Serotonin activates S6 kinase in a rapamycin-sensitive manner in Aplysia synaptosomes.
Notice bibliographique
Résumé
The identification of tags that can specifically mark activated synapses is important for understanding how long-term synaptic changes can be restricted to specific synapses. The maintenance of synapse-specific facilitation in Aplysia sensory to motor neuron cultures can be blocked by inhibitors of translation and by the drug rapamycin, which specifically blocks a signaling pathway that regulates phosphorylation of translational regulators. One important target of rapamycin is the phosphorylation and subsequent activation of S6 kinase. To test whether S6 kinase is the target for the ability of rapamycin to block synapse-specific facilitation in Aplysia, we cloned Aplysia S6 kinase, its substrate S6, and the S6 kinase kinase phosphoinositide-dependent kinase 1 (PDK-1). Serotonin, which induces synapse-specific facilitation, increased phosphorylation of Aplysia S6 kinase at threonine 399 in a rapamycin-sensitive manner in Aplysia synaptosomes. The phosphorylation of threonine 399 by 5-HT was independent of phosphoinositide-3 kinase, dependent on PKA and PKC, and occluded by the phosphatase inhibitor calyculin-A. 5-HT also increased S6 kinase activity and led to increased phosphorylation of S6 in synaptosomes. 5-HT increased levels of S6 in synaptosomes because of a rapamycin-sensitive increase in translation-stabilization of S6. Aplysia PDK-1 bound to and phosphorylated Aplysia S6 kinase but only modulated phosphorylation of threonine 399 indirectly. These results suggest a mechanism by which the levels of translation factors can be increased specifically at activated synapses generating a long-lasting synaptic tag.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».