Microglia Kv1.3 Channels Contribute to Their Ability to Kill Neurons
Notice bibliographique
Résumé
Many CNS disorders involve an inflammatory response that is orchestrated by cells of the innate immune system: macrophages, neutrophils, and microglia (the endogenous CNS immune cell). Hence, there is considerable interest in anti-inflammatory strategies that target these cells. Microglia express Kv1.3 (KCNA3) channels, which we showed previously are important for their proliferation and the NADPH-mediated respiratory burst. Here, we demonstrate the potential for targeting Kv1.3 channels to control CNS inflammation. Rat microglia express Kv1.2, Kv1.3, and Kv1.5 transcripts and protein, but only a Kv1.3 current was detected. When microglia were activated with lipopolysaccharide or a phorbol ester, only the Kv1.3 transcript (but not protein) expression changed. Using a Transwell cell-culture system that allows separate drug treatment of microglia or neurons, we found that activated microglia killed postnatal hippocampal neurons through a process that requires Kv1.3 channel activity in microglia but not in neurons. A major neurotoxic molecule in this model was peroxynitrite, which is formed from superoxide and nitric oxide; thus, it is significant that Kv1.3 channel blockers reduced the respiratory burst, but not nitric oxide production, by the activated microglia. In addressing the biochemical pathway affected by Kv1.3 channel activity, we found that Kv1.3 acts via a different cellular mechanism from the broad-spectrum drug minocycline, which is often used in animal models of neuroinflammation. That is, the dose-dependent reduction in neuron killing by minocycline corresponded with a reduction in p38 mitogen-activated protein kinase activation in microglia; however, none of the Kv1.3 blockers affected p38 activation.
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 | 0,001 | 0,004 |
| 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 | 0,000 |
| 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 ».