Modulation of Presynaptic Plasticity and Learning by the H-ras/Extracellular Signal-Regulated Kinase/Synapsin I Signaling Pathway
Notice bibliographique
Résumé
Molecular and cellular studies of the mechanisms underlying mammalian learning and memory have focused almost exclusively on postsynaptic function. We now reveal an experience-dependent presynaptic mechanism that modulates learning and synaptic plasticity in mice. Consistent with a presynaptic function for endogenous H-ras/extracellular signal-regulated kinase (ERK) signaling, we observed that, under normal physiologic conditions in wild-type mice, hippocampus-dependent learning stimulated the ERK-dependent phosphorylation of synapsin I, and MEK (MAP kinase kinase)/ERK inhibition selectively decreased the frequency of miniature EPSCs. By generating transgenic mice expressing a constitutively active form of H-ras (H-rasG12V), which is abundantly localized in axon terminals, we were able to increase the ERK-dependent phosphorylation of synapsin I. This resulted in several presynaptic changes, including a higher density of docked neurotransmitter vesicles in glutamatergic terminals, an increased frequency of miniature EPSCs, and increased paired-pulse facilitation. In addition, we observed facilitated neurotransmitter release selectively during high-frequency activity with consequent increases in long-term potentiation. Moreover, these mice showed dramatic enhancements in hippocampus-dependent learning. Importantly, deletion of synapsin I, an exclusively presynaptic protein, blocked the enhancements of learning, presynaptic plasticity, and long-term potentiation. Together with previous invertebrate studies, these results demonstrate that presynaptic plasticity represents an important evolutionarily conserved mechanism for modulating learning and memory.
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 | 0,003 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».