Diabetic neuropathy and the sensory neuron: new molecular targets (P2.010)
Notice bibliographique
Résumé
OBJECTIVE: To explore new pathways and molecules that contribute to experimental diabetic neuropathy and sensory neuron degeneration. BACKGROUND: Polyneuropathy involving sensory neurons is a common complication of diabetes mellitus that may target neuron gene output and function. Cajal bodies (CBs), nucleoli and nuclear speckles are unique nuclear bodies known to be altered with the changes of mRNA metabolism in stress conditions. CB colocalizes with SMN, the depletion of which is responsible for motor neuron degeneration in spinal muscular atrophy. Nuclear speckles colocalize with CWC22, which is an essential pre-mRNA splicing factor. DESIGN/METHODS: We analyzed L4 and L5 dorsal root ganglion (DRG) sensory neurons in a 16 week model of type 1 (STZ) diabetes in C57BL/6 mice with experimental neuropathy. Methods included DRG gene expression microarray, behavior, electrophysiology, and immunohistochemistry. Diabetic mice were treated by near nerve and intraplantar injection of siRNA to silence CWC22 in one limb. RESULTS: Diabetic mice showed sensory neuron atrophy and conduction slowing at a 16 weeks of diabetes. mRNA expression microarray data in diabetic sensory neurons identified upregulation of CWC22. The nuclei in diabetic sensory neurons were associated with a rise in the number of CBs per neuron, while the nucleoli and nuclear speckles were not structurally altered. Typically, part of CBs colocalized with the SMN foci and the number of SMN-positive CBs per neuron was substantially reduced in diabetic sensory neurons. CWC22 siRNA in vivo unilaterally improved sensory conduction slowing and thermal sensitivity. CONCLUSIONS: In this study, the increase of CWC22 and CBs expression might reflect an aberrant mRNA splicing demand in experimental diabetic neuropathy whereas loss of SMN may lead to sensory neuron degeneration. Taken together, our findings identify novel degenerative mechanisms that include two new molecular targets relevant to diabetic neuropathy. Supported by: CDA, CIHR, Denyse Lajoie-Lake fellowship.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».