MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390199569 · doi:10.1002/alz.073946

Investigating the effect of hearing loss on genetic susceptibility to AD‐related neuropathology and cognitive impairment in a rodent model

2023· article· en· W4390199569 sur OpenAlexaff
Salonee V. Patel, Ashley L. Schormans, Sarah J. Myers, Layya Al Malouf, Shae A. Book, Sarah H. Hayes, Brian L. Allman, Shawn N. Whitehead

Notice bibliographique

RevueAlzheimer s & Dementia · 2023
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroinflammation and Neurodegeneration Mechanisms
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésNeuropathologyHearing lossMorris water navigation taskCholine acetyltransferaseHippocampusDementiaHippocampal formationNeurosciencePsychologyCognitionMedicineAudiologyCholinergicInternal medicineDisease

Résumé

récupéré en direct d'OpenAlex

Abstract Background Dementia affects 55 million people worldwide; a staggering statistic which highlights the need to limit its risk factors (WHO 2022). Importantly, epidemiological studies have reported that hearing loss significantly increases the risk of developing dementia, including Alzheimer’s disease (AD) (Lin et al., 2011; Hung et al., 2015). Furthermore, preclinical studies have identified that noise‐induced hearing loss causes molecular changes in the hippocampus that are consistent with AD‐related neuropathology (Cui et al., 2015; Saljo et al., 2002). However, the effect of noise exposure on AD‐related neuropathology and cognitive impairment in models of genetic susceptibility to AD is not well explored. Method To investigate the interplay between noise‐induced hearing loss and genetic susceptibility to AD, we utilized transgenic Fischer 344 (TgAPP) rats that overexpress pathogenic human amyloid precursor protein, but do not spontaneously develop β‐amyloid plaques (Agca et al., 2008). Adult male and female, TgAPP and wildtype, Fischer 344 rats were noise (100 dB SPL; 4 hours/day; 30 days) or sham‐exposed at 12 months of age. Afterward, hippocampal cognitive function was assessed with the Morris water maze task and striatal‐dependent visuomotor associative learning was tested using an operant conditioning‐based task. Lastly, microglial activation and cholinergic function post‐noise/sham exposure were examined using immunohistochemical analysis of Iba1 and choline acetyltransferase (ChAT) expression, respectively. Results Consistent with hearing loss often experienced by humans, our protocol resulted in high‐frequency hearing loss in the rats. As expected, TgAPP rats showed impaired reference memory and increased Iba1‐positive cells in the hippocampus; however, in contrast to our prediction, noise exposure did not exacerbate these results. We also identified a differential effect between the sexes and genotypes for how noise exposure affected visuomotor associative learning. While noise‐exposed wildtype male rats exhibited a faster reaction time than their sham‐exposed counterparts, noise‐exposed TgAPP males showed a significantly slower reaction time; an effect not observed in female rats. Conclusion These findings point to a complex relationship between noise‐induced hearing loss, visuomotor associative learning, and genetic susceptibility to AD. Thus, future studies should investigate the molecular underpinnings of the differential changes in reaction time following noise exposure in models of genetic susceptibility.

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 seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
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 Opus0,039
Tête enseignante GPT0,291
Écart entre enseignants0,252 · 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 sujetNeuroinflammation and Neurodegeneration Mechanisms→Travaux en français237 207→