Multiple Molecular Pathways Are Influenced by Progranulin in a Neuronal Cell Model–A Parallel Omics Approach
Notice bibliographique
Résumé
Progranulin (PGRN) is critical in supporting a healthy CNS. Its haploinsufficiency results in frontotemporal dementia, while in experimental models of age-related neurodegenerative diseases, the targeted expression of PGRN greatly slows the onset of disease phenotypes. Nevertheless, much remains unclear about how PGRN affects its target cells. In previous studies we found that PGRN showed a remarkable ability to support the survival of NSC-34 motor neuron cells under conditions that would otherwise lead to their apoptosis. Here we used the same model to investigate other phenotypes of PGRN expression in NSC-34 cells. PGRN significantly influenced morphological differentiation, resulting in cells with enlarged cell bodies and extended projections. At a molecular level this correlated with pathways associated with the cytoskeleton and synaptic differentiation. Depletion of PGRN led to increased expression of several neurotrophic receptors, which may represent a homeostatic mechanism to compensate for loss of neurotrophic support from PGRN. The exception was RET, a neurotrophic tyrosine receptor kinase, which, when PGRN levels are high, shows increased expression and enhanced tyrosine phosphorylation. Other receptor tyrosine kinases also showed higher tyrosine phosphorylation when PGRN was elevated, suggesting a generalized enhancement of receptor activity. PGRN was found to bind to multiple plasma membrane proteins, including RET, as well as proteins in the ER/Golgi apparatus/lysosome pathway. Understanding how these various pathways contribute to PGRN action may provide routes toward improving neuroprotective therapies.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».