Characterizing the Role of Endocannabinoid Receptor Cnr1 in Mouse Ovarian Granulosa Cells
Notice bibliographique
Résumé
The endocannabinoid receptors Cnr1 and Cnr2 have been found in reproductive organs such as the oviduct and uterus. These receptors bind to endocannabinoids, the arachinodoylethanolamine (AEA) and arachinodoylglycerol (2-AG), respectively. Both cannbinoid receptors have been investigated for their role in implantation and fertilization. However, not much is explored in terms of their role in ovarian granulosa cells. As these two receptors (especially Cnr1) have affinity towards the major component of Cannabis, tetrahydrocannabinol (THC), its usage raises concerns about the potential effects of THC on ovarian functions. Hence, it is important to characterize the role of endocannabinoid system in the ovarian granulosa cells. The objectives of this study were to use the mouse model to: (1) profile the expression pattern of the Cnr1 and Cnr2 and the endocannabinoid metabolizing enzymes (Faah and Mgll) in granulosa cells and (2) to determine the effect of the Cnr1 antagonist, AM251 on ovarian functions. We found that Cnr1 transcript abundance was higher (p < 0.05) at 4 h hCG than 24 h and 48 h eCG timepoints, whereas Cnr2 transcript decreased (p < 0.05) with follicular development. Conversely, Faah and Mgll transcripts were higher at 14 h hCG (p < 0.05) suggesting their upregulation after ovulation. The ovulation rate was lower in AM251 than vehicle-treated mice (p < 0.05), indicating that Cnr1 signaling may regulate ovulation. Further investigating the effect of AM251, we found that it significantly downregulated Ptgs2 and Pappa (p < 0.05). Overall, these data suggest that Cnr1, an important player in the endocannabinoid system, is important for ovulation.
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 ».