Characterization of Stress Granule Protein Turnover in Neuronal Progenitor Cells Using Correlative STED and NanoSIMS Imaging
Notice bibliographique
Résumé
Stress granules (SGs) are stress-induced biomolecular condensates which originate primarily from inactivated RNA translation machinery and translation initiation factors. SG formation is an important defensive mechanism for cell survival, while its dysfunction has been linked to neurodegenerative diseases. However, the molecular mechanisms of SG assembly and disassembly, as well as their impacts on cellular recovery, are not fully understood. More thorough investigations into the molecular dynamics of SG pathways are required to understand the pathophysiological roles of SGs in cellular systems. Here, we characterize the SG and cytoplasmic protein turnover in neuronal progenitor cells (NPCs) under stressed and non-stressed conditions using correlative STED and NanoSIMS imaging. We incubate NPCs with isotopically labelled (15N) leucine and stress them with the ER stressor thapsigargin (TG). A correlation of STED and NanoSIMS allows the localization of individual SGs (using STED), and their protein turnover can then be extracted based on the 15N/14N ratio (using NanoSIMS). We found that TG-induced SGs, which are highly dynamic domains, recruit their constituents predominantly from the cytoplasm. Moreover, ER stress impairs the total cellular protein turnover regimen, and this impairment is not restored after the commonly proceeded stress recovery period.
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) | 0,000 | 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 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 ».