Effects of Neurotrophic Support and Amyloid-Targeted Combined Therapy on Adult Hippocampal Neurogenesis in a Transgenic Model of Alzheimer's Disease
Notice bibliographique
Résumé
Although it is recognized that multi-drug therapies may be necessary to combat AD, there is a paucity of preclinical proof of concept studies. We present a combination treatment paradigm, which temporally affects different aspects of Alzheimer's disease (AD)-like pathology, specifically Aβ-toxicity and neurogenesis. At early stages of AD-like pathology, in TgCRND8 mice, we found that combating Aβ pathology with scyllo-inositol ameliorated deficits in neurogenesis. Older TgCRND8 mice with established amyloid load had decreased progenitor cell proliferation and survival compared to non-transgenic mice, regardless of scyllo-inositol treatment. The prolonged exposure to Aβ-pathology leads to deficits in the neurogenic niche, thus targeting Aβ alone is insufficient to rescue neurogenesis. To support the neurogenic niche, we combined scyllo-inositol treatment with leteprinim potassium (neotrofin), the latter of which stimulates neurotrophin expression. We show that the combination treatment of scyllo-inositol and neotrofin enhances neuronal survival and differentiation. We propose this proof of concept combination therapy of targeting Aβ-pathology and neurotrophin deficits as a potential treatment for AD.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 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 ».