MétaCan
Menu
Retour à la cohorte
Enregistrement W2973720548 · doi:10.1186/s13024-019-0339-z

Reduced sphingolipid hydrolase activities, substrate accumulation and ganglioside decline in Parkinson’s disease

2019· article· en· W2973720548 sur OpenAlexafffund
Mylene Huebecker, Elizabeth B. Moloney, Aarnoud C. van der Spoel, David A. Priestman, Ole Isacson, Penelope J. Hallett, Frances M. Platt

Notice bibliographique

RevueMolecular Neurodegeneration · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueLysosomal Storage Disorders Research
Établissements canadiensDalhousie University
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeNational Institute on AgingNational Institutes of HealthImperial College LondonNatural Sciences and Engineering Research Council of CanadaParkinson's UKWellcome TrustMcLean Hospital
Mots-clésGlycosphingolipidSubstantia nigraSphingolipidLysosomal storage diseaseBiologyGlucocerebrosidaseCeramideBiochemistryHaploinsufficiencyParkinson's diseaseEnzymeInternal medicineDiseaseMedicinePhenotypeGene

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Haploinsufficiency in the Gaucher disease GBA gene, which encodes the lysosomal glucocerebrosidase GBA, and ageing represent major risk factors for developing Parkinson's disease (PD). Recently, more than fifty other lysosomal storage disorder gene variants have been identified in PD, implicating lysosomal dysfunction more broadly as a key risk factor for PD. Despite the evidence of multiple lysosomal genetic risks, it remains unclear how sphingolipid hydrolase activities, other than GBA, are altered with ageing or in PD. Moreover, it is not fully known if levels of glycosphingolipid substrates for these enzymes change in vulnerable brain regions of PD. Finally, little is known about the levels of complex gangliosides in substantia nigra which may play a significant role in ageing and PD. METHODS: To study sphingolipid hydrolase activities and glycosphingolipid expression in ageing and in PD, two independent cohorts of human substantia nigra tissues were obtained. Fluorescent 4-methylumbelliferone assays were used to determine multiple enzyme activities. The lysosomal GBA and non-lysosomal GBA2 activities were distinguished using the inhibitor NB-DGJ. Sensitive and quantitative normal-phase HPLC was performed to study glycosphingolipid levels. In addition, glycosphingolipid levels in cerebrospinal fluid and serum were analysed as possible biomarkers for PD. RESULTS: The present study demonstrates, in two independent cohorts of human post-mortem substantia nigra, that sporadic PD is associated with deficiencies in multiple lysosomal hydrolases (e.g. α-galactosidase and β-hexosaminidase), in addition to reduced GBA and GBA2 activities and concomitant glycosphingolipid substrate accumulation. Furthermore, the data show significant reductions in levels of complex gangliosides (e.g. GM1a) in substantia nigra, CSF and serum in ageing, PD, and REM sleep behaviour disorder, which is a strong predictor of PD. CONCLUSIONS: These findings conclusively demonstrate reductions in GBA activity in the parkinsonian midbrain, and for the first time, reductions in the activity of several other sphingolipid hydrolases. Furthermore, significant reductions were seen in complex gangliosides in PD and ageing. The diminished activities of these lysosomal hydrolases, the glycosphingolipid substrate accumulation, and the reduced levels of complex gangliosides are likely major contributors to the primary development of the pathology seen in PD and related disorders with age.

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: Observationnel · Signal consensuel: Observationnel
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
Bibliométrie0,0010,000
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 Opus0,021
Tête enseignante GPT0,290
Écart entre enseignants0,269 · 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'étudeObservationnel
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

Citations171
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMolecular NeurodegenerationMême sujetLysosomal Storage Disorders ResearchTravaux en français237 207