ROCK inhibition as a therapy for spinal muscular atrophy: understanding the repercussions on multiple cellular targets
Notice bibliographique
Résumé
Spinal muscular atrophy (SMA) is the most common genetic disease causing infant death, due to an extended loss of motoneurons. This neuromuscular disorder results from deletions and/or mutations within the Survival Motor Neuron 1 (SMN1) gene, leading to a pathological decreased expression of functional full-length SMN protein. Emerging studies suggest that the small GTPase RhoA and its major downstream effector Rho kinase (ROCK), which both play an instrumental role in cytoskeleton organization, contribute to the pathology of motoneuron diseases. Indeed, an enhanced activation of RhoA and ROCK has been reported in the spinal cord of an SMA mouse model. Moreover, the treatment of SMA mice with ROCK inhibitors leads to an increased lifespan as well as improved skeletal muscle and neuromuscular junction pathology, without preventing motoneuron degeneration. Although motoneurons are the primary target in SMA, an increasing number of reports show that other cell types inside and outside the central nervous system contribute to SMA pathogenesis. As administration of ROCK inhibitors to SMA mice was systemic, the improvement in survival and phenotype could therefore be attributed to specific effects on motoneurons and/or on other non-neuronal cell types. In the present review, we will present the various roles of the RhoA/ROCK pathway in several SMA cellular targets including neurons, myoblasts, glial cells, cardiomyocytes and pancreatic cells as well as discuss how ROCK inhibition may ameliorate their health and function. It is most likely a concerted influence of ROCK modulation on all these cell types that ultimately lead to the observed benefits of pharmacological ROCK inhibition in SMA mice.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».