Environmental toxicant exposure and Parkinson’s disease: LRRK2 and inflammatory processes
Notice bibliographique
Résumé
Parkinson's disease (PD) results from the progressive loss of dopamine producing neurons in the Substantia Nigra pars comapcta (SNc).This loss is thought to occur over several years to decades and current evidence suggests that neuroinflammation may play a central role in this loss.Numerous epidemiological studies have implicated chronic exposure to environmental toxicants such as heavy metals and pesticides to risk of developing PD.Indeed, many of these risk factors have been validated as rodent models of PD, able to induce dopaminergic cell loss in the SNc as well as motor dysfunction.While research strongly supports a role for environmental toxicants and inflammation in PD relatively little work has examined the interactions between these toxicants and other risk factors including senescence, genetic vulnerabilities, the gut microbiota or immunogens.Thus, the present dissertation set out to investigate the interactions between these factors in PD to determine which factors may be of greatest relevance in further animal models of the disease.We presently demonstrated that interaction of diverse environmental and genetic factors contributed to the neuroinflammatory and PD-like neurodegeneration.We found that exposure to paraquat led to neuroinflammatory consequences persisting over six months and provide evidence that at this time point further inflammatory processes arise.We also found that LPS and paraquat treatment did not significantly alter the gut microbiome or gut inflammasome; however, in combination with dextran sodium sulphate (DSS) we found greatly increased pro-inflammatory factors.Using mice overexpressing the LRRK2 gene, G2019S, we found no changes in sickness, inflammation or neurodegeneration following paraquat treatment.However, the G2019S overexpressing mice did display augmented stressor effects.Further experiments revealed that G2019S knock-in mice showed increased signs of inflammation and that this was reversed by the CSF-1 iii
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,004 |
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 ».