Small molecules targeting GRP78 mitigate anti-GRP78 autoantibody–mediated tissue factor procoagulant activity in cultured endothelial cells
Notice bibliographique
Résumé
Background The 78-kDa glucose-regulated protein (GRP78) expressed on the cell surface (csGRP78) has been reported to regulate tissue factor procoagulant activity (TF PCA) in lesion-resident endothelial cells (ECs), which is further enhanced by circulating anti-GRP78 autoantibodies that bind to the Leu98-Leu115 epitope in GRP78. Objectives Determine the effects of the engagement of the anti-GRP78 autoantibody to cell surface GRP78 on endothelial cells and the underlying mechanisms that impact TF PCA. Methods Immunofluorescent staining was used to determine the presence of csGRP78 in TNFα-treated endothelial cells. An established TF PCA assay was used to evaluate human ECs following treatment with anti-GRP78 autoantibodies. The Fura 2-AM assay was used to quantify changes in intracellular Ca 2+ levels. Small molecules predicted to bind csGRP78 were identified using artificial intelligence. ELISAs were used to assess the ability of these GRP78 binders to mitigate TF activity and interfere with the autoantibody/csGRP78 complex. Results In TNFα-treated ECs, anti-GRP78 autoantibodies increased TF PCA. This observation was further enhanced by ER-stress-induced elevation of csGRP78 levels. Anti-GRP78 autoantibody treatment increased intracellular Ca 2+ levels. Sequestering the anti-GRP78 autoantibody with a conformational peptide or blocking with heparin molecules attenuated anti-GRP78 autoantibody-induced TF PCA. We identified B07*, a GRP78 binder that diminished anti-GRP78 autoantibody-induced TF PCA on ECs. Conclusions These findings show how anti-GRP78 autoantibodies enhance TF PCA that contributes to thrombosis and identify novel GRP78 binders that represent a potential novel therapeutic strategy for treating and managing atherothrombotic disease.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».