BURNS INDUCE ALTERATIONS IN THE ACYL PROTEOME OF MICE AND HUMANS
Notice bibliographique
Résumé
ABSTRACT: Hypermetabolic reprogramming triggered by thermal injury causes substantial morbidity and mortality. Despite the therapeutic potential of targeting this response, the underlying mechanisms remain poorly understood. Interestingly, protein S-acylation is a reversible posttranslational modification induced by metabolic alterations via DHHC acyltransferases. While this modification aids in the regulation of cellular functions, deregulated S-acylation contributes to various diseases by altering protein structure, stability, and localization. However, whether and how S-acylation may impact morbidity and mortality during postburn hypermetabolism is unknown. In this study, we discovered that alterations in the acyl proteome play a key role in mediating adverse outcomes that occur after burn injury. Using a murine model, we show that burn injury induces profound changes in the expression of various DHHC isoforms in metabolic organs central to regulating postburn hypermetabolism, the adipose tissue, and liver. This was accompanied by increased levels of S-acylated proteins in several pathways involved in mediating the adverse hypermetabolic response, including ER stress, lipolysis, and browning. In fact, similar results were also observed in adipose tissue from severely burned patients, as reflected by increased S-acylation of ERK1/2, eIF2a, ATGL, FGF21, and UCP1 relative to nonburn controls. Importantly, pharmacologically targeting this posttranslational modification using a nonselective DHHC inhibitor effectively attenuated burn-induced ER stress, lipolysis, and browning induction in an ex vivo explant model. Together, these findings suggest that S-acylation may facilitate the protein activation profile that drives burn-induced hypermetabolism and that targeting it could potentially be an effective strategy to restore metabolic function and improve outcomes after injury.
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 ».