Cardiac Hepcidin Expression Associates with Injury Independent of Iron
Notice bibliographique
Résumé
BACKGROUND: Hepcidin regulates systemic iron homeostasis by downregulating the iron exporter ferroportin. Circulating hepcidin is mainly derived from the liver but hepcidin is also produced in the heart. We studied the differential and local regulation of hepcidin gene expression in response to myocardial infarction (MI) and/or chronic kidney disease (CKD). We hypothesized that cardiac hepcidin gene expression is induced by and regulated to severity of cardiac injury, either through direct (MI) or remote (CKD) stimuli, as well as through increased local iron content. METHODS: Nine weeks after subtotal nephrectomy (SNX) or sham surgery (CON), rats were subjected to coronary ligation (CL) or sham surgery to realize 4 groups: CON, SNX, CL and SNX + CL. In week 16, the gene expression of hepcidin, iron and damage markers in cardiac and liver tissues was assessed by quantitative polymerase chain reaction and ferritin protein expression was studied by immunohistochemistry. RESULTS: Cardiac hepcidin messenger RNA (mRNA) expression was increased 2-fold in CL (p = 0.03) and 3-fold in SNX (p = 0.01). Cardiac ferritin staining was not different among groups. Cardiac hepcidin mRNA expression correlated with mRNA expression levels of brain natriuretic peptide (β = 0.734, p < 0.001) and connective tissue growth factor (β = 0.431, p = 0.02). In contrast, liver hepcidin expression was unaffected by SNX and CL alone, while it had decreased 50% in SNX + CL (p < 0.05). Hepatic ferritin immunostaining was not different among groups. CONCLUSIONS: Our data indicate differences in hepcidin regulation in liver and heart and suggest a role for injury rather than iron as the driving force for cardiac hepcidin expression in renocardiac failure.
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) | 0,001 | 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 ».