Endothelial-to-Mesenchymal Transition in Cardiovascular Pathophysiology
Notice bibliographique
Résumé
Under different pathophysiological conditions endothelial cells lose endothelial phenotype and gain mesenchymal cell-like phenotype via a process known as endothelial-to-mesenchymal transition (EndMT). At the molecular level, endothelial cells lose the expression of endothelial cell-specific markers such as CD31/platelet-endothelial cell adhesion molecule, von Willebrand factor, and vascular-endothelial cadherin and gain the expression of mesenchymal cell markers such as α-smooth muscle actin, N-cadherin, vimentin, fibroblast specific protein-1 and collagens. EndMT is induced by numerous different pathways triggered and modulated by multiple different and often redundant mechanisms in a context-dependent manner depending on the pathophysiological status of the cell. EndMT plays an essential role in embryonic development, particularly in atrioventricular valve development, however, EndMT is also implicated in pathogenesis of several genetically determined and acquired diseases including malignant, cardiovascular, inflammatory, and fibrotic disorders. Among cardiovascular diseases aberrant EndMT is reported in atherosclerosis, pulmonary hypertension, valvular disease, fibroelastosis and cardiac fibrosis. Accordingly, understanding the mechanisms behind cause and/or effect of EndMT to eventually target EndMT appears to be a promising strategy to treat aberrant EndMT-associated diseases. However, this approach is limited by a lack of precise functional and molecular pathways, causes and/or effects, and lack of robust animal model and human data about EndMT in different diseases. Here, we review different mechanisms in EndMT and the role of EndMT in various cardiovascular diseases.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,005 |
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 ».