Quantitative Retinal Protein Analysis after Optic Nerve Transection Reveals a Neuroprotective Role for Hepatoma-Derived Growth Factor on Injured Retinal Ganglion Cells
Notice bibliographique
Résumé
PURPOSE: Retinal ganglion cell (RGC) degeneration is an important cause of visual impairment and can be modeled by optic nerve transection, which causes the death of 90% of RGCs within 14 days postaxotomy. We performed a proteomic study to identify and quantify proteins in the rat retina after optic nerve transection. Our goal was to isolate potential targets for therapeutic intervention to prevent RGC degeneration. METHODS: iTRAQ proteomics was used to analyze adult rat retinas at 1, 3, 4, 7, 14, and 21 days postaxotomy. Hepatoma-derived growth factor (HDGF), a target identified by iTRAQ, was delivered by intraocular injections. Wortmannin or PD98059 were coadministered with HDGF to determine if the protective effects of HDGF are dependent on PI3 kinase or MAP kinase activity, respectively. RESULTS: At a false-discovery rate of 5%, 216 proteins were identified by iTRAQ proteomics, 71 of which showed changes in expression (<0.7× or >1.3×) at one time point after injury: 52 proteins had expression peaks, whereas 19 showed downward expression spikes. Levels of GAPDH did not change after axotomy. Among these differentially expressed proteins was HDGF. HDGF delivery significantly increased RGC survival compared with control treatments, and increased Akt phosphorylation in the retina at 24 hours after intraocular injection. RGC rescue by HDGF was dependent on both MAP kinase and PI3 kinase activity in the retina. CONCLUSIONS: We have identified numerous proteins that are differentially regulated at key time points after axotomy, and how the temporal profiles of their expression parallel RGC death. Using these data, we showed that HDGF is a potent neuroprotective factor for injured adult RGCs.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| 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 ».