A Rosella-PLIN2 Knock-in Mouse Reveals Lipophagy and Immunometabolic Interplay in Atherosclerosis
Notice bibliographique
Résumé
Abstract Cytosolic lipid droplets (LDs) regulate lipid homeostasis, with abnormal LD dynamics linked to metabolic diseases like atherosclerosis. In macrophage foam cells, LDs undergo autophagic degradation via lipophagy, but the extent of this process in vascular smooth muscle cell (VSMC) foam cells remains unclear. To track lipophagy in real time, we developed a Rosella-PLIN2 biosensor by tagging perilipin 2 (PLIN2) with the fluorescent pH-biosensor Rosella. We show that proatherogenic lipoproteins and autophagy activators stimulate lipophagy in human macrophages. Targeting LDs with an LC3 fusion protein or LD-autophagy tethering compounds (LD-ATTECs) selectively enhanced lipophagy, promoting foam cell LD clearance. In an atherosclerosis model, Rosella-PLIN2 accurately tracked lipophagy in arterial foam cells, revealing distinct PLIN2 expression patterns in macrophage and non-leukocyte foam cells. We identified a lipophagy deficiency in VSMC foam cells and demonstrate that enhancing lipophagy promotes LD catabolism in primary VSMC foam cells. TREM2 + macrophages exhibited high lipid content and low lipophagy flux, whereas TREM2 - macrophages had low lipid content and high lipophagy flux. Our findings highlight a cell-specific interplay between lipophagy and immunometabolism in arterial foam cells, unveiling novel therapeutic avenues for atherosclerosis. Additionally, the Rosella-PLIN2 model provides a powerful tool for studying LD metabolism, offering new insights into lipid homeostasis and disease mechanisms.
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) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».