RNA Sequencing of LX-2 Cells Treated with TGF-β1 Identifies Genes Associated with Early Hepatic Stellate Cell Activation.
Notice bibliographique
Résumé
Abstract BackgroundHepatic stellate cells (HSCs) are liver-resident myofibroblast precursors responsible for the production of collagen and maintenance of the hepatic extracellular matrix (ECM). As such, they are generally associated with fibrotic liver diseases. HSCs become "activated" in response to tissue damage or pathogen invasion, a process most commonly driven by transforming growth factor-β1 (TGF-β1). Despite this, the full extent of TGF-β1 signalling in these cells is poorly understood. Clarifying the range and diversity of this signalling will further improve our understanding of the process of HSC activation.Methods and ResultsRNA sequencing was used to quantitate the transcriptomic changes induced in LX-2 cells, an activated human HSC line, following TGF-b1 treatment. In total, 5,258 genes were found to be significantly differentially expressed with a false discovery rate cut-off of < 0.1. The topmost deregulated of these genes included those with no currently characterised role in either HSC activation or fibrotic processes, including CIITA and SERPINB2. In silico analysis revealed the prominent signalling pathways downstream of TGF-β1 in LX-2 cells.ConclusionsIn this study, we describe the genes and signalling pathways significantly deregulated in LX-2 cells following TGF-β1 treatment. We identified several highly deregulated genes with no currently characterised role in HSC activation, which may represent novel mediators of fibrotic responses in HSCs or the liver macroenvironment. This work may be of use in the identification of new markers of liver fibrosis and could provide insight into prospective genes or pathways that might be targeted for the amelioration of fibrotic liver disease in the future.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».