Phospholamban and sarcolipin prevent thermal inactivation of sarco(endo)plasmic reticulum Ca2+-ATPases
Notice bibliographique
Résumé
Na+-K+-ATPase from mice lacking the γ subunit exhibits decreased thermal stability. Phospholamban (PLN) and sarcolipin (SLN) are small homologous proteins that regulate sarco(endo)plasmic reticulum Ca2+-ATPases (SERCAs) with properties similar to the γ subunit, through physical interactions with SERCAs. Here, we tested the hypothesis that PLN and SLN may protect against thermal inactivation of SERCAs. HEK-293 cells were co-transfected with different combinations of cDNAs encoding SERCA2a, PLN, a PLN mutant (N34A) that cannot bind to SERCA2a, and SLN. One-half of the cells were heat stressed at 40°C for 1 h (HS), and one-half were maintained at 37°C (CTL) before harvesting the cells and isolating microsomes. Compared with CTL, maximal SERCA activity was reduced by 25-35% following HS in cells that expressed either SERCA2a alone or SERCA2a and mutant PLN (N34A) whereas no change in maximal SERCA2a activity was observed in cells that co-expressed SERCA2a and either PLN or SLN following HS. Increases in SERCA2a carbonyl group content and nitrotyrosine levels that were detected following HS in cells that expressed SERCA2a alone were prevented in cells co-expressing SERCA2a with PLN or SLN, whereas co-expression of SERCA2a with mutant PLN (N34A) only prevented carbonyl group formation. In other experiments using knock-out mice, we found that thermal inactivation of SERCA was increased in cardiac left ventricle samples from Pln-null mice and in diaphragm samples from Sln-null mice, compared with WT littermates. Our results show that both PLN and SLN form a protective interaction with SERCA pumps during HS, preventing nitrosylation and oxidation of SERCA and thus preserving its maximal activity.
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 ».