WWP2 confers risk to osteoarthritis by affecting cartilage matrix deposition via hypoxia associated genes
Notice bibliographique
Résumé
OBJECTIVE: To explore the co-expression network of the osteoarthritis (OA) risk gene WWP2 in articular cartilage and study cartilage characteristics when mimicking the effect of OA risk allele rs1052429-A on WWP2 expression in a human 3D in vitro model of cartilage. METHOD: Co-expression behavior of WWP2 with genes expressed in lesioned OA articular cartilage (N = 35 samples) was explored. By applying lentiviral particle mediated WWP2 upregulation in 3D in vitro pellet cultures of human primary chondrocytes (N = 8 donors) the effects of upregulation on cartilage matrix deposition was evaluated. Finally, we transfected primary chondrocytes with miR-140 mimics to evaluate whether miR-140 and WWP2 are involved in similar pathways. RESULTS: Upon performing Spearman correlations in lesioned OA cartilage, 98 highly correlating genes (|ρ| > 0.7) were identified. Among these genes, we identified GJA1, GDF10, STC2, WDR1, and WNK4. Subsequent upregulation of WWP2 on 3D chondrocyte pellet cultures resulted in a decreased expression of COL2A1 and ACAN and an increase in EPAS1 expression. Additionally, we observed a decreased expression of GDF10, STC2, and GJA1. Proteomics analysis identified 42 proteins being differentially expressed with WWP2 upregulation, which were enriched for ubiquitin conjugating enzyme activity. Finally, upregulation of miR-140 in 2D chondrocytes resulted in significant upregulation of WWP2 and WDR1. CONCLUSIONS: Mimicking the effect of OA risk allele rs1052429-A on WWP2 expression initiates detrimental processes in the cartilage shown by a response in hypoxia associated genes EPAS1, GDF10, and GJA1 and a decrease in anabolic markers, COL2A1 and ACAN.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».