Stable flow-induced expression of KLK10 inhibits endothelial inflammation and atherosclerosis
Notice bibliographique
Résumé
Atherosclerosis preferentially occurs in arterial regions exposed to disturbed blood flow ( d-flow ), while regions exposed to stable flow ( s-flow ) are protected. The proatherogenic and atheroprotective effects of d-flow and s-flow are mediated in part by the global changes in endothelial cell (EC) gene expression, which regulates endothelial dysfunction, inflammation, and atherosclerosis. Previously, we identified kallikrein-related peptidase 10 ( Klk10 , a secreted serine protease) as a flow-sensitive gene in mouse arterial ECs, but its role in endothelial biology and atherosclerosis was unknown. Here, we show that KLK10 is upregulated under s-flow conditions and downregulated under d-flow conditions using in vivo mouse models and in vitro studies with cultured ECs. Single-cell RNA sequencing (scRNAseq) and scATAC sequencing (scATACseq) study using the partial carotid ligation mouse model showed flow-regulated Klk10 expression at the epigenomic and transcription levels. Functionally, KLK10 protected against d-flow -induced permeability dysfunction and inflammation in human artery ECs, as determined by NFκB activation, expression of vascular cell adhesion molecule 1 and intracellular adhesion molecule 1, and monocyte adhesion. Furthermore, treatment of mice in vivo with rKLK10 decreased arterial endothelial inflammation in d-flow regions. Additionally, rKLK10 injection or ultrasound-mediated transfection of Klk10 -expressing plasmids inhibited atherosclerosis in Apoe −/− mice. Moreover, KLK10 expression was significantly reduced in human coronary arteries with advanced atherosclerotic plaques compared to those with less severe plaques. KLK10 is a flow-sensitive endothelial protein that serves as an anti-inflammatory, barrier-protective, and anti-atherogenic factor.
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 ».