ICAM-1-related noncoding RNA accelerates atherosclerosis by amplifying NF-κB signaling
Notice bibliographique
Résumé
Long noncoding RNAs (lncRNAs) are critical regulators of inflammation with great potential as new therapeutic targets. However, the role of lncRNAs in early atherosclerosis remains poorly characterized. This study aimed to identify the key lncRNA players in activated endothelial cells (ECs). The lncRNAs in response to pro-inflammatory factors in ECs were screened through RNA sequencing. ICAM-1-related non-coding RNA (ICR) was identified as the most potential candidate for early atherosclerosis. ICR is essential for intercellular adhesion molecule-1 (ICAM1) expression, EC adhesion and migration. In a high fat diet-induced atherosclerosis model in mice, ICR is upregulated in the development of atherosclerosis. After intravenous injection of adenovirus carrying shRNA for mouse ICR, the atherosclerotic plaque area was markedly reduced with the declined expression of ICR and ICAM1. Mechanistically, ICR stabilized the mRNA of ICAM1 in quiescent ECs; while under inflammatory stress, ICR upregulated ICAM1 in a nuclear factor kappa B (NF-κB) dependent manner. RNA-seq analysis showed pro-inflammatory targets of NF-κB were regulated by ICR. Furthermore, the chromatin immunoprecipitation assays showed that p65 binds to ICR promoter and facilitates its transcription. Interestingly, ICR, in turn, promotes p65 accumulation and activity, forming a positive feedback loop to amplify NF-κB signaling. Preventing the degradation of p65 using proteasome inhibitors rescued the expression of NF-κB targets suppressed by ICR. Taken together, ICR acts as an accelerator to amplify NF-κB signaling in activated ECs and suppressing ICR is a promising early intervention for atherosclerosis through ICR/p65 loop blockade.
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 | 0,000 |
| 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) | 0,000 | 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 ».