Gene analysis of major signaling pathways regulated by gonadotropins in human ovarian granulosa tumor cells (KGN)†
Notice bibliographique
Résumé
The female reproductive function largely depends on timing and coordination between follicle-stimulating hormone (FSH) and luteinizing hormone. Even though it was suggested that these hormones act on granulosa cells via shared signaling pathways, mainly protein kinases A, B, and C (PKA, PKB, and PKC), there is still very little information available on how these signaling pathways are regulated by each hormone to provide such differences in gene expression throughout folliculogenesis. To obtain a global picture of the principal upstream factors involved in PKA, PKB, and PKC signaling in granulosa cells, human granulosa-like tumor cells (KGN) were treated with FSH or specific activators (forskolin, SC79, and phorbol 12-myristate 13-acetate) for each pathway to analyze gene expression with RNA-seq technology. Normalization and cutoffs (FC 1.5, P ≤ 0.05) revealed 3864 differentially expressed genes between treatments. Analysis of major upstream regulators showed that PKA is a master kinase of early cell differentiation as its activation resulted in the gene expression profile that accompanies granulosa cell differentiation. Our data also revealed that the activation of PKC in granulosa cells is also a strong differentiation signal that could control "advanced" differentiation in granulosa cells and the inflammatory cascade that occurs in the dominant follicle. According to our results, PKB activation provides support for PKA-stimulated gene expression and is also involved in granulosa cell survival throughout follicular development. Taken together, our results provide new information on PKA, PKB, and PKC signaling pathways and their roles in stimulating a follicle at the crossroad between maturation/ovulation and atresia.
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 | 0,001 |
| 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) | 0,000 | 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 ».