An Unbiased Mass Spectrometry Approach Identifies Glypican-3 as an Interactor of Proprotein Convertase Subtilisin/Kexin Type 9 (PCSK9) and Low Density Lipoprotein Receptor (LDLR) in Hepatocellular Carcinoma Cells
Notice bibliographique
Résumé
The mechanism of LDL receptor (LDLR) degradation mediated by the proprotein convertase subtilisin/kexin type 9 (PCSK9) has been extensively studied; however, many steps within this process remain unclear and still require characterization. Recent studies have shown that PCSK9 lacking its Cys/His-rich domain can still promote LDLR internalization, but the complex does not reach the lysosome suggesting the presence of an additional interaction partner(s). In this study we carried out an unbiased screening approach to identify PCSK9-interacting proteins in the HepG2 cells' secretome using co-immunoprecipitation combined with mass spectrometry analyses. Several interacting proteins were identified, including glypican-3 (GPC3), phospholipid transfer protein, matrilin-3, tissue factor pathway inhibitor, fibrinogen-like 1, and plasminogen activator inhibitor-1. We then validated these interactions by co-immunoprecipitation and Western blotting. Furthermore, functional validation was examined by silencing each candidate protein in HepG2 cells using short hairpin RNAs to determine their effect on LDL uptake and LDLR levels. Only GPC3 and phospholipid transfer protein silencing in HepG2 cells significantly increased LDL uptake in these cells and displayed higher total LDLR protein levels compared with control cells. Moreover, our study provides the first evidence that GPC3 can modulate the PCSK9 extracellular activity as a competitive binding partner to the LDLR in HepG2 cells.
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 | 0,000 |
| 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 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 ».