Investigation of microglial diversity in a mouse model of Parkinson’s disease pathology
Notice bibliographique
Résumé
Abstract Microglia, the central nervous system resident immune cells, are now recognized to critically impact homeostasis maintenance and contribute to the outcomes of various pathological conditions including Parkinson’s disease (PD). Microglia are heterogenous, with a variety of states recently identified in aging and neurodegenerative disease models, including the ‘disease-associated microglia’ (DAM) which present a selective enrichment of CLEC7A encoding the CLEC7A or DECTIN1 protein, and the ‘dark microglia’ (DM) displaying markers of cellular stress at the ultrastructural level. However, the roles of CLEC7A-positive microglia and DM in the pathology of PD have remained largely elusive. By applying immunofluorescence and scanning electron microscopy, we aimed to characterize 1) the CLEC7A -positive cell population, and 2) their possible relationships to DM in a mouse model harboring a G2019S pathogenic mutation of the LRRK2 gene, the most common mutation linked to PD. We examined 18-month-old mice, comparing between LRRK2 G2019S knock-in mice and wild-type controls. In the dorsal striatum, a region affected by PD pathology, extensive ultrastructural features of cellular stress (e.g., endoplasmic reticulum and Golgi apparatus dilation), as well as reduced direct cellular contacts, were observed for microglia from LRRK2 G2019S mice versus controls. CLEC7A-positive microglia exhibited extensive phagocytic ultrastructural characteristics in the LRRK2 G2019S mice. Additionally, the LRRK2 G2019S mice presented a higher proportion of DM. Lastly, immunofluorescence and biochemical analysis revealed higher number of CLEC7A-positive cells in Lrrk2 G2019S genotype versus controls both in tissues and in primary microglia cells. Of note, CLEC7A-positive cells present a selective enrichment of ameboid morphology and tend to cluster in the pathogenic animal. In summary, we provide novel insights into the involvement of recently-defined microglial states, CLEC7A-positive cells and DM, in the context of LRRK2 G2019S PD pathology.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».