MétaCan
Menu
Retour à la cohorte
Enregistrement W2107122950 · doi:10.1371/journal.pone.0069824

High Glucose Promotes Aβ Production by Inhibiting APP Degradation

2013· article· en· W2107122950 sur OpenAlexafffund
Yi Yang, Yili Wu, Shuting Zhang, Weihong Song

Notice bibliographique

RevuePLoS ONE · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueAlzheimer's disease research and treatments
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésDegradation (telecommunications)Production (economics)ChemistryComputer science

Résumé

récupéré en direct d'OpenAlex

Abnormal deposition of neuriticplaques is the uniqueneuropathological hallmark of Alzheimer's disease (AD).Amyloid β protein (Aβ), the major component of plaques, is generated from sequential cleavage of amyloidβ precursor protein (APP) by β-secretase and γ-secretase complex. Patients with diabetes mellitus (DM), characterized by chronic hyperglycemia,have increased risk of AD development.However, the role of high blood glucose in APP processing and Aβ generation remains elusive. In this study, we investigated the effect of high glucose on APP metabolism and Aβ generation in cultured human cells. We found that high glucose treatment significantly increased APP protein level in both neuronal-like and non-neuronal cells, and promoted Aβ generation. Furthermore, we found that high glucose-induced increase of APP level was not due to enhancement of APP gene transcription but resulted from inhibition of APP protein degradation. Taken together, our data indicated that hyperglycemia could promote AD pathogenesis by inhibiting APP degradation and enhancing Aβ production. More importantly, the elevation of APP level and Aβ generation by high glucose was caused by reduction of APP turnover rate.Thus,our study provides a molecular mechanism of increased risk of developing AD in patients withDMand suggests thatglycemic control might be potentially beneficial for reducing the incidence of AD in diabetic patients and delaying the AD progression.

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 seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,041
Tête enseignante GPT0,261
Écart entre enseignants0,220 · 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

Citations76
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetAlzheimer's disease research and treatmentsTravaux en français237 207