Progranulin: normal function and role in neurodegeneration
Notice bibliographique
Résumé
Progranulin (PGRN) is a multifunctional protein that has attracted significant attention in the neuroscience community following the recent discovery of PGRN mutations in some cases of frontotemporal dementia. Most of the pathogenic mutations result in null alleles, and it is thought that frontotemporal dementia in these families results from PGRN haploinsufficiency. The neuropathology associated with PGRN mutations is characterized by the presence of tau-negative, ubiquitin-immunoreactive neuronal inclusions (frontotemporal lobar degeneration with ubiquitinated inclusions) that are also positive for the transactivation response DNA binding protein with M(r) 43 kD. The clinical phenotype includes behavioral abnormalities, language disorders and parkinsonism but not motor neuron disease. There is significant clinical variation between families with different PGRN mutations and among members of individual families. The normal function of PGRN is complex, with the full-length form of the protein having trophic and anti-inflammatory activity, whereas proteolytic cleavage generates granulin peptides that promote inflammatory activity. In the periphery, PGRN functions in wound healing responses and modulates inflammatory events. In the CNS, PGRN is expressed by neurons and microglia; consequently, reduced levels of PGRN could affect both neuronal survival and CNS inflammatory processes. In this review, we discuss current knowledge of the molecular genetics, neuropathology, clinical phenotype and functional aspects of PGRN in the context of neurodegenerative disease.
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 | 0,000 | 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 ».