S100A8, S100A9 and S100A12 activate airway epithelial cells to produce MUC5AC via extracellular signal-regulated kinase and nuclear factor-kappa B pathways
Notice bibliographique
Résumé
Airway mucus hyperproduction is a common feature of chronic airway diseases such as severe asthma, chronic obstructive pulmonary disease and cystic fibrosis, which are closely associated with neutrophilic airway inflammation. S100A8, S100A9 and S100A12 are highly abundant proteins released by neutrophils and have been identified as important biomarkers in many inflammatory diseases. Herein, we report a new role for S100A8, S100A9 and S100A12 for producing MUC5AC, a major mucin protein in the respiratory tract. All three S100 proteins induced MUC5AC mRNA and the protein in normal human bronchial epithelial cells as well as NCI-H292 lung carcinoma cells in a dose-dependent manner. A Toll-like receptor 4 (TLR4) inhibitor almost completely abolished MUC5AC expression by all three S100 proteins, while neutralization of the receptor for advanced glycation end-products (RAGE) inhibited only S100A12-mediated production of MUC5AC. The S100 protein-mediated production of MUC5AC was inhibited by the pharmacological agents that block prominent signalling molecules for MUC5AC expression, such as mitogen-activated protein kinases, nuclear factor-B (NF-B) and epidermal growth factor receptor. S100A8, S100A9 and S100A12 equally elicited both phosphorylation of extracellular signal-regulated kinase (ERK) and nuclear translocation of NF-B/degradation of cytosolic IB with similar kinetics through TLR4. In contrast, S100A12 preferentially activated the ERK pathway rather than the NF-B pathway through RAGE. Collectively, these data reveal the capacity of these three S100 proteins to induce MUC5AC production in airway epithelial cells, suggesting that they all serve as key mediators linking neutrophil-dominant airway inflammation to mucin hyperproduction.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».