MétaCan
Menu
Retour à la cohorte
Enregistrement W3107776746 · doi:10.1016/j.jid.2020.11.011

miR-127-3p Is an Epigenetic Activator of Myofibroblast Senescence Situated within the MicroRNA-Enriched Dlk1-Dio3‒Imprinted Domain on Mouse Chromosome 12

2020· article· en· W3107776746 sur OpenAlexafffund
Markus Auler, Vera Bergmeier, Veronika S. Georgieva, Lena Pitzler, Christian Frie, Julian Nüchel, Beate Eckes, Boris Hinz, Bent Brachvogel

Notice bibliographique

RevueJournal of Investigative Dermatology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueWound Healing and Treatments
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchDeutsche Forschungsgemeinschaft
Mots-clésMyofibroblastSenescenceCell biologyBiologyWound healingmicroRNAEpigeneticsFibrosisCancer researchGeneticsPathologyGeneMedicine

Résumé

récupéré en direct d'OpenAlex

During wound healing, fibroblasts differentiate into nonproliferative contractile myofibroblasts, contribute to skin repair, and eventually undergo apoptosis or become senescent. MicroRNAs are post-transcriptional regulators of gene expression networks that control cell fate and survival and may also regulate senescence. In this study, we determined the regulated microRNAs in myofibroblasts isolated from wounds and analyzed their role in senescent myofibroblast formation. Transcriptome profiling showed that a 200 kilobase pair region of the Dlk1-Dio3‒imprinted domain on mouse chromosome 12 encodes for most of the upregulated microRNAs in the entire genome of mouse myofibroblasts. Among those, miR-127-3p induced a myofibroblast-like phenotype associated with a block in proliferation. Molecular analysis revealed that miR-127-3p induced a prolonged cell cycle arrest with unique molecular features of senescence, including the activation of the senescence-associated β-galactosidase, increase in p53 and p21 levels, inhibition of lamin B1, proliferation factors, and the production of senescence-associated inflammatory and extracellular matrix‒remodeling components. Hence, miR-127-3p emerges as an epigenetic activator regulating the transition from repair to remodeling during skin wound healing but may also induce age-related defects, pathological scarring, and fibrosis, all linked to myofibroblast senescence. During wound healing, fibroblasts differentiate into nonproliferative contractile myofibroblasts, contribute to skin repair, and eventually undergo apoptosis or become senescent. MicroRNAs are post-transcriptional regulators of gene expression networks that control cell fate and survival and may also regulate senescence. In this study, we determined the regulated microRNAs in myofibroblasts isolated from wounds and analyzed their role in senescent myofibroblast formation. Transcriptome profiling showed that a 200 kilobase pair region of the Dlk1-Dio3‒imprinted domain on mouse chromosome 12 encodes for most of the upregulated microRNAs in the entire genome of mouse myofibroblasts. Among those, miR-127-3p induced a myofibroblast-like phenotype associated with a block in proliferation. Molecular analysis revealed that miR-127-3p induced a prolonged cell cycle arrest with unique molecular features of senescence, including the activation of the senescence-associated β-galactosidase, increase in p53 and p21 levels, inhibition of lamin B1, proliferation factors, and the production of senescence-associated inflammatory and extracellular matrix‒remodeling components. Hence, miR-127-3p emerges as an epigenetic activator regulating the transition from repair to remodeling during skin wound healing but may also induce age-related defects, pathological scarring, and fibrosis, all linked to myofibroblast senescence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,821

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,050
Tête enseignante GPT0,288
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations16
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Investigative DermatologyMême sujetWound Healing and TreatmentsTravaux en français237 207