Progranulin promotes neurite outgrowth and neuronal differentiation by regulating GSK-3β
Notice bibliographique
Résumé
Progranulin (PGRN) has recently emerged as a key player in a subset of frontotemporal dementias (FTD). Numerous mutations in the progranulin gene have been identified in patients with familial or sporadic frontotemporal lobar degeneration (FTLD). In order to understand the molecular mechanisms by which PGRN deficiency leads to FTLD, we examined activity of PGRN in mouse cortical and hippocampal neurons and in human neuroblastoma SH-SY5Y cells. Treatment of mouse neurons with PGRN protein resulted in an increase in neurite outgrowth, supporting the role of PGRN as a neurotrophic factor. PGRN treatment stimulated phosphorylation of glycogen synthase kinase-3 beta (GSK-3β) in cultured neurons. Knockdown of PGRN in SH-SY5Y cells impaired retinoic acid induced differentiation and reduced the level of phosphorylated GSK-3β. PGRN knockdown cells were also more sensitized to staurosporine-induced apoptosis. These results reveal an important role of PGRN in neurite outgrowth and involvement of GSK-3β in mediating PGRN activity. Identification of GSK-3β activation as a downstream event for PGRN signaling provides a mechanistic explanation for PGRN activity in the nervous system. Our work also suggest that loss of axonal growth stimulation during neural injury repair or deficits in axonal repair may contribute to neuronal damage or axonal loss in FTLD associated with PGRN mutations. Finally, our study suggests that modulating GSK-3β or similar signaling events may provide therapeutic benefits for FTLD cases associated with PGRN mutations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».