MétaCan
Menu
Retour à la cohorte
Enregistrement W4380887773 · doi:10.1002/alz.060565

Cross‐species evidence of differential expression of S100A6 and SLC11A1 in the hippocampus of Alzheimer’s disease patients and mouse models

2023· article· en· W4380887773 sur OpenAlexaff
Marco Antônio De Bastiani, Bruna Bellaver, Giovanna Carello‐Collar, Maria Zimmermann, Peter Kunach, Stefânia Forner, Alessandra Cadete Martini, Ricardo A. S. Lima‐Filho, Mychael V. Lourenco, Pedro Rosa‐Neto, Tharick A. Pascoal, Eduardo R. Zimmer

Notice bibliographique

RevueAlzheimer s & Dementia · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueS100 Proteins and Annexins
Établissements canadiensMcGill UniversityDouglas Mental Health University InstituteMontreal Neurological Institute and Hospital
Organismes subventionnairesnon disponible
Mots-clésTranscriptomeHippocampal formationPresenilinHippocampusGeneBiologyDiseaseGene expressionAlzheimer's diseaseMolecular biologyNeuroscienceGeneticsPathologyMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background The evaluation of similarities and differences between mouse models and human Alzheimer’s disease (AD) provides invaluable insights on disease pathophysiology. We compared hippocampal transcriptomic profiles of human late‐onset AD (LOAD) and early‐onset AD (EOAD) individuals with three mouse models (hAβ‐KI, APP/PS1 and 5xFAD) in an exploratory analysis. Afterwards, we validated the intersection of genes consistently altered in all groups using hippocampal tissue from APP/PS1 mice, and EOAD and LOAD patients. Methods Five publicly available human AD/cognitively unimpaired (CU) transcriptomic profiles were collected from GEO ( https://www.ncbi.nlm.nih.gov/geo/ ), merged and submitted to differential expression analysis (DEA) using R. APP/PS1 mouse model RNAseq data from two datasets (GSE149661 and GSE145907) were also collected. Finally, RNAseq data of 5xFAD and hAβ‐KI mouse models were obtained from AMP‐AD Knowledge Portal ( https://www.synapse.org/ ) using synapser and synapserutils packages. All animal models were also submitted to DEA. Validation of selected genes was performed by qRT‐PCR. Target mRNA levels were normalized using β‐actin as a housekeeper gene. The results were expressed relative to wild‐type (WT) animals or CU controls using the 2−ΔΔCt method. Results DEA identified 1164, 3261 and 1782 differentially expressed genes (DEGs) for the comparisons between hAβ‐KI, 5xFAD and APP/PS1 mutants versus WT controls, respectively. hAβ‐KI, APP/PS1, and 5xFAD mice exhibited more DEGs in common with LOAD than with EOAD patients. Interestingly, APP/PS1 and 5xFAD mice also presented more DEGs in common with LOAD than with EOAD patients. However, 5xFAD showed significantly higher DEGs intersection with EOAD than with hAβ‐KI and APP/PS1. Additionally, we identified S100A6, C1QB, SST, CD14, CD33, SLC11A1 and KCNK1 genes altered in both EOAD and LOAD as well as the three mouse models evaluated. qRT‐PCR analysis of these genes in EOAD, LOAD and APP/PS1 model revealed S100A6 and SLC11A1 consistently altered in human pathology and mouse model. Conclusion Animal models seek to better simulate AD pathology, making the evaluation of their molecular overlap with human disease greatly important. S100A6, a calcium‐binding protein modulating several biological activities, and SLC11A1, a metal transporter associated with inflammatory processes, were consistently altered in our transcriptomics exploratory analyses and experimental validation, making them promising targets for further investigation.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,038
Tête enseignante GPT0,285
Écart entre enseignants0,248 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & DementiaMême sujetS100 Proteins and AnnexinsTravaux en français237 207