An EPAC1/PDE1C-Signaling Axis Regulates Formation of Leading-Edge Protrusion in Polarized Human Arterial Vascular Smooth Muscle Cells
Notice bibliographique
Résumé
Pharmacological activation of protein kinase A (PKA) reduces migration of arterial smooth muscle cells (ASMCs), including those isolated from human arteries (HASMCs). However, when individual migration-associated cellular events, including the polarization of cells in the direction of movement or rearrangements of the actin cytoskeleton, are studied in isolation, these individual events can be either promoted or inhibited in response to PKA activation. While pharmacological inhibition or deficiency of exchange protein activated by cAMP-1 (EPAC1) reduces the overall migration of ASMCs, the impact of EPAC1 inhibition or deficiency, or of its activation, on individual migration-related events has not been investigated. Herein, we report that EPAC1 facilitates the formation of leading-edge protrusions (LEPs) in HASMCs, a critical early event in the cell polarization that underpins their migration. Thus, RNAi-mediated silencing, or the selective pharmacological inhibition, of EPAC1 decreased the formation of LEPs by these cells. Furthermore, we show that the ability of EPAC1 to promote LEP formation by migrating HASMCs is regulated by a phosphodiesterase 1C (PDE1C)-regulated "pool" of intracellular HASMC cAMP but not by those regulated by the more abundant PDE3 or PDE4 activities. Overall, our data are consistent with a role for EPAC1 in regulating the formation of LEPs by polarized HASMCs and show that PDE1C-mediated cAMP hydrolysis controls this localized event.
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 ».