Significance of native PLGA nanoparticles in the treatment of Alzheimer's disease pathology
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Alzheimer's disease (AD) is believed to be triggered by increased levels/aggregation of β-amyloid (Aβ) peptides. At present, there is no effective disease-modifying treatment for AD. Here, we evaluated the therapeutic potential of FDA-approved native poly(d,l-lactide-co-glycolide) (PLGA) nanoparticles on Aβ aggregation and in cellular/animal models of AD. Our results showed that native PLGA can not only suppress the spontaneous aggregation but can also trigger disassembly of preformed Aβ aggregates. Spectroscopic studies, molecular dynamics simulations and biochemical analyses revealed that PLGA, by interacting with the hydrophobic domain of Aβ1-42, prevents a conformational shift towards the β-sheet structure, thus precluding the formation and/or triggering disassembly of Aβ aggregates. PLGA-treated Aβ samples can enhance neuronal viability by reducing phosphorylation of tau protein and its associated signaling mechanisms. Administration of PLGA can interact with Aβ aggregates and attenuate memory deficits as well as Aβ levels/deposits in the 5xFAD mouse model of AD. PLGA can also protect iPSC-derived neurons from AD patients against Aβ toxicity by decreasing tau phosphorylation. These findings provide unambiguous evidence that native PLGA, by targeting different facets of the Aβ axis, can have beneficial effects in mouse neurons/animal models as well as on iPSC-derived AD neurons - thus signifying its unique therapeutic potential in the treatment of AD pathology.
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.
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 découle