MicroRNA-34a attenuates VEGF-mediated retinal angiogenesis via targeting Notch1
Notice bibliographique
Résumé
Pathological angiogenesis in the retina is one of the main ocular diseases closely associated with vision loss. This work investigated the roles of microRNA-34a (miR-34a) and its potential target Notch1, in retinal angiogenesis. For this we used oxygen-induced retinopathy (OIR) rats and human retinal microvascular endothelial cells (HRMECs) stimulated with vascular endothelial growth factor (VEGF). We performed hematoxylin-eosin staining, Western blot for VEGF, and immunofluorescence staining for CD31 to verify the establishment of our OIR model. We observed down-regulation of miR-34a, and up-regulation of Notch1 and Hey1 in retinas from OIR rats. We found similar results with the VEGF-stimulated HRMECs. By performing MTT assay, cell scratch assay, tube formation assay, and by detecting the expression of matrix-metalloproteinase-2 (MMP-2), MMP-9, tissue inhibitors of metalloproteinases-1 (TIMP-1), and TIMP-2, we found that transfection of miR-34a ameliorated VEGF-mediated angiogenesis of HRMECs. We further observed that siRNA-induced gene silencing of Notch1 prevented VEGF-induced angiogenesis via regulating cell proliferation, cell migration, and tube formation of HRMECs. Additionally, activation of Notch1 by transfection of Notch1 plasmid attenuated the inhibitory effects of miR-34a on tube formation, in the present of VEGF. Results from our dual-luciferase reporter gene assay suggested that miR-34a targets Notch1. In summary, our data demonstrate that miR-34a attenuates retinal angiogenesis via targeting Notch1.
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 | 0,000 | 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 ».