MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390195505 · doi:10.1002/alz.071863

Influence of Insulin Resistance and Metabolic Dysregulation on Synaptic Protein Profile in SH‐SY5Y Neuroblastoma Cells

2023· article· en· W4390195505 sur OpenAlexaff
Alexander J.T. Yang, M. Ayaz Ahmad, Michael S. Finch, Evangelina Tsiani, Gaynor E. Spencer, Aleksandar Necakov, Rebecca E. K. MacPherson

Notice bibliographique

RevueAlzheimer s & Dementia · 2023
Typearticle
Langueen
DomaineNeuroscience
ThématiqueRegulation of Appetite and Obesity
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésAMPKmTORC1Insulin resistancePhosphorylationEndocrinologyMetforminAMP-activated protein kinaseInternal medicineProtein kinase BInsulin receptorInsulinPI3K/AKT/mTOR pathwayChemistryProtein kinase AKinaseBiologySignal transductionCell biologyMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background Brain insulin resistance and metabolic dysregulation are significantly associated with Alzheimer’s disease development[1,2]. Metformin is the most prescribed type‐2‐diabetic drug and has been used to treat peripheral insulin resistance (IR) driven metabolic dysfunction through the activation of AMP‐kinase (AMPK)[3,4], but whether metformin is effective in improving brain metabolism is unknown. We have previously shown that chronic AMPK activation negatively impacts neuronal morphology and impairs synaptic protein content in healthy neurons[5]. However, whether AMPK activation under an IR state will exacerbate neuronal impairments is not known. Thus, we examined the effect of metformin‐driven AMPK activation on SH‐SY5Y cells with and without high‐insulin induced IR. Methods Retinoic acid‐differentiated SH‐SY5Y neuroblastoma cells were treated for 48h with either 1) vehicle (Ctl), 2) 100 M insulin (INS, mimicking hyperinsulinemia), 3) 2 mM metformin (MET), or 4) a combination of INS/MET. Results INS‐treated cells demonstrated higher Akt S473, mTOR S2448, and p70s6k T389 phosphorylation, indicative of hyperactive mTORC1 signaling associated with brain IR. INS cells had lower insulin receptor‐ (IR‐) content and higher IRS‐1 S636 phosphorylation, further demonstrating insulin signaling abnormalities. MET increased AMPK T172 phosphorylation, and increased phosphorylation of its downstream effectors ULK S555 and raptor S792, which, collectively, is indicative of mTORC1 inhibition. These phosphorylation increases occurred alongside higher IRS‐1 and insulin receptor‐ content and reduced IR‐ content. INS/MET‐treated cells produced no change in AMPK T172 or raptor S792 phosphorylation but produced increased ULK S555 phosphorylation. INS/MET did not recover increased Akt S473, mTOR S2448, p70s6k T389, or IRS‐1 S636 phosphorlyation nor did it recover IR‐ content. No differences were seen between groups for pre‐/post‐synaptic protein content. INS and MET treatments showed reduced NeuN and synaptophysin content. INS/MET treatment showed reductions in synaptophysin. Morphologically, cell size & area, and neurite length & area all increased with INS and MET treatments, however, these increases were absent with the INS/MET treatment. Conclusion These findings indicate that IR and MET impact neuronal morphology and reduce the development of mature neurons. These impairments are likely driven through Akt and AMPK signaling seperately and suggest that MET is not effective in treating IR‐driven impairments in the brian.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,246
Écart entre enseignants0,228 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetRegulation of Appetite and Obesity→Travaux en français237 207→