Targeting cartilage EGFR pathway for osteoarthritis treatment
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Osteoarthritis (OA) is a widespread joint disease for which there are no disease-modifying treatments. Previously, we found that mice with cartilage-specific epidermal growth factor receptor (EGFR) deficiency developed accelerated knee OA. To test whether the EGFR pathway can be targeted as a potential OA therapy, we constructed two cartilage-specific EGFR overactivation models in mice by overexpressing heparin binding EGF-like growth factor (HBEGF), an EGFR ligand. Compared to wild type, Col2-Cre HBEGF-overexpressing mice had persistently enlarged articular cartilage from adolescence, due to an expanded pool of chondroprogenitors with elevated proliferation ability, survival rate, and lubricant production. Adult Col2-Cre HBEGF-overexpressing mice and Aggrecan-CreER HBEGF-overexpressing mice were resistant to cartilage degeneration and other signs of OA after surgical destabilization of the medial meniscus (DMM). Treating mice with gefitinib, an EGFR inhibitor, abolished the protective action against OA in HBEGF-overexpressing mice. Polymeric micellar nanoparticles (NPs) conjugated with transforming growth factor-α (TGFα), a potent EGFR ligand, were stable and nontoxic and had long joint retention, high cartilage uptake, and penetration capabilities. Intra-articular delivery of TGFα-NPs effectively attenuated surgery-induced OA cartilage degeneration, subchondral bone plate sclerosis, and joint pain. Genetic or pharmacologic activation of EGFR revealed no obvious side effects in knee joints and major vital organs in mice. Together, our studies demonstrate the feasibility of using nanotechnology to target EGFR signaling for OA treatment.
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.
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 | 0,001 | 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 découle