notice bibliographique
Résumé
Recent studies have suggested that miR-590 may play critical roles in cardiovascular disease. This study was designed to determine the effects of miR-590 on lipoprotein lipase (LPL) expression and development of atherosclerosis in apolipoprotein E knockout (apoE-/-) mice and explore the potential mechanisms. En face analysis of the whole aorta revealed that miR-590 significantly decreased aortic atherosclerotic plaque size and lipid content in apoE-/- mice. Double immunofluorescence staining in cross-sections of the proximal aorta showed that miR-590 agomir reduced CD68 and LPL expression in macrophages in atherosclerotic lesions. MiR-590 agomir down-regulated LPL mRNA and protein expression as analyzed by RT-qPCR and western blotting analyses, respectively. Consistently, miR-590 decreased the expression of CD36 and scavenger receptor A1 (SRA1) mRNA and protein. High-performance liquid chromatography (HPLC)analysis confirmed that treatment with miR-590 agomir reduced lipid levels either in plasma orinabdominal cavity macrophages of apoE-/- mice. ELISA analysis showed that miR-590 agomir decreased plasma levels of pro-inflammatory cytokines, such as tumor necrosis factor-alpha (TNF-α), monocyte chemotactic protein-1 (MCP-1), interleukin-1β (IL-1β)and interleukin-6 (IL-6). In contrast, treatment with miR-590 antagomir prevented or reversed these effects. Taken together, these results reveal a novel mechanism of miR-590 effects, and may provide new insights into the development of strategies for attenuating lipid accumulation and pro-inflammatory cytokine secretion.
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 ».