Distinct effects of <scp>SDC3</scp> and <scp>FGFRL1</scp> on selective neurodegeneration in <scp>AD</scp> and <scp>PD</scp>
Notice bibliographique
Résumé
Abstract Alzheimer's disease (AD) and Parkinson's disease (PD) are age‐dependent neurodegenerative disorders. There is a profound neuronal loss in the basal forebrain cholinergic system in AD and severe dopaminergic deficiency within the nigrostriatal pathway in PD. Swedish APP (APP SWE ) and SNCA A53T mutations promote Aβ generation and α‐synuclein aggregation, respectively, and have been linked to the pathogenesis of AD and PD. However, the mechanisms underlying selective cholinergic and dopaminergic neurodegeneration in AD and PD are still unknown. We demonstrated that APP SWE mutation enhanced Aβ generation and increased cell susceptibility to Aβ oligomer in cholinergic SN56 cells, whereas SNCA A53T mutations promoted aggregates formation and potentiated mutant α‐synuclein oligomer‐induced cytotoxicity in MN9D cells. Furthermore, syndecan‐3 (SDC3) and fibroblast growth factor receptor‐like 1 (FGFRL1) genes were differentially expressed in SN56 and MN9D cells carrying APP SWE or SNCA A53T mutation. SDC3 and FGFRL1 proteins were preferentially expressed in the cholinergic nucleus and dopaminergic neurons of APP SWE and SNCA A53T mouse models, respectively. Finally, the knockdown of SDC3 and FGFRL1 attenuated oxidative stress‐induced cell death in SN56‐APP SWE and MN9D‐SNCAA53T cells. The results demonstrate that SDC3 and FGFRL1 mediated the specific effects of APP SWE and SNCA A53T on cholinergic and dopaminergic neurodegeneration in AD and PD, respectively. Our study suggests that SDC3 and FGFRL1 could be potential targets to alleviate the selective neurodegeneration in AD and PD.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».