Iron overload inhibits BMP/SMAD and IL-6/STAT3 signaling to hepcidin in cultured hepatocytes
Notice bibliographique
Résumé
Hepcidin is a peptide hormone that targets the iron exporter ferroportin, thereby limiting iron entry into the bloodstream. It is generated in hepatocytes mainly in response to increased body iron stores or inflammatory cues. Iron stimulates expression of bone morphogenetic protein 6 (BMP6) from liver sinusoidal endothelial cells, which in turn binds to BMP receptors on hepatocytes and induces the SMAD signaling cascade for transcriptional activation of the hepcidin-encoding HAMP mRNA. SMAD signaling is also essential for inflammatory HAMP mRNA induction by the IL-6/STAT3 pathway. Herein, we utilized human Huh7 hepatoma cells and primary murine hepatocytes to assess the effects of iron perturbations on signaling to hepcidin. Iron chelation appeared to slightly impair signaling to hepcidin. Subsequent iron supplementation not only failed to reverse these effects, but drastically reduced basal HAMP mRNA and inhibited HAMP mRNA induction by BMP6 and/or IL-6. Thus, treatment of cells with excess iron inhibited basal and BMP6-mediated SMAD5 phosphorylation and induction of HAMP, ID1 and SMAD7 mRNAs in a dose-dependent manner. Iron also inhibited IL-6-mediated STAT3 phosphorylation and induction of HAMP and SOCS3 mRNAs. These responses were accompanied by induction of GCLC and HMOX1 mRNAs, known markers of oxidative stress. We conclude that hepatocellular iron overload suppresses hepcidin by inhibiting the SMAD and STAT3 signaling pathways downstream of their respective ligands.
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) | 0,000 | 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 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 ».