Defective cyclophilin A induces TDP-43 proteinopathy: implications for amyotrophic lateral sclerosis and frontotemporal dementia
Notice bibliographique
Résumé
Aggregation and cytoplasmic mislocalization of TDP-43 are pathological hallmarks of amyotrophic lateral sclerosis and frontotemporal dementia spectrum. However, the molecular mechanism by which TDP-43 aggregates form and cause neurodegeneration remains poorly understood. Cyclophilin A, also known as peptidyl-prolyl cis-trans isomerase A (PPIA), is a foldase and molecular chaperone. We previously found that PPIA interacts with TDP-43 and governs some of its functions, and its deficiency accelerates disease in a mouse model of amyotrophic lateral sclerosis. Here we characterized PPIA knock-out mice throughout their lifespan and found that they develop a neurodegenerative disease with key behavioural features of frontotemporal dementia, marked TDP-43 pathology and late-onset motor dysfunction. In the mouse brain, deficient PPIA induces mislocalization and aggregation of the GTP-binding nuclear protein Ran, a PPIA interactor and a master regulator of nucleocytoplasmic transport, also for TDP-43. Moreover, in absence of PPIA, TDP-43 autoregulation is perturbed and TDP-43 and proteins involved in synaptic function are downregulated, leading to impairment of synaptic plasticity. Finally, we found that PPIA was downregulated in several patients with amyotrophic lateral sclerosis and amyotrophic lateral sclerosis-frontotemporal dementia, and identified a PPIA loss-of-function mutation in a patient with sporadic amyotrophic lateral sclerosis . The mutant PPIA has low stability, altered structure and impaired interaction with TDP-43. These findings strongly implicate that defective PPIA function causes TDP-43 mislocalization and dysfunction and should be considered in future therapeutic approaches.
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 ».