Effect of tumor necrosis factor‐α converting enzyme (TACE) and metalloprotease inhibitor on amyloid precursor protein metabolism in human neurons
Notice bibliographique
Résumé
Tumor necrosis factor-alpha (TNF-alpha) is implicated in inflammatory processes and much effort is being directed at inhibiting the release of TNF-alpha for treatment of inflammatory conditions. In this context, the drug CP-661,631 has been developed to inhibit the TNF-alpha converting enzyme (TACE). However, TACE is also implicated in amyloid precursor protein secretion. Amyloid precursor protein (APP) undergoes constitutive and regulated secretion by alpha-secretase endoproteolytic cleavage within the amyloid beta peptide (Abeta) domain. Alternative cleavage at the N- and C-terminus of the Abeta domain by beta- and gamma-secretases results in the production of Abeta. In many cellular and in vivo animal models, increased secretion of APP results in a concomitant decrease in the production of Abeta suggesting that the two pathways are intricately linked. However, in human primary neuron cultures, increased APP secretion is not associated with a decrease in total Abeta production. To determine if the use of CP-661,631 may enhance amyloidogenic processing in human brain, we have assessed the effect of CP-661,631 on APP metabolism in primary cultures of human neurons. Our results show that CP-661,631 effectively prevents regulated APP secretion but does not increase total Abeta levels in human primary neuron cultures.
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) | 0,000 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».