Manipulation of smooth muscle BK <sub>Ca</sub> using subunit directed siRNA
Notice bibliographique
Résumé
Cremaster and cerebral vascular smooth muscle cells (VSMC) exhibit heterogeneity in large conductance Ca 2+ ‐activated K + channels (BK Ca ) partly due to differences in β1:α subunit ratio. To gain insight into BK Ca methods were developed for subunit‐specific knockdown of the channel. Using transient transfection approaches and small interfering RNAs (siRNA) either the α or β1 subunit was targeted in isolated arterioles. Control studies used fluorescently labeled siRNA or unrelated siRNA. After 2–3 days culture fluorescence images and whole cell K + currents were examined in dispersed VSMC. From functional data α‐subunit expression was reduced by ~60% in both vessels. Thus, at +70 mV, IBTX‐sensitive K + current density was significantly reduced after α‐subunit siRNA compared to control. Similarly, STOC frequency (at +20 mV) decreased following siRNA treatment while BK Ca opening by NS1619 or estrogen (E2) was decreased. Cells treated with β1‐subunit siRNA showed impaired responses to E2 with a greater effect in cerebral VSMCs compared to those of cremaster. Thus transient transfection and siRNA can be used to effectively decrease endogenous BK Ca activity in intact small arteries. Further, cerebral VSMCs treated with β1‐subunit siRNA exhibit a functional phenotype similar to untreated cremaster VSMCs, supporting the idea that differences in β1:α subunit ratio underlie observed heterogeneity in BK Ca 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 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) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».