Mesenchymal stem cell-derived small extracellular vesicles mitigate oxidative stress-induced senescence in endothelial cells via regulation of miR-146a/Src
Notice bibliographique
Résumé
Senescent endothelial cells (ECs) could impair the integrity of the blood vessel endothelium, leading to vascular aging and a series of diseases, such as atherosclerosis, diabetes. Preventing or mitigating EC senescence might serve as a promising therapeutic paradigm for these diseases. Recent studies showed that small extracellular vesicles (sEV) have the potential to transfer bioactive molecules into recipient cells and induce phenotypic changes. Since mesenchymal stem cells (MSCs) have long been postulated as an important source cell in regenerative medicine, herein we investigated the role and mechanism of MSC-derived sEV (MSC-sEV) on EC senescence. In vitro results showed that MSC-sEV reduced senescent biomarkers, decreased senescence-associated secretory phenotype (SASP), rescued angiogenesis, migration and other dysfunctions in senescent EC induced by oxidative stress. In the In vivo natural aging and type-2 diabetes mouse wound-healing models (both of which have senescent ECs), MSC-sEV promoted wound closure and new blood vessel formation. Mechanically, miRNA microarray showed that miR-146a was highly expressed in MSC-sEV and also upregulated in EC after MSC-sEV treatment. miR-146a inhibitors abolished the stimulatory effects of MSC-sEV on senescence. Moreover, we found miR-146a could suppress Src phosphorylation and downstream targets VE-cadherin and Caveolin-1. Collectively, our data indicate that MSC-sEV mitigated endothelial cell senescence and stimulate angiogenesis through miR-146a/Src.
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) | 0,000 | 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 | 0,001 |
| 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 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 ».