Cross-talk between amyloidogenic proteins in type-2 diabetes and Parkinson’s disease
Notice bibliographique
Résumé
In type-2 diabetes (T2D) and Parkinson's disease (PD), polypeptide assembly into amyloid fibers plays central roles: in PD, α-synuclein (aS) forms amyloids and in T2D, amylin [islet amyloid polypeptide (IAPP)] forms amyloids. Using a combination of biophysical methods in vitro we have investigated whether aS, IAPP, and unprocessed IAPP, pro-IAPP, polypeptides can cross-react. Whereas IAPP forms amyloids within minutes, aS takes many hours to assemble into amyloids and pro-IAPP aggregates even slower under the same conditions. We discovered that preformed amyloids of pro-IAPP inhibit, whereas IAPP amyloids promote, aS amyloid formation. Amyloids of aS promote pro-IAPP amyloid formation, whereas they inhibit IAPP amyloid formation. In contrast, mixing of IAPP and aS monomers results in coaggregation that is faster than either protein alone; moreover, pro-IAPP can incorporate aS monomers into its amyloid fibers. From this intricate network of cross-reactivity, it is clear that the presence of IAPP can accelerate aS amyloid formation. This observation may explain why T2D patients are susceptible to developing PD.
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) | 0,000 | 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 | 0,001 | 0,001 |
| 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 ».