Comparative Proteomics Analysis of Growth-Primed Adult Dorsal Root Ganglia Reveals Key Molecular Mediators for Peripheral Nerve Regeneration
Notice bibliographique
Résumé
Abstract Injuries to peripheral nerves are frequent, yet no drug therapies are available for effective nerve repair. The slow growth rate of axons and inadequate access to growth factors challenge natural repair of nerves. A better understanding of the molecules that can promote the rate of axon growth may reveal therapeutic opportunities. Molecular profiling of injured neurons at early intervals of injury, when regeneration is at the maximum, has been the gold standard for exploring growth promoters. A complementary in vitro regenerative priming model was recently shown to induce enhanced outgrowth in adult sensory neurons. In this work, we exploited the in vitro priming model to reveal novel candidates for adult nerve regeneration. We performed a whole-tissue proteomics analysis of the in vitro primed dorsal root ganglia (DRGs) from adult SD rats and compared their molecular profile with that of the in vivo primed, and control DRGs. The proteomics data generated are available via ProteomeXchange with identifier PXD031927. From the follow-up analysis, Bioinformatics interventions, and literature curation, we identified several molecules that were differentially expressed in the primed DRGs with a potential to modulate adult nerve regrowth. We then validated the growth promoting roles of mesencephalic astrocyte-derived neurotrophic factor (MANF), one of the hits we identified, in adult rat sensory neurons. Overall, in this study, we explored two growth priming paradigm and shortlisted several candidates, and validated MANF, as potential targets for adult nerve regeneration. We also demonstrate that the in vitro priming model is a valid tool for adult nerve regeneration studies.
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 | 0,001 |
| 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 ».