MétaCan
Menu
Retour à la cohorte
Enregistrement W1970347605 · doi:10.1186/1742-2094-8-92

TLR4 mutation reduces microglial activation, increases Aβ deposits and exacerbates cognitive deficits in a mouse model of Alzheimer's disease

2011· article· en· W1970347605 sur OpenAlex
Min Song, Jingji Jin, Jeong-Eun Lim, Jinghong Kou, Abhinandan Pattanayak, Jamaal Rehman, Hong‐Duck Kim, Kazuki Tahara, Robert Lalonde, Ken-ichiro Fukuchi

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Neuroinflammation · 2011
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroinflammation and Neurodegeneration Mechanisms
Établissements canadiensUniversité de Montréal
Organismes subventionnairesNational Eye InstituteNational Institute on AgingNational Institutes of HealthAlzheimer's Association
Mots-clésMicrogliaTLR4Proinflammatory cytokineNeuroinflammationInnate immune systemChemokineImmunologyTREM2NeurodegenerationReceptorCognitive declineBiologyCell biologyMedicineImmune systemInflammationPathologyInternal medicineDiseaseDementia

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Amyloid plaques, a pathological hallmark of Alzheimer's disease (AD), are accompanied by activated microglia. The role of activated microglia in the pathogenesis of AD remains controversial: either clearing Aβ deposits by phagocytosis or releasing proinflammatory cytokines and cytotoxic substances. Microglia can be activated via toll-like receptors (TLRs), a class of pattern-recognition receptors in the innate immune system. We previously demonstrated that an AD mouse model homozygous for a loss-of-function mutation of TLR4 had increases in Aβ deposits and buffer-soluble Aβ in the brain as compared with a TLR4 wild-type AD mouse model at 14-16 months of age. However, it is unknown if TLR4 signaling is involved in initiation of Aβ deposition as well as activation and recruitment of microglia at the early stage of AD. Here, we investigated the role of TLR4 signaling and microglial activation in early stages using 5-month-old AD mouse models when Aβ deposits start. METHODS: Microglial activation and amyloid deposition in the brain were determined by immunohistochemistry in the AD models. Levels of cerebral soluble Aβ were determined by ELISA. mRNA levels of cytokines and chemokines in the brain and Aβ-stimulated monocytes were quantified by real-time PCR. Cognitive functions were assessed by the Morris water maze. RESULTS: While no difference was found in cerebral Aβ load between AD mouse models at 5 months with and without TLR4 mutation, microglial activation in a TLR4 mutant AD model (TLR4M Tg) was less than that in a TLR4 wild-type AD model (TLR4W Tg). At 9 months, TLR4M Tg mice had increased Aβ deposition and soluble Aβ42 in the brain, which were associated with decrements in cognitive functions and expression levels of IL-1β, CCL3, and CCL4 in the hippocampus compared to TLR4W Tg mice. TLR4 mutation diminished Aβ-induced IL-1β, CCL3, and CCL4 expression in monocytes. CONCLUSION: This is the first demonstration of TLR4-dependent activation of microglia at the early stage of β-amyloidosis. Our results indicate that TLR4 is not involved in the initiation of Aβ deposition and that, as Aβ deposits start, microglia are activated via TLR4 signaling to reduce Aβ deposits and preserve cognitive functions from Aβ-mediated neurotoxicity.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,782

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,062
Tête enseignante GPT0,262
Écart entre enseignants0,200 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle