Cigarette smoke up‐regulates <scp>PDE3</scp> and <scp>PDE4</scp> to decrease <scp>cAMP</scp> in airway cells
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: cAMP is a central second messenger that broadly regulates cell function and can underpin pathophysiology. In chronic obstructive pulmonary disease, a lung disease primarily provoked by cigarette smoke (CS), the activation of cAMP-dependent pathways, via inhibition of hydrolyzing PDEs, is a major therapeutic strategy. Mechanisms that disrupt cAMP signalling in airway cells, in particular regulation of endogenous PDEs, are poorly understood. EXPERIMENTAL APPROACH: We used a novel Förster resonance energy transfer (FRET) based cAMP biosensor in mice in vivo, ex vivo precision cut lung slices (PCLS) and in human cell models, in vitro, to track the effects of CS exposure. KEY RESULTS: Under fenoterol stimulation, FRET responses to cilostamide were significantly increased in in vivo, ex vivo PCLS exposed to CS and in human airway smooth muscle cells exposed to CS extract. FRET signals to rolipram were only increased in the in vivo CS model. Under basal conditions, FRET responses to cilostamide and rolipram were significantly increased in in vivo, ex vivo PCLS exposed to CS. Elevated FRET signals to rolipram correlated with a protein up-regulation of PDE4 subtypes. In ex vivo PCLS exposed to CS extract, rolipram reversed down-regulation of ciliary beating frequency, whereas only cilostamide significantly increased airway relaxation of methacholine pre-contracted airways. CONCLUSION AND IMPLICATIONS: Exposure to CS, in vitro or in vivo, up-regulated expression and activity of both PDE3 and PDE4, which affected real-time cAMP dynamics. These mechanisms determine the availability of cAMP and can contribute to CS-induced pulmonary pathophysiology.
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 | 0,001 | 0,001 |
| 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 ».