Live cell imaging and biophotonic methods reveal two types of mutant huntingtin inclusions
Notice bibliographique
Résumé
Huntington's disease (HD) is an autosomal dominant, neurodegenerative disorder that can be characterized by the presence of protein inclusions containing mutant huntingtin within a subset of neurons in the brain. Since their discovery, the relevance of inclusions to disease pathology has been controversial. We show using super-resolution fluorescence imaging and Förster resonance energy transfer (FRET) in live cells, that mutant huntingtin fragments can form two morphologically and conformationally distinct inclusion types. Using fluorescence recovery after photobleaching (FRAP), we demonstrate that the two huntingtin inclusion types have unique dynamic properties. The ability to form one or the other type of inclusion can be influenced by the phosphorylation state of serine residues at amino acid positions 13 and 16 within the huntingtin protein. We can define two types of inclusions: fibrillar, which are tightly packed, do not exchange protein with the soluble phase, and result from phospho-modification at serines 13 and 16 of the N17 domain, and globular, which are loosely packed, can readily exchange with the soluble phase, and are not phosphorylated in N17. We hypothesize that the protective effect of N17 phosphorylation or phospho-mimicry seen in animal models, at the level of protein inclusions with elevated huntingtin levels, is to induce a conformation of the huntingtin amino-terminus that causes fragments to form tightly packed inclusions that do not exit the insoluble phase, and hence exert less toxicity. The identification of these sub-types of huntingtin inclusions could allow for drug discovery to promote protective inclusions of mutant huntingtin protein in HD.
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) | 0,000 | 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 | 0,001 |
| 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 ».