Amyloid-β seeding effects are dependent on the presence of knock-in genes in the App <sup>NL-G-F</sup> mice
Notice bibliographique
Résumé
Abstract Alzheimer’s disease (AD) is characterized by the prion-like propagation of amyloid-β (Aβ). However, the role of Aβ in cognitive impairment is still unclear. To determine the causal role of Aβ in AD, we intracerebrally seeded the entorhinal cortex of two-month-old App NL-G-F mouse model with an Aβ peptide derived from patients who died from rapidly progressing AD. When the mice were three and six months of age, or one- and four-months following seeding, respectively, spatial learning and memory were tested using the Morris water task. Immunohistochemical labeling showed seeding with the Aβ seed increased plaque size one month following seeding, but reduced plaque counts four months following injection compared to the control seeded mice. A significant increase in microgliosis was found. However, we found no correlation between pathology and spatial performance. The results of the present study show that seeding human tissue with or without Aβ alters learning and memory ability, Aβ plaque deposition, plaque size, and microgliosis in the App NL-G-F knock-in model, and these effects are dependent on the presence of a humanized App gene and the presence of Aβ in the seed. But these pathological changes were not initially causal in memory impairment.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».