MétaCan
Menu
← Retour à la cohorte
Enregistrement W4297100571 · doi:10.1101/2022.09.24.508386

Cortical miR-709 links glutamatergic signaling to NREM sleep EEG slow waves in an activity-dependent manner

2022· preprint· en· W4297100571 sur OpenAlexafffund
Konstantinos Kompotis, Géraldine M. Mang, Jeffrey Hubbard, Sònia Jiménez, Yann Emmenegger, Christos Polysopoulos, Charlotte N. Hor, Leonore Wigger, Sébastien S. Hébert, Valérie Mongrain, Paul Franken

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2022
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensUniversité de MontréalHôpital du Sacré-Cœur de MontréalCanadian Sleep & Circadian NetworkUniversité LavalCentre hospitalier de l'Université Laval
Organismes subventionnairesCanadian Institutes of Health ResearchSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Science Foundation
Mots-clésNeuroscienceGlutamatergicForebrainBiologyNon-rapid eye movement sleepWakefulnessElectroencephalographyContext (archaeology)Conditional gene knockoutTranscriptomemicroRNAGene expressionGeneReceptorPhenotypeGlutamate receptorGeneticsCentral nervous system

Résumé

récupéré en direct d'OpenAlex

Abstract MicroRNAs (miRNAs) are key post-transcriptional regulators of gene expression that have been implicated in a plethora of neuronal processes. Nevertheless, their role in regulating brain activity in the context of sleep has so far received little attention. To test their involvement, we deleted mature miRNAs in post-mitotic neurons at two developmental ages, i.e., in early adulthood using conditional Dicer knockout (cKO) mice and in adult mice using an inducible conditional Dicer cKO (icKO) line. In both models, electroencephalographic (EEG) activity was affected and the response to sleep deprivation (SD), altered; while rapid-eye-movement sleep (REMS) rebound was compromised in both, EEG delta (1-4 Hz) power during non-REM sleep (NREMS) was reduced in cKO mice and increased in icKO mice. We subsequently investigated the effects of SD on the miRNA transcriptome and found that the expression of 48 forebrain miRNAs was affected, in particular, the activity-dependent miRNA miR-709. In vivo inhibition of miR-709 in the brain increased EEG power during NREMS in the slow-delta (0.75-1.75 Hz) range, particularly after periods of prolonged wakefulness. Transcriptome analysis of primary cortical neurons in vitro revealed that miR-709 regulates endosomal trafficking and glutamatergic receptor activity. A subset of the genes involved in glutamatergic transmission was affected also in the cortices of sleep-deprived, miR-709-inhibited mice. Our data implicate miRNAs in the regulation of EEG activity and indicate that miR-709 links neuronal excitability during wakefulness to brain synchrony during sleep, likely through the regulation of endosomal trafficking and glutamatergic signaling. Significance Statement MicroRNAs (miRNAs) are key regulators of gene expression playing vital roles both in postnatal brain development and its functioning in adult organisms. Here, we highlight a fundamental role for miRNAs in shaping EEG slow waves, which reflect synchronous neuronal firing, characteristic of NREM sleep (NREMS) in the adult murine cortex. Disruption of the miRNA-biogenesis machinery affected brain synchrony differently, depending on when it occurred during development. Moreover, sleep deprivation altered the expression of several miRNAs in a brain-region specific manner. Among those, we identified miR-709 to affect the expression of genes involved in endosomal-trafficking and glutamatergic-transmission, thereby linking neuronal activity during wakefulness to slow EEG waves during subsequent sleep. The current study causally implicates this specific miRNA and the molecular pathways it targets in modifying the generation of NREMS EEG slow waves, which are important in synaptic plasticity and brain functioning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,241
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetMicroRNA in disease regulation→Travaux en français237 207→