MYB and ELF3 differentially modulate labor-inducing gene expression in myometrial cells
Notice bibliographique
Résumé
Spontaneous uterine contractions are initiated when smooth muscle cells (SMCs) within the uterine muscle, or myometrium, transition from a functionally dormant to an actively contractile phenotype at the end of the pregnancy period. We know that this process is accompanied by gestational time point-specific differences in the SMC transcriptome, which can be modulated by the activator protein 1 (AP-1), nuclear factor kappa beta (NF-κβ), estrogen receptor (ER), and progesterone receptor (PR) transcription factors. Less is known, however, about the additional proteins that might assist these factors in conferring the transcriptional changes observed at labor onset. Here, we present functional evidence for the roles of two proteins previously understudied in the SMC context-MYB and ELF3-which can contribute to the regulation of labor-driving gene transcription. We show that the MYB and ELF3 genes exhibit elevated transcript expression levels in mouse and human myometrial tissues during spontaneous term labor. The expression of both genes was also significantly increased in mouse myometrium during preterm labor induced by the progesterone antagonist mifepristone (RU486), but not during infection-simulating preterm labor induced by intrauterine infusion of lipopolysaccharide (LPS). Furthermore, both MYB and ELF3 proteins affect labor-driving gene promoter activity, although in surprisingly opposing ways: Gja1 and Fos promoter activation increases in the presence of MYB and decreases in the presence of ELF3. Collectively, our study adds to the current understanding of the transcription factor network that defines the transcriptomes of SMCs during late gestation and implicates two new players in the control of labor timing.
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 ».