Fibronectin synthesis, but not α-smooth muscle expression, is regulated by periostin in gingival healing through FAK/JNK signaling
Notice bibliographique
Résumé
During skin healing, periostin facilitates myofibroblast differentiation through a β1 integrin/FAK dependent mechanism and continued expression is associated with scarring. In contrast to skin, gingival tissue does not typically scar upon injury, but the role of periostin in gingival healing has never been investigated. Using a rat gingivectomy model, we show that the gingival architecture is re-established within 14 days of wounding. Periostin mRNA levels peak at day 7 post-wounding, with persistence of periostin protein in the connective tissue through day 14. Collagen type I and lysyl oxidase mRNA levels peak at day 7 post wounding, which corresponded with the peak of fibroblast proliferation. Although α-smooth muscle actin mRNA levels increased 200-fold in the tissue, no myofibroblasts were detected in the regenerating tissue. In vitro, human gingival fibroblast adhesion on periostin, but not collagen, was inhibited by blocking β1 integrins. Fibroblasts cultured on periostin exhibited similar rates of proliferation and myofibroblast differentiation to cells cultured on collagen only. However, human gingival fibroblasts cultured in the presence of periostin exhibited significantly increased fibronectin and collagen mRNA levels. Increases in fibronectin production were attenuated by pharmacological inhibition of FAK and JNK signaling in human gingival fibroblasts. In vivo, mRNA levels for fibronectin peaked at day 3 and 7 post wounding, with protein immunoreactivity highest at day 7, suggesting periostin is a modulator of fibronectin production during gingival healing.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,003 | 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 ».