Prion Protein Deficiency Causes Diverse Proteome Shifts in Cell Models That Escape Detection in Brain Tissue
Notice bibliographique
Résumé
A popular method for studying the function of a given protein is to generate and characterize a suitable model deficient for its expression. For the prion protein (PrP), best known for its role in several invariably fatal neurodegenerative diseases, a natural choice, therefore, would be to undertake such studies with brain samples. We recently documented the surprising observation that PrP deficiency caused a loss or enhancement of NCAM1 polysialylation, dependent on the cell model used. To identify possible causes for this disparity, we set out to systematically investigate the consequence of PrP deficiency on the global proteome in brain tissue and in four distinct cell models. Here we report that PrP deficiency causes robust but surprisingly divergent changes to the global proteomes of cell models but has no discernible impact on the global brain proteome. Amongst >1,500 proteins whose levels were compared in wild-type and PrP-deficient models, members of the MARCKS protein family exhibited pronounced, yet cell model-dependent changes to their steady-state levels. Follow-up experiments revealed that PrP collaborates with members of the MARCKS protein family in its control of NCAM1 polysialylation. We conclude that the physiological function of PrP may be masked in analyses of complex brain samples but its cell-type specific influence on a lipid raft-based NCAM1-related cell biology comes to the fore in investigations of specific cell types.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».