Iron Deficiency in Parkinsonism: Region-Specific Iron Dysregulation in Parkinson's Disease and Multiple System Atrophy
Notice bibliographique
Résumé
Alpha synuclein pathology is widespread and found in diverse cell types in multiple system atrophy (MSA) as compared to Parkinson's disease (PD). The reason for this differential distribution is unknown. Regional differences in the distribution of iron are associated with neurodegenerative diseases, and here we characterize the relationship between iron homeostasis proteins and regional concentration, distribution and form of iron in MSA and PD. In PD substantia nigra, tissue iron and expression of the iron export protein ferroportin increased, while the iron storage protein ferritin expression was unchanged. In the basis pontis of MSA cases, increased total iron concentration coupled with a disproportionate increase in ferritin in dysmorphic microglia and a reduction in ferroportin expression. This is supported by isothermal remanent magnetisation evidence consistent with elevated concentrations of ferritin-bound iron in MSA basis pontis. Conventional opinion holds that excess iron is involved in neurodegeneration. Our data support that this may be the case in PD. While region-specific changes in iron are evident in both PD and MSA, the mechanisms of iron dysregulation appear quite distinct, with a failure to export iron from the MSA basis pontis coupling with significant intracellular accumulation of ferritin iron. This pattern also occurs, to a lesser extent, in the MSA putamen. Despite the excess tissue iron, the manner of iron dysregulation in MSA is reminiscent of changes in anemia of chronic disease, and our preliminary data, coupled with the widespread pathology and involvement of multiple cell types, may evidence a deficit in bioavailabile iron.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».