Interleukin-10 contributes to PGE2 signalling through upregulation of EP4 via SHIP1 and STAT3
Notice bibliographique
Résumé
Macrophage cells form part of our first line defense against pathogens. Macrophages become activated by microbial products such as lipopolysaccharide (LPS) to produce inflammatory mediators, such as TNFα and other cytokines, which orchestrate the host defense against the pathogen. Once the pathogen has been eradicated, the activated macrophage must be appropriately deactivated or inflammatory diseases result. Interleukin-10 (IL10) is a key anti-inflammatory cytokine which deactivates the activated macrophage. The IL10 receptor (IL10R) signals through the Jak1/Tyk2 tyrosine kinases, STAT3 transcription factor and the SHIP1 inositol phosphatase. However, IL10 has also been described to induce the activation of the cyclic adenosine monophosphate (cAMP) regulated protein kinase A (PKA). We now report that IL10R signalling leads to STAT3/SHIP1 dependent expression of the EP4 receptor for prostaglandin E2 (PGE2). In macrophages, EP4 is a Gαs-protein coupled receptor that stimulates adenylate cyclase (AC) production of cAMP, leading to downstream activation of protein kinase A (PKA) and phosphorylation of the CREB transcription factor. IL10 induction of phospho-CREB and inhibition of LPS-induced phosphorylation of p85 PI3K and p70 S6 kinase required the presence of EP4. These data suggest that IL10R activation of STAT3/SHIP1 enhances EP4 expression, and that it is EP4 which activates cAMP-dependent signalling. The coordination between IL10R and EP4 signalling also provides an explanation for why cAMP elevating agents synergize with IL10 to elicit anti-inflammatory responses.
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 ».