Defining Transcriptomic Heterogeneity between Left and Right Ventricle-Derived Cardiac Fibroblasts
Notice bibliographique
Résumé
Cardiac fibrosis is a key aspect of heart failure, leading to reduced ventricular compliance and impaired electrical conduction in the myocardium. Various pathophysiologic conditions can lead to fibrosis in the left ventricle (LV) and/or right ventricle (RV). Despite growing evidence to support the transcriptomic heterogeneity of cardiac fibroblasts (CFs) in healthy and diseased states, there have been no direct comparisons of CFs in the LV and RV. Given the distinct natures of the ventricles, we hypothesized that LV- and RV-derived CFs would display baseline transcriptomic differences that influence their proliferation and differentiation following injury. Bulk RNA sequencing of CFs isolated from healthy murine left and right ventricles indicated that LV-derived CFs may be further along the myofibroblast transdifferentiation trajectory than cells isolated from the RV. Single-cell RNA-sequencing analysis of the two populations confirmed that Postn+ CFs were more enriched in the LV, whereas Igfbp3+ CFs were enriched in the RV at baseline. Notably, following pressure overload injury, the LV developed a larger subpopulation of pro-fibrotic Thbs4+/Cthrc1+ injury-induced CFs, while the RV showed a unique expansion of two less-well-characterized CF subpopulations (Igfbp3+ and Inmt+). These findings demonstrate that LV- and RV-derived CFs display baseline subpopulation differences that may dictate their diverging responses to pressure overload injury. Further study of these subpopulations will elucidate their role in the development of fibrosis and inform on whether LV and RV fibrosis require distinct treatments.
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 ».