Neuronal RNA‐binding protein dysfunction in multiple sclerosis cortex
Notice bibliographique
Résumé
OBJECTIVE: Neurodegeneration is thought to be the primary cause of neurological disability in multiple sclerosis (MS). Dysfunctional RNA-binding proteins (RBPs) including their mislocalization from nucleus to cytoplasm, stress granule formation, and altered RNA metabolism have been found to underlie neurodegeneration in amyotrophic lateral sclerosis and frontotemporal dementia. Yet, little is known about the role of dysfunctional RBPs in the pathogenesis of neurodegeneration in MS. As a follow-up to our seminal finding of altered RBP function in a single case of MS, we posited that there would be evidence of RBP dysfunction in cortical neurons in MS. METHODS: Cortical neurons from 12 MS and six control cases were analyzed by immunohistochemistry for heterogeneous nuclear ribonucleoprotein A1 (hnRNP A1) and TAR-DNA-binding protein-43 (TDP-43). Seven distinct neuronal phenotypes were identified based on the nucleocytoplasmic staining of these RBPs. Statistical analyses were performed by analyzing each phenotype in relation to MS versus controls. RESULTS: Analyses revealed a continuum of hnRNP A1 and TDP-43 nucleocytoplasmic staining was found in cortical neurons, from neurons with entirely nuclear staining with little cytoplasmic staining in contrast to those with complete nuclear depletion of RBPs concurrent with robust cytoplasmic staining. The neuronal phenotypes that showed the most nucleocytoplasmic mislocalization of hnRNP A1 and TDP-43 statistically distinguished MS from control cases (P < 0.01, P < 0.001, respectively). INTERPRETATION: The discovery of hnRNP A1 and TDP-43 nucleocytoplasmic mislocalization in neurons in MS brain demonstrate that dysfunctional RBPs may play a role in neurodegeneration in MS, as they do in other neurological diseases.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».