PCSK9 (Proprotein Convertase Subtilisin/Kexin Type 9) Triggers Vascular Smooth Muscle Cell Senescence and Apoptosis: Implication of Its Direct Role in Degenerative Vascular Disease
Notice bibliographique
Résumé
Objective: PCSK9 (proprotein convertase subtilisin/kexin type 9) plays a critical role in cholesterol metabolism via the PCSK9–LDLR (low-density lipoprotein receptor) axis in the liver; however, evidence indicates that PCSK9 directly contributes to the pathogenesis of various diseases through mechanisms independent of its LDL-cholesterol regulation. The objective of this study was to determine how PCSK9 directly acts on vascular smooth muscle cells (SMCs), contributing to degenerative vascular disease. Approach and Results: We first examined the effects of PCSK9 on cultured human aortic SMCs. Overexpression of PCSK9 downregulated the expression of ApoER2 (apolipoprotein E receptor 2), a known target of PCSK9. Treatment with soluble recombinant human ApoER2 or the DNA synthesis inhibitor, hydroxyurea, inhibited PCSK9-induced polyploidization and other cellular responses of human SMCs. Treatment with antibodies against ApoER2 resulted in similar effects to those observed with PCSK9 overexpression. Inducible, SMC-specific knockout of Pcsk9 accelerated neointima formation in mouse carotid arteries and reduced age-related arterial stiffness. PCSK9 was expressed in SMCs of human atherosclerotic lesions and abundant in the “shoulder” regions of vulnerable atherosclerotic plaques. PCSK9 was also expressed in SMCs of abdominal aortic aneurysm, which was inversely related to the expression of smooth muscle α-actin. Conclusions: Our findings demonstrate that PCSK9 inhibits proliferation and induces polyploidization, senescence, and apoptosis, which may be relevant to various degenerative vascular diseases.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».