Gene-environment interaction promotes Alzheimer's risk as revealed by synergy of repeated mild traumatic brain injury and mouse App knock-in
Notice bibliographique
Résumé
There is a strong unmet need for translational progress towards Alzheimer's disease (AD) modifying therapy. Unfortunately, preclinical modeling of the disease has been disappointing, relying primarily on transgenic mouse overexpression of rare dominant mutations. Clinical manifestation of AD symptoms is known to reflect interaction between environmental and genetic risks. Mild traumatic brain injury (mTBI) is an environmental risk for dementia, including Alzheimer's, but there has been limited mechanistic analysis of mTBI contribution to AD. Here, we investigate the interplay between mTBI and Aβ precursor protein gene mutation in AD pathogenesis. We employed a knock-in (KI) model of AD that expresses the Aß-containing exons from human APP bearing the Swedish and Iberian mutations, namely AppNL-F/NL-F mice. Without environmental risk, this genetic variation yields minimal mouse symptomatology. Anesthetized 4-month-old KI mice and their age-matched wild type (WT) controls were subjected to repeated mild closed head injury (rmCHI), once daily for 14 days. Anesthetized, uninjured genotype- and age-matched mice were used as sham controls. At 3- and 8-months post-injury, amyloid-β, phospho-tau and Iba1 expression in the injured KI cortices were assessed. Our data reveal that rmCHI enhances accumulation of amyloid-β and hyperphosphorylated tau inclusions, as well as neuroinflammation in AppNL-F/NL-F mice. Furthermore, novel object recognition and Morris water maze tests demonstrated that rmCHI greatly exacerbates persistent cognitive deficits in APPNL-F/NL-F mice. Therefore, study of gene-environment interaction demonstrates that combining risk factors provides a more robust model for AD, and that repeated mTBI substantially accelerates AD pathology in a genetically susceptible situation.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».