Effect of spatial learning on the protein tyrosine phosphatase STEP
Notice bibliographique
Résumé
La protéine Striatal-Enriched Protein Tyrosine Phosphatase (STEP) joue un rôle important dans la régulation de la force synaptique, notamment par sa capacité à s'opposer au renforcement synaptique et à encourager la dépression à long terme. Des niveaux anormaux de STEP peuvent altérer l'apprentissage et la mémoire et ont été impliqués dans une variété de troubles neuropsychiatriques tels que la maladie d'Alzheimer. Bien qu'il existe de nombreux substrats et régulateurs connus de STEP, la gamme complète des molécules capables d'intéragir avec STEP reste à découvrir. Dans cette étude, nous avons utilisé deux méthodes complémentaires afin de trouver de nouveaux intéracteurs de STEP: l'identification par proximité à la biotine (BioID) et la purification par affinité couplée à la spectrométrie de masse (AP-MS). Nous avons ensuite utilisé le protocole de la piscine de Morris chez le rat afin de déterminer l'effet d'un apprentissage spatial sur les niveaux de STEP61, STEP non phosphorylé, le récepteur 1 de la neuromédine U (NMUR1) et la neurologine-1 (NLGN-1) dans l'hippocampe des rats. Nous avons observé qu'un environnement naturel riche en indices distaux radicalement différents les uns des autres était plus propice à l'apprentissage spatial qu'un environnement plus uniforme avec uniquement des images disponibles pour être utilisées comme indices distaux. Nous avons également constaté que la protéine STEP61 totale, la STEP non-phosphorylé et la NMUR1 n'ont pas changé à la suite d'un apprentissage spatial, mais que la NLGN-1 change dans l'un des protocoles utilisés. Enfin, nous n'avons pas été en mesure d'induire des changements dans les niveaux de STEP grâce à l'utilisation de NMDA ou de DHPG pour induire une dépression à long-term dans des cultures hippocampiques dissociées. Des recherches supplémentaires seront nécessaires afin de déterminer la nature des nouvelles interactions découvertes, ainsi que la façon dont celles-ci sont affectées par un apprentissage spatial, et le rôle de la dépression à long terme ou de la potentialisation à long terme dans ces processus.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».