Regulation of glycolysis and the Warburg effect in wound healing
Notice bibliographique
Résumé
One of the most significant adverse postburn responses is abnormal scar formation, such as keloids. Despite its prolificacy, the underlying pathophysiology of keloid development is unknown. We recently demonstrated that NLRP3 inflammasome, the master regulator of inflammatory and metabolic responses (e.g., aerobic glycolysis), is essential for physiological wound healing. Therefore, burn patients who develop keloids may exhibit altered immunometabolic responses at the site of injury, which interferes with normal healing and portends keloid development. Here, we confirmed keloid NLRP3 activation (cleaved caspase-1 [P < 0.05], IL-1β [P < 0.05], IL-18 [P < 0.01]) and upregulation in Glut1 (P < 0.001) and glycolytic enzymes. Burn skin similarly displayed enhanced glycolysis and Glut1 expression (P < 0.01). However, Glut1 was significantly higher in keloid compared with nonkeloid burn patients (>2 SD above mean). Targeting aberrant glucose metabolism with shikonin, a pyruvate kinase M2 inhibitor, dampened NLRP3-mediated inflammation (cleaved caspase-1 [P < 0.05], IL-1β [P < 0.01]) and improved healing in vivo. In summary, burn skin exhibited evidence of Warburg-like metabolism, similar to keloids. Targeting this altered metabolism could change the trajectory toward normal scarring, indicating the clinical possibility of shikonin for abnormal scar prevention.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».