MétaCan
Menu
← Retour à la cohorte
Enregistrement W2946995393 · doi:10.1101/633867

Phosphatidylinositol Cycle Disruption is Central to Atypical Hemolytic-Uremic Syndrome Caused by Diacylglycerol Kinase Epsilon Deficiency

2019· preprint· en· W2946995393 sur OpenAlexfundno aff
Vincent So, Jing Wu, Alexis Traynor‐Kaplan, Christopher H. Choy, Richard M. Epand, Roberto J. Botelho, Mathieu Lemaire

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2019
Typepreprint
Langueen
DomaineMedicine
ThématiquePancreatic function and diabetes
Établissements canadiensnon disponible
Organismes subventionnairesSickkids Research InstituteCanadian Institutes of Health ResearchHospital for Sick ChildrenCanadian Child Health Clinician Scientist Program
Mots-clésDiacylglycerol kinasePhosphatidylinositolLipidomicsPhospholipase CAtypical hemolytic uremic syndromeDiglycerideChemistryBiochemistryBiologyKinaseEndocrinologyInternal medicineProtein kinase CMedicineSignal transductionImmunologyEnzyme

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Background Loss-of-function mutations in diacylglycerol kinase epsilon ( DGKE ) cause a rare form of atypical hemolytic-uremic syndrome (aHUS) for which there is no treatment besides kidney transplantation. Highly expressed in kidney endothelial cells, DGKE is a lipid kinase that phosphorylates diacylglycerol (DAG) to phosphatic acid (PA). Specifically, DGKE’s preferred substrate is 38:4-DAG, that is DAG containing stearic acid (18:0) and arachidonic acid (20:4). DAG is produced when phosphatidylinositol 4,5- bis phosphate (PtdIns(4,5)P 2 ) is cleaved by phospholipase C (PLC). A better understanding of how DGKE deficiency impacts the endothelial lipid landscape is critical to developing a treatment for this condition. Methods We used orthogonal methods to compare the lipid levels in two novel models of DGKE deficiency to their respective controls: an immortalized human umbilical vein endothelial cell (iHUVEC) engineered with CRISPR/Cas9 and a blood outgrowth endothelial cell (BOEC) from an affected patient. Methods included mass spectrometry lipidomics, radiolabeling of phosphoinositides with [ 3 H] myo -inositol, and live-tracking of a transfected fluorescent PtdIns(4,5)P 2 biosensor. Results Unexpectedly, mass spectrometry lipidomics data revealed that high 38:4-DAG was not observed in the two DGKE -deficient models. Instead, a reduction in 38:4-PtdIns(4,5)P 2 was the major abnormality.These results were confirmed with the other two methods in DGKE -deficient iHUVEC. Conclusion Reduced 38:4-PtdIns(4,5)P 2 —but not increased 38:4-DAG—is likely to be key to the pro-thrombotic phenotype exhibited by patients with DGKE aHUS. TRANSLATIONAL STATEMENT Mutations in DGKE cause a severe renal thrombotic microangiopathy that affects young children and leads to end-stage renal disease before adulthood. DGKE preferentially phosphorylates diacylglycerol to its corresponding phosphatidic acid (PA), which is then used to synthesize PtdIns(4,5)P 2 via the phosphatidylinositol cycle. Understanding the disease pathophysiology is necessary to develop a treatment to prevent this outcome. This paper describes how we applied mass spectrometry lipidomics to two novel models of DGKE deficiency to investigate how this defect impacts the levels of diacylglycerol, PA and related phosphoinositides in endothelia. Unexpectedly, our data show that the critical abnormality caused by DGKE deficiency is not high diacylglycerol, but rather low PtdIns(4,5)P 2 . Restoring endothelial PtdIns(4,5)P 2 homeostasis may be the cornerstone to treat these patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,229
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetPancreatic function and diabetes→Travaux en français237 207→