Antisense oligonucleotides targeting miR‐29b binding site increase translation of progranulin protein: potential therapeutic strategy for progranulin‐deficient frontotemporal dementia
Notice bibliographique
Résumé
Abstract Background GRN mutations cause frontotemporal dementia (FTD) due to haploinsufficiency of progranulin. Several microRNAs (miRs), including miR‐29b, have been reported to negatively regulate progranulin protein levels. Here, we tested if antisense oligonucleotides (ASOs) – which are versatile modulators of target mRNA/protein levels – can be used to increase progranulin levels by sterically blocking the miR‐29b binding site. Method We designed 48 ASOs targeting the miR‐29b binding site in the 3’ UTR of the human GRN mRNA. We treated H4 neuroglioma cells and iPSC‐derived neurons with these ASOs and subsequently measured progranulin protein levels by western blot and ELISA. We performed further studies to determine the mechanism of action of these ASOs using ribosomal profiling, metabolic labeling, and FRET assays. Results We identified 16 ASOs that increased progranulin protein levels in a dose‐dependent manner. Ribosomal profiling experiments revealed that cells treated with ASOs had marked enrichment in GRN mRNA in heavy polyribosome fractions, compared to cells treated with a scrambled control ASO, suggesting that the ASOs increase the rate of progranulin translation. Consistent with this, ASO treatment resulted in increased levels of newly synthesized progranulin protein. FRET‐based assays showed that ASOs can effectively compete miR‐29b from its binding site in the GRN 3’ UTR RNA under in vitro conditions. Conclusions Together, our results demonstrate that ASOs can be used to effectively increase target protein levels by partially blocking miR binding sites. This strategy may be therapeutically feasible for progranulin‐deficient FTD as well as other conditions of haploinsufficiency.
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) | 0,000 | 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) | 0,001 | 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 ».