Progeria‐based vascular model identifies networks associated with cardiovascular aging and disease
Notice bibliographique
Résumé
Hutchinson-Gilford Progeria syndrome (HGPS) is a lethal premature aging disorder caused by a de novo heterozygous mutation that leads to the accumulation of a splicing isoform of Lamin A termed progerin. Progerin expression deregulates the organization of the nuclear lamina and the epigenetic landscape. Progerin has also been observed to accumulate at low levels during normal aging in cardiovascular cells of adults that do not carry genetic mutations linked with HGPS. Therefore, the molecular mechanisms that lead to vascular dysfunction in HGPS may also play a role in vascular aging-associated diseases, such as myocardial infarction and stroke. Here, we show that HGPS patient-derived vascular smooth muscle cells (VSMCs) recapitulate HGPS molecular hallmarks. Transcriptional profiling revealed cardiovascular disease remodeling and reactive oxidative stress response activation in HGPS VSMCs. Proteomic analyses identified abnormal acetylation programs in HGPS VSMC replication fork complexes, resulting in reduced H4K16 acetylation. Analysis of acetylation kinetics revealed both upregulation of K16 deacetylation and downregulation of K16 acetylation. This correlates with abnormal accumulation of error-prone nonhomologous end joining (NHEJ) repair proteins on newly replicated chromatin. The knockdown of the histone acetyltransferase MOF recapitulates preferential engagement of NHEJ repair activity in control VSMCs. Additionally, we find that primary donor-derived coronary artery vascular smooth muscle cells from aged individuals show similar defects to HGPS VSMCs, including loss of H4K16 acetylation. Altogether, we provide insight into the molecular mechanisms underlying vascular complications associated with HGPS patients and normative aging.
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 ».