eEF2 improves dense connective tissue repair and healing outcome by regulating cellular death, autophagy, apoptosis, proliferation and migration
Notice bibliographique
Résumé
Outcomes following human dense connective tissue (DCT) repair are often variable and suboptimal, resulting in compromised function and development of chronic painful degenerative diseases. Moreover, biomarkers and mechanisms that guide good clinical outcomes after DCT injuries are mostly unknown. Here, we characterize the proteomic landscape of DCT repair following human Achilles tendon rupture and its association with long-term patient-reported outcomes. Moreover, the potential regulatory mechanisms of relevant biomarkers were assessed partly by gene silencing experiments. A mass-spectrometry based proteomic approach quantified a large number (769) of proteins, including 51 differentially expressed proteins among 20 good versus 20 poor outcome patients. A novel biomarker, elongation factor-2 (eEF2) was identified as being strongly prognostic of the 1-year clinical outcome. Further bioinformatic and experimental investigation revealed that eEF2 positively regulated autophagy, cell proliferation and migration, as well as reduced cell death and apoptosis, leading to improved DCT repair and outcomes. Findings of eEF2 as novel prognostic biomarker could pave the way for new targeted treatments to improve healing outcomes after DCT injuries.Trial registration: NCT02318472 registered 17 December 2014 and NCT01317160 registered 17 March 2011, with URL http://clinicaltrials.gov/ct2/show/NCT02318472 and http://clinicaltrials.gov/ct2/show/study/NCT01317160 .
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 ».