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 lâapoptose et la stéroïdogenèse. Parmi la sous-famille FGF8, FGF18 est une exception puisquâil semblerait avoir une fonction pro-apoptotique alors que FGF8 nâa pas été jusquâà présent rapporté comme altérant la viabilité des cellules de la granulosa. Ces deux ligands ont un mode dâactivation similaire et il pourrait être proposé que toute la sous-famille FGF8 ait la même réponse. Lâobjectif 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 dâidentifier la réponse précoce de gènes induite par FGF8 et FGF18, et les données ont été confirmées par des PCRs en temps réel lors dâune expérience in vitro où les cellules de granulosa ont été traitées avec FGF8 et FGF18 pendant différents temps. Lâanalyse du puce à ADN a identifié 12 gènes surexprimés par FGF8, incluant SPRY2, NR4A1, XIRP1, BAMBI, EGR1, FOS et FOSL1. A lâinverse, FGF18 nâa régulé aucun gène de manière significative. Les analyses de PCR ont confirmé lâaugmentation dâARNm codant pour EGR1, EGR3, FOS, XIRP1, FOSL1, SPRY2, NR4A1 et BAMBI après 2 h de traitement. FGF18 a entrainé seulement une augmentation de lâexpression 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 dâactivation 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 lâexpression 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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 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 teacher head, 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".