hnRNP A1 dysfunction alters RNA splicing and drives neurodegeneration in multiple sclerosis (MS)
Notice bibliographique
Résumé
Neurodegeneration is the primary driver of disease progression in multiple sclerosis (MS) resulting in permanent disability, creating an urgent need to discover its underlying mechanisms. Herein, we establish that dysfunction of the RNA binding protein heterogeneous nuclear ribonucleoprotein A1 (hnRNP A1) results in differential of binding to RNA targets causing alternative RNA splicing, which contributes to neurodegeneration in MS and its models. Using RNAseq of MS brains, we discovered differential expression and aberrant splicing of hnRNP A1 target RNAs involved in neuronal function and RNA homeostasis. We confirmed this in vivo in experimental autoimmune encephalomyelitis employing CLIPseq specific for hnRNP A1, where hnRNP A1 differentially binds and regulates RNA, including aberrantly spliced targets identified in human samples. Additionally, dysfunctional hnRNP A1 expression in neurons caused neurite loss and identical changes in splicing, corroborating hnRNP A1 dysfunction as a cause of neurodegeneration. Collectively, these data indicate hnRNP A1 dysfunction causes altered neuronal RNA splicing, resulting in neurodegeneration in MS.
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 ».