Low sulfated heparins target multiple proteins for central nervous system repair
Notice bibliographique
Résumé
The lack of endogenous repair following spinal cord injury (SCI) accounts for the frequent permanent deficits for which effective treatments are absent. Previously, we demonstrated that low sulfated modified heparin mimetics (LS-mHeps) attenuate astrocytosis, suggesting they may represent a novel therapeutic approach. mHeps are glycomolecules with structural similarities to resident heparan sulfates (HS), which modulate cell signaling by both sequestering ligands, and acting as cofactors in the formation of ligand-receptor complexes. To explore whether mHeps can affect the myelination and neurite outgrowth necessary for repair after SCI, we created lesioned or demyelinated neural cell co-cultures and exposed them with a panel of mHeps with varying degrees and positions of their sulfate moieties. LS-mHep7 enhanced neurite outgrowth and myelination, whereas highly sulfated mHeps (HS-mHeps) had attenuating effects. LS-mHeps had no effects on myelination or neurite extension in developing, uninjured myelinating cultures, suggesting they might exert their proregenerating effects by modulating or sequestering inhibitory factors secreted after injury. To investigate this, we examined conditioned media from cultures using chemokine arrays and conducted an unbiased proteomics approach by applying TMT-LC/MS to mHep7 affinity purified conditioned media from these cultures. Multiple protein factors reported to play a role in damage or repair mechanisms were identified, including amyloid betaA4. Amyloid beta peptide (1-42) was validated as an important candidate by treating myelination cultures and shown to inhibit myelination. Thus, we propose that LS-mHeps exert multiple beneficial effects on mechanisms supporting enhanced repair, and represent novel candidates as therapeutics for CNS damage.
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 ».