Pluripotent stem cell-derived models of neurological diseases reveal early transcriptional heterogeneity
Notice bibliographique
Résumé
BACKGROUND: Many neurodegenerative diseases develop only later in life, when cells in the nervous system lose their structure or function. In many forms of neurodegenerative diseases, this late-onset phenomenon remains largely unexplained. RESULTS: Analyzing single-cell RNA sequencing from Alzheimer's disease (AD) and Huntington's disease (HD) patients, we find increased transcriptional heterogeneity in disease-state neurons. We hypothesize that transcriptional heterogeneity precedes neurodegenerative disease pathologies. To test this idea experimentally, we use juvenile forms (72Q; 180Q) of HD iPSCs, differentiate them into committed neuronal progenitors, and obtain single-cell expression profiles. We show a global increase in gene expression variability in HD. Autophagy genes become more stable, while energy and actin-related genes become more variable in the mutant cells. Knocking down several differentially variable genes results in increased aggregate formation, a pathology associated with HD. We further validate the increased transcriptional heterogeneity in CHD8+/- cells, a model for autism spectrum disorder. CONCLUSIONS: Overall, our results suggest that although neurodegenerative diseases develop over time, transcriptional regulation imbalance is present already at very early developmental stages. Therefore, an intervention aimed at this early phenotype may be of high diagnostic value.
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 | 0,000 | 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) | 0,001 | 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 ».