Introduction of human apolipoprotein E4 “domain interaction” into mouse apolipoprotein E
Notice bibliographique
Résumé
Human apolipoprotein E4 (apoE4) binds preferentially to lower density lipoproteins, including very low density lipoproteins, and is associated with increased risk of atherosclerosis and neurodegenerative disorders, including Alzheimer's disease. This binding preference is the result of the presence of Arg-112, which causes Arg-61 in the amino-terminal domain to interact with Glu-255 in the carboxyl-terminal domain. ApoE2 and apoE3, which have Cys-112, bind preferentially to high density lipoproteins (HDL) and do not display apoE4 domain interaction. Mouse apoE, like apoE4, contains the equivalent of Arg-112 and Glu-255, but lacks the critical Arg-61 equivalent (it contains Thr-61). Thus, mouse apoE does not display apoE4 domain interaction and, as a result, behaves like human apoE3, including preferential binding to HDL. To assess the potential role of apoE4 domain interaction in atherosclerosis and neurodegeneration, we sought to introduce apoE4 domain interaction into mouse apoE. Replacing Thr-61 in mouse apoE with arginine converted the binding preference from HDL to very low density lipoproteins in vitro, suggesting that apoE4 domain interaction could be introduced into mouse apoE in vivo. Using gene targeting in embryonic stem cells, we created mice expressing Arg-61 apoE. Heterozygous Arg-61/wild-type apoE mice displayed two phenotypes found in human apoE4/E3 heterozygotes: preferential binding to lower density lipoproteins and reduced abundance of Arg-61 apoE in the plasma, reflecting its more rapid catabolism. These findings demonstrate the successful introduction of apoE4 domain interaction into mouse apoE in vivo. The Arg-61 apoE mouse model will allow the effects of apoE4 domain interaction in lipoprotein metabolism, atherosclerosis, and neurodegeneration to be determined.
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 | 0,002 | 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».