Seno-destructive smooth muscle cells in the ascending aorta of patients with bicuspid aortic valve disease
Notice bibliographique
Résumé
BACKGROUND: Ascending aortic aneurysms constitute an important hazard for individuals with a bicuspid aortic valve (BAV). However, the processes that degrade the aortic wall in BAV disease remain poorly understood. METHODS: and p21 expression, and double-strand DNA breaks. The senescence-associated secretory phenotype (SASP) of cultured-aged BAV aortic smooth muscle cells (SMCs) was evaluated by transcript profiling and consequences probed by combined immunofluorescence and circular polarization microscopy. The contribution of p38 MAPK signaling was assessed by immunostaining and blocking strategies. FINDINGS: We uncovered SMCs at varying depths of cellular senescence within BAV- and tricuspid aortic valve (TAV)-associated aortic aneurysms. Senescent SMCs were also abundant in non-aneurysmal BAV aortas but not in non-aneurysmal TAV aortas. Multivariable analysis revealed that BAV disease independently associated with SMC senescence. Furthermore, SMC senescence was heightened at the convexity of aortas associated with right-left coronary cusp fusion. Aged BAV SMCs had a pronounced collagenolytic SASP. Moreover, senescent SMCs in the aortic wall were enriched with surface-localized MMP1 and surrounded by weakly birefringent collagen fibrils. The senescent-collagenolytic SMC phenotype depended on p38 MAPK signaling, which was chronically activated in BAV aortas. INTERPRETATION: We have identified a cellular senescence-collagen destruction axis in at-risk ascending aortas. This novel "seno-destructive" SMC phenotype could open new opportunities for managing BAV aortopathy. FUND: Canadian Institutes of Health Research, Lawson Health Research Institute, Heart and Stroke Foundation of Ontario/Barnett-Ivey Chair.
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 ».