Regulation of Cellular Senescence Is Independent from Profibrotic Fibroblast-Deposited ECM
Notice bibliographique
Résumé
Idiopathic pulmonary fibrosis (IPF) is a devastating lung disease with poor survival. Age is a major risk factor, and both alveolar epithelial cells and lung fibroblasts in this disease exhibit features of cellular senescence, a hallmark of ageing. Accumulation of fibrotic extracellular matrix (ECM) is a core feature of IPF and is likely to affect cell function. We hypothesize that aberrant ECM deposition augments fibroblast senescence, creating a perpetuating cycle favouring disease progression. In this study, primary lung fibroblasts were cultured on control and IPF-derived ECM from fibroblasts pretreated with or without profibrotic and prosenescent stimuli, and markers of senescence, fibrosis-associated gene expression and secretion of cytokines were measured. Untreated ECM derived from control or IPF fibroblasts had no effect on the main marker of senescence p16Ink4a and p21Waf1/Cip1. However, the expression of alpha smooth muscle actin (ACTA2) and proteoglycan decorin (DCN) increased in response to IPF-derived ECM. Production of the proinflammatory cytokines C-X-C Motif Chemokine Ligand 8 (CXCL8) by lung fibroblasts was upregulated in response to senescent and profibrotic-derived ECM. Finally, the profibrotic cytokines transforming growth factor β1 (TGF-β1) and connective tissue growth factor (CTGF) were upregulated in response to both senescent- and profibrotic-derived ECM. In summary, ECM deposited by IPF fibroblasts does not induce cellular senescence, while there is upregulation of proinflammatory and profibrotic cytokines and differentiation into a myofibroblast phenotype in response to senescent- and profibrotic-derived ECM, which may contribute to progression of fibrosis in IPF.
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) | 0,001 | 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 ».