Macrophage Cholesterol Efflux and Atherosclerosis in Psoriasis: A role for microRNA‐33
Notice bibliographique
Résumé
Psoriatic patients have an increased risk in developing atherosclerosis. However, the precise mechanism by which the localized skin inflammation drives atherosclerosis is unclear. Macrophages have been shown to promote localized skin inflammation and also drive atherosclerosis by retaining modified excess cholesterol. Macrophage cholesterol efflux depends on 2 elements: (i) functional circulating HDL interacting with (ii) macrophage ABCA1 cholesterol transporter to release the excess cholesterol into HDL particles to be cleared. microRNA‐33 (miR‐33) levels are markedly elevated in CAD and it directly targets various genes regulating cholesterol transport, mitochondrial function and inflammation to inhibit macrophage cholesterol efflux, promoting atherosclerosis. Thus, novel therapeutics aims to inhibit miR‐33 to treat atherosclerosis. Nonetheless, the mechanism by which macrophage miR‐33 drives atherosclerosis in psoriasis and how psoriasiform‐inflammation accelerates atherosclerosis remains to be elucidated. Here, we aim to determine if psoriasiform macrophages have elevated miR‐33 levels and are defective in mediating cholesterol efflux and thus, accelerating atherosclerosis. Preliminary data indicate that human macrophages treated with key cytokines (e.g. IL‐17A or IL‐23 or TNFα) that drive psoriatic inflammation have increased miR‐33a expression and decreased macrophage cholesterol efflux. Ongoing studies are investigating whether human primary macrophages derived from psoriatic patients have decreased cholesterol efflux relative to control. These studies will provide mechanistic insight as to how miR‐33 is regulated in psoriasiform inflammation and whether anti‐miR33 therapy or other novel therapeutic targeting the macrophage efflux pathways can be used to treat cardiovascular disease in psoriatic patients.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».