Fibroblast-Specific β-Catenin Signaling Dictates the Outcome of AKI
Notice bibliographique
Résumé
AKI is a devastating condition with high morbidity and mortality. The pathologic features of AKI are characterized by tubular injury, inflammation, and vascular impairment. Whether fibroblasts in the renal interstitium have a role in the pathogenesis of AKI is unknown. In this study, we investigated the role of fibroblast-specific β -catenin signaling in dictating the outcome of AKI, using conditional knockout mice in which β -catenin was specifically ablated in fibroblasts (Gli1- β -cat−/−). After ischemia-reperfusion injury (IRI), Gli1- β -cat−/− mice had lower serum creatinine levels and less morphologic injury than Gli1- β -cat+/+ littermate controls. Moreover, we detected fewer apoptotic cells, as well as decreased cytochrome C release; reduced expression of Bax, FasL, and p53; and increased phosphorylation of Akt, in the Gli1- β -cat−/− kidneys. Gli1- β -cat−/− kidneys also exhibited upregulated expression of proliferating cell nuclear antigen and Ki-67, which are markers of cell proliferation. Furthermore, Gli1- β -cat−/− kidneys displayed suppressed NF-κB signaling and cytokine expression and reduced infiltration of inflammatory cells. Notably, loss of β -catenin in fibroblasts induced renal expression of hepatocyte growth factor (HGF) and augmented the tyrosine phosphorylation of c-met receptor after IRI. In vitro , treatment with Wnt ligands or ectopic expression of active β -catenin inhibited HGF mRNA and protein expression and repressed HGF promoter activity. Collectively, these results suggest that fibroblast-specific β -catenin signaling can control tubular injury and repair in AKI by modulating HGF expression. Our studies uncover a previously unrecognized role for interstitial fibroblasts in the pathogenesis of AKI.
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 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».