Influence of metabolic stress and metformin on synaptic protein profile in SH‐SY5Y‐derived neurons
Notice bibliographique
Résumé
Insulin resistance (IR) is associated with reductions in neuronal proteins often observed with Alzheimer's disease (AD), however, the mechanisms through which IR promotes neurodegeneration/AD pathogenesis are poorly understood. Metformin (MET), a potent activator of the metabolic regulator AMPK is used to treat IR but its effectiveness for AD is unclear. We have previously shown that chronic AMPK activation impairs neurite growth and protein synthesis in SH-SY5Y neurons, however, AMPK activation in IR was not explored. Therefore, we examined the effects of MET-driven AMPK activation with and without IR. Retinoic acid-differentiated SH-SY5Y neurons were treated with: (1) Ctl: 24 h vehicle followed by 24 h Vehicle; (2) HI: 100 nM insulin (24 h HI followed by 24 h HI); or (3) MET: 24 h vehicle followed by 24 h 2 mM metformin; (4) HI/MET: 24 h 100 nM insulin followed by 24 h 100 nM INS+2 mM MET. INS and INS/MET groups saw impairments in markers of insulin signaling (Akt S473, mTOR S2448, p70s6k T389, and IRS-1S636) demonstrating IR was not recovered with MET treatment. All treatment groups showed reductions in neuronal markers (post-synaptic marker HOMER1 mRNA content and synapse marker synaptophysin protein content). INS and MET treatments showed a reduction in the content of the mature neuronal marker NeuN that was prevented by INS/MET. Similarly, increases in cell size/area, neurite length/area observed with INS and MET, were prevented with INS/MET. These findings indicate that IR and MET impair neuronal markers through distinct pathways and suggest that MET is ineffective in treating IR-driven impairments in neurons.
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 | 0,000 | 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 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 ».