Differential Response of Transcription Factors to Activated Kinases in Steroidogenic and Non-Steroidogenic Cells
Notice bibliographique
Résumé
Hormone-induced Leydig cell steroidogenesis requires rapid changes in gene expression in response to various hormones, cytokines, and growth factors. These proteins act by binding to their receptors on the surface of Leydig cells leading to activation of multiple intracellular signaling cascades, downstream of which are several kinases, including protein kinase A (PKA), Ca2+/calmodulin-dependent protein kinase I (CAMKI), and extracellular signal-regulated protein kinase 1 and 2 (ERK1/2). These kinases participate in hormone-induced steroidogenesis by phosphorylating numerous proteins including transcription factors leading to increased steroidogenic gene expression. How these various kinases and transcription factors come together to appropriately induce steroidogenic gene expression in response to specific stimuli remains poorly understood. In the present work, we compared the effect of PKA, CAMKI and ERK1/2 on the transactivation potential of 15 transcription factors belonging to 5 distinct families on the activity of the Star gene promoter. We not only validated known cooperation between kinases and transcription factors, but we also identified novel cooperations that have not yet been before reported. Some transcription factors were found to respond to all three kinases, whereas others were only activated by one specific kinase. Differential responses were also observed within a family of transcription factors. The diverse response to kinases provides flexibility to ensure proper genomic response of steroidogenic cells to different stimuli.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».