Differential regulation of early response genes by fibroblast growth factor (FGF) 8 and FGF18 in bovine granulosa cells in vitro
Bibliographic record
Abstract
Les « Facteurs de croissance des fibroblastes» (FGF) agissent comme des régulateurs locaux sur la qualité des follicules et sont connus pour promouvoir la prolifération des cellules de granulosa, réduire l’apoptose et la stéroïdogenèse. Parmi la sous-famille FGF8, FGF18 est une exception puisqu’il semblerait avoir une fonction pro-apoptotique alors que FGF8 n’a pas été jusqu’à présent rapporté comme altérant la viabilité des cellules de la granulosa. Ces deux ligands ont un mode d’activation similaire et il pourrait être proposé que toute la sous-famille FGF8 ait la même réponse. L’objectif de cette étude était de déterminer si FGF8 et FGF18 activaient la même réponse précoce de gènes dans des cultures de granulosa bovine. Pour répondre à cette question, nous avons cultivé des cellules de la granulosa dans du milieu de culture sans sérum pendant 5 jours. Le jour 5, les cellules ont été traitées avec FGF8 ou FGF18. Nous avons eu recours à une approche de « puce à ADN » afin d’identifier la réponse précoce de gènes induite par FGF8 et FGF18, et les données ont été confirmées par des PCRs en temps réel lors d’une expérience in vitro où les cellules de granulosa ont été traitées avec FGF8 et FGF18 pendant différents temps. L’analyse du puce à ADN a identifié 12 gènes surexprimés par FGF8, incluant SPRY2, NR4A1, XIRP1, BAMBI, EGR1, FOS et FOSL1. A l’inverse, FGF18 n’a régulé aucun gène de manière significative. Les analyses de PCR ont confirmé l’augmentation d’ARNm codant pour EGR1, EGR3, FOS, XIRP1, FOSL1, SPRY2, NR4A1 et BAMBI après 2 h de traitement. FGF18 a entrainé seulement une augmentation de l’expression de EGR1 après 2 h de traitement parmi tous les gènes testés. Ces résultats démontrent donc que FGF8 et FGF18, malgré leur similarité dans le mode d’activation de leurs récepteurs, agissent sur les cellules de la granulosa via différentes voies de signalisation. FGF8 et FGF18, sont donc tous les deux capables de stimuler l’expression de EGR1, mais les voies de signalisation induites par la suite divergent.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".