MicroRNA26 attenuates vascular smooth muscle maturation via endothelial BMP signalling
Notice bibliographique
Résumé
As small regulatory transcripts, microRNAs (miRs) act as genetic 'fine tuners' of posttranscriptional events, and as genetic switches to promote phenotypic switching. The miR miR26a targets the BMP signalling effector, smad1. We show that loss of miR26a leads to hemorrhage (a loss of vascular stability) in vivo, suggesting altered vascular differentiation. Reduction in miR26a levels increases smad1 mRNA and phospho-Smad1 (pSmad1) levels. We show that increasing BMP signalling by overexpression of smad1 also leads to hemorrhage. Normalization of Smad1 levels through double knockdown of miR26a and smad1 rescues hemorrhage, suggesting a direct relationship between miR26a, smad1 and vascular stability. Using an in vivo BMP genetic reporter and pSmad1 staining, we show that the effect of miR26a on smooth muscle differentiation is non-autonomous; BMP signalling is active in embryonic endothelial cells, but not in smooth muscle cells. Nonetheless, increased BMP signalling due to loss of miR26a results in an increase in acta2-expressing smooth muscle cell numbers and promotes a differentiated smooth muscle morphology. Similarly, forced expression of smad1 in endothelial cells leads to an increase in smooth muscle cell number and coverage. Furthermore, smooth muscle phenotypes caused by inhibition of the BMP pathway are rescued by loss of miR26a. Taken together, our data suggest that miR26a modulates BMP signalling in endothelial cells and indirectly promotes a differentiated smooth muscle phenotype. Our data highlights how crosstalk from BMP-responsive endothelium to smooth muscle is important for smooth muscle differentiation.
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 ».