MétaCan
Menu
← Retour à la cohorte
Enregistrement W2030487055 · doi:10.1371/journal.pone.0112170

FRET-FLIM Investigation of PSD95-NMDA Receptor Interaction in Dendritic Spines; Control by Calpain, CaMKII and Src Family Kinase

2014· article· en· W2030487055 sur OpenAlexafffund
Kim Doré, Simon Labrecque, Christian Tardif, Paul De Koninck

Notice bibliographique

RevuePLoS ONE · 2014
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neuropharmacology Research
Établissements canadiensInstitut Universitaire en Santé Mentale de QuébecUniversité Laval
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésNMDA receptorDendritic spineFörster resonance energy transferCalpainSynaptic plasticityCell biologyBiologySrc family kinaseHippocampal formationNeuroscienceKinaseReceptorProto-oncogene tyrosine-protein kinase SrcBiochemistryEnzyme

Résumé

récupéré en direct d'OpenAlex

Little is known about the changes in protein interactions inside synapses during synaptic remodeling, as their live monitoring in spines has been limited. We used a FRET-FLIM approach in developing cultured rat hippocampal neurons expressing fluorescently tagged NMDA receptor (NMDAR) and PSD95, two essential proteins in synaptic plasticity, to examine the regulation of their interaction. NMDAR stimulation caused a transient decrease in FRET between the NMDAR and PSD95 in spines of young and mature neurons. The activity of both CaMKII and calpain were essential for this effect in both developmental stages. Meanwhile, inhibition of Src family kinase (SFK) had opposing impacts on this decrease in FRET in young versus mature neurons. Our data suggest concerted roles for CaMKII, SFK and calpain activity in regulating activity-dependent separation of PSD95 from GluN2A or GluN2B. Finally, we found that calpain inhibition reduced spine growth that was caused by NMDAR activity, supporting the hypothesis that PSD95-NMDAR separation is implicated in synaptic remodeling.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,067
Tête enseignante GPT0,293
Écart entre enseignants0,226 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetNeuroscience and Neuropharmacology Research→Travaux en français237 207→