Amyloid-β Peptides Stimulate the Expression of the p75NTR Neurotrophin Receptor in SHSY5Y Human Neuroblastoma Cells and AD Transgenic Mice
Notice bibliographique
Résumé
The progression toward end-stage Alzheimer's disease (AD) in the aging brain is driven by accumulating amyloid-beta (Abeta)(1-42) oligomers that is accompanied by the downregulation of the Trk A neurotrophin receptor and by either upregulation or at least maintenance of the p75 neurotrophin receptor (p75(NTR)), which can be stimulated by the accumulating Abeta(1-42) peptides. Here we show that Abeta(1-42) and its active fragment Abeta(25-35), but not Abeta(42-1), can at least double the level of p75(NTR) receptors in the membranes of model SH-SY5Y human neuroblastoma cells. We also show that p75(NTR) is upregulated in the hippocampi of two strains of AD transgenic mice. Specifically, the level of the p75(NTR) receptor in the hippocampal membranes from 12-15 month old AD-triple transgenic mice (3xTg-AD) harboring PS1 (M146V), AbetaPP (Swe), and tau (P301L) was nearly twice that in hippocampal membranes from age-matched wild-type mice. Similarly, the level of p75 (NTR) receptor in 7 month-old B6.Cg-Tg AD mice harboring PSEN1dE9 and AbetaPP (Swe) was also increased above the level in the corresponding wild-type mice. This increase correlated with the age-dependent rise in Abeta(1-42) levels in the AD mice. Thus, it appears that it could be the accumulating Abeta(1-42) that increases or at least prevents the downregulation of p75 (NTR) receptors in key parts of AD brains. It is possible that when the Abeta (1-42) accumulation reaches a critical level in the brain on the way to late-onset AD, the Abeta (1-42) induced p75 (NTR) receptor signaling starts a vicious cycle that accelerates AD development because of the activated receptors' recently shown ability to stimulate Abeta(1-42) production.
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) | 0,000 | 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 | 0,001 |
| 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 ».