Novel factors that activate and deactivate cardiac fibroblasts: A new perspective for treatment of cardiac fibrosis
Notice bibliographique
Résumé
Abstract Heart disease with attendant cardiac fibrosis kills more patients in developed countries than any other disease, including cancer. We highlight the recent literature on factors that activate and also deactivate cardiac fibroblasts. Activation of cardiac fibroblasts results in myofibroblasts phenotype which incorporates aSMA to stress fibres, express ED‐A fibronectin, elevated PDGFRα and are hypersecretory ECM components. These cells facilitate both acute wound healing (infarct site) and chronic cardiac fibrosis. Quiescent fibroblasts are associated with normal myocardial tissue and provide relatively slow turnover of the ECM. Deactivation of activated myofibroblasts is a much less studied phenomenon. In this context, SKI is a known negative regulator of TGFb 1 /Smad signalling, and thus may share functional similarity to PPARγ activation. The discovery of SKI's potent anti‐fibrotic role, and its ability to deactivate and/or myofibroblasts is featured and contrasted with PPARγ. While myofibroblasts are typically recruited from pools of potential precursor cells in a variety of organs, the importance of activation of resident cardiac fibroblasts has been recently emphasised. Myofibroblasts deposit ECM components at an elevated rate and contribute to both systolic and diastolic dysfunction with attendant cardiac fibrosis. A major knowledge gap exists as to specific proteins that may signal for fibroblast deactivation. As SKI may be a functionally pluripotent protein, we suggest that it serves as a scaffold to proteins other than R‐Smads and associated Smad signal proteins, and thus its anti‐fibrotic effects may extend beyond binding R‐Smads. While cardiac fibrosis is causal to heart failure, the treatment of cardiac fibrosis is hampered by the lack of availability of effective pharmacological anti‐fibrotic agents. The current review will provide an overview of work highlighting novel factors which cause fibroblast activation and deactivation to underscore putative therapeutic avenues for improving disease outcomes in cardiac patients with fibrosed hearts.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| 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 | 0,001 | 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 ».