Tumor necrosis factor-α induces claudin-3 upregulation in kidney tubular epithelial cells through NF-κB and CREB1
Notice bibliographique
Résumé
Claudins are essential for tight junction formation and paracellular transport, and they affect key cellular events including proliferation and migration. The properties of tight junctions are dynamically modulated by a variety of inputs. We previously showed that the inflammatory cytokine tumor necrosis factor-α (TNFα), a major pathogenic factor in kidney disease, alters epithelial permeability by affecting the expression of claudin-1, -2, and -4 in kidney tubular cells. Here, we explored the effect of TNFα on claudin-3 (Cldn-3), a ubiquitous barrier-forming protein. We found that TNFα elevated Cldn-3 protein expression in tubular epithelial cells (LLC-PK1 and IMCD3) as early as 3 h post treatment. Bafilomycin A and bortezomib, inhibitors of lysosomal and proteasomes, respectively, reduced Cldn-3 degradation. However, TNFα caused a strong upregulation of Cldn-3 in the presence of bafilomycin, suggesting an effect independent from lysosomes. Blocking protein synthesis using cycloheximide prevented Cldn-3 upregulation by TNFα, verifying the contribution of de novo Cldn-3 synthesis. Indeed, TNFα elevated Cldn-3 mRNA levels at early time points. Using pharmacological inhibitors and siRNA-mediated silencing, we determined that the effect of TNFα on Cldn-3 was mediated by extracellular signal regulated kinase (ERK)-dependent activation of NF-κB and PKA-induced activation of CREB1. These two pathways were turned on by TNFα in parallel and both were required for the upregulation of Cldn-3. Because Cldn-3 was suggested to modulate cell migration and epithelial-mesenchymal transition (EMT), and TNFα was shown to affect these processes, Cldn-3 upregulation may modulate regeneration of the tubules following injury.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».