Characterizing placental pericytes: Hypoxia and proangiogenic signalling
Notice bibliographique
Résumé
INTRODUCTION: Pericytes wrap microvessels and interact with endothelial cells to regulate vascular growth. Though pericyte dropout has been reported in pathological human placentae and mouse models of placental pathology, there has been limited investigation of the role and function of placental pericytes in vascular health and pathology. This study aimed to investigate the angiogenic potential of human placental pericytes relative to other villous cell populations. METHODS: or ambient air, followed by analysis of secreted angiogenic factors (ELISA). Additionally, the placental pericytes and HUVECs were co-cultured in a 3D sprouting assay to assess the capacity of pericytes to contribute to vascular sprouts. RESULTS: affected secretion of angiogenic factors in placental pericytes, HUVECs, and syncytialized BeWo cells. Specifically, in placental pericytes, angiopoietin-1 (ANG1) and soluble fms-like tyrosine kinase-1 (sFLT1) were decreased, while vascular endothelial growth factor (VEGF) was increased. In HUVECS, matrix metalloproteinase-2 (MMP2), VEGF, angiopoietin-2 (ANG2), platelet-derived growth factor beta (PDGFB), placental growth factor (PlGF), and sFLT1 were increased. In syncytialized BeWo cells, VEGF, MMP2, PDGFB, PlGF, and sFLT1 secretion were increased. Placental pericytes and HUVECS colocalized to vessel sprouts in the 3-D sprouting assay. DISCUSSION: Hypoxic conditions altered placental pericyte, endothelial, and syncytialized BeWo secretion of angiogenic factors. We speculate that pericyte dropout and, by extension, the loss of pericyte-derived angiogenic factors in hypoxic conditions may contribute to compromised fetal vascular development observed in placental pathologies.
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 ».