Regulation of Cardiac Fibroblast GLS1 Expression by Scleraxis
Notice bibliographique
Résumé
Fibrosis is an energy-intensive process requiring the activation of fibroblasts to myofibroblasts, resulting in the increased synthesis of extracellular matrix proteins. Little is known about the transcriptional control of energy metabolism in cardiac fibroblast activation, but glutaminolysis has been implicated in liver and lung fibrosis. Here we explored how pro-fibrotic TGFβ and its effector scleraxis, which drive cardiac fibroblast activation, regulate genes involved in glutaminolysis, particularly the rate-limiting enzyme glutaminase (GLS1). The GLS1 inhibitor CB-839 attenuated TGFβ-induced fibroblast activation. Cardiac fibroblast activation to myofibroblasts by scleraxis overexpression increased glutaminolysis gene expression, including GLS1, while cardiac fibroblasts from scleraxis-null mice showed reduced expression. TGFβ induced GLS1 expression and increased intracellular glutamine and glutamate levels, indicative of increased glutaminolysis, but in scleraxis knockout cells, these measures were attenuated, and the response to TGFβ was lost. The knockdown of scleraxis in activated cardiac fibroblasts reduced GLS1 expression by 75%. Scleraxis transactivated the human GLS1 promoter in luciferase reporter assays, and this effect was dependent on a key scleraxis-binding E-box motif. These results implicate scleraxis-mediated GLS1 expression as a key regulator of glutaminolysis in cardiac fibroblast activation, and blocking scleraxis in this process may provide a means of starving fibroblasts of the energy required for fibrosis.
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 ».