Exploiting macrophage autophagy-lysosomal biogenesis as a therapy for atherosclerosis
Notice bibliographique
Résumé
Macrophages specialize in removing lipids and debris present in the atherosclerotic plaque. However, plaque progression renders macrophages unable to degrade exogenous atherogenic material and endogenous cargo including dysfunctional proteins and organelles. Here we show that a decline in the autophagy-lysosome system contributes to this as evidenced by a derangement in key autophagy markers in both mouse and human atherosclerotic plaques. By augmenting macrophage TFEB, the master transcriptional regulator of autophagy-lysosomal biogenesis, we can reverse the autophagy dysfunction of plaques, enhance aggrephagy of p62-enriched protein aggregates and blunt macrophage apoptosis and pro-inflammatory IL-1β levels, leading to reduced atherosclerosis. In order to harness this degradative response therapeutically, we also describe a natural sugar called trehalose as an inducer of macrophage autophagy-lysosomal biogenesis and show trehalose's ability to recapitulate the atheroprotective properties of macrophage TFEB overexpression. Our data support this practical method of enhancing the degradative capacity of macrophages as a therapy for atherosclerotic vascular disease.
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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».