Notice bibliographique
Résumé
Prion diseases share common features on a sub-cellular level with many neurodegenerative diseases including Alzheimer disease; the most prevalent neurodegenerative disease world-wide. The most obvious similarity is the accumulation of misfolded forms of the host proteins which forms aggregates in the brains of patients. Remarkably, one of the earliest pathological changes detected in degenerating brain tissue, well before clinical symptoms are observed, is synaptic dysfunction and loss. This pathology was recently shown to be reversible in early stages of mouse prion disease suggesting that synaptic regeneration and reestablishment of neuronal function is possible. Determination of the molecular events that underlie synapse degeneration and how this eventually results in neuronal loss is therefore a research priority that may contribute to the search for new therapeutic interventions for neurodegenerative disorders. Functional genomic studies using unbiased whole genome expression analyses represent one method that can provide insights into these perplexing processes. However, transcriptional profiles from brain tissues are representative of a heterogeneous mixture of cell types that effectively mask the expression of low abundance transcripts, or molecular changes that occur only in a small population of affected neurons. One method that was recently applied to address these challenges was laser capture microdissection which was used to effectively isolate the CA1 neuronal rich region of the hippocampus prior to RNA extraction. Profiling of both mRNAs and microRNAs revealed previously unidentified neuronal-specific genes and expression signatures that are relevant to understanding the pathophysiological processes involved in preclinical stages of prion disease. In this review we will highlight these molecular signatures and discuss their implications with respect to prion-induced neurodegeneration.
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 | 0,000 |
| 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 ».