Alzheimer’s genetic risk factor FERMT2 (Kindlin-2) controls axonal growth and synaptic plasticity in an APP-dependent manner
Notice bibliographique
Résumé
Although APP metabolism is being intensively investigated, a large fraction of its modulators is yet to be characterized. In this context, we combined two genome-wide high-content screenings to assess the functional impact of miRNAs and genes on APP metabolism and the signaling pathways involved. This approach highlighted the involvement of FERMT2 (or Kindlin-2), a genetic risk factor of Alzheimer's disease (AD), as a potential key modulator of axon guidance, a neuronal process that depends on the regulation of APP metabolism. We found that FERMT2 directly interacts with APP to modulate its metabolism, and that FERMT2 underexpression impacts axonal growth, synaptic connectivity, and long-term potentiation in an APP-dependent manner. Last, the rs7143400-T allele, which is associated with an increased AD risk and localized within the 3'UTR of FERMT2, induced a downregulation of FERMT2 expression through binding of miR-4504 among others. This miRNA is mainly expressed in neurons and significantly overexpressed in AD brains compared to controls. Altogether, our data provide strong evidence for a detrimental effect of FERMT2 underexpression in neurons and insight into how this may influence AD pathogenesis.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».