Lipid organization and turnover in the plasma membrane of human differentiating neural progenitor cells revealed by time-of-flight secondary ion mass spectrometry imaging
Notice bibliographique
Résumé
Membrane lipids have been known to influence multiple signalling and cellular processes. Dysregulation of lipids at the neuronal membrane is connected to a significant alteration of the brain function and morphology, leading to brain diseases and neurodegeneration. Understanding the lipid composition and turnover of neuronal membrane will provide a significant insight into the molecular events underlying the regulatory effects of these biomolecules in a neuronal system. In this study, we aimed to characterize the composition and turnover of the plasma membrane lipids in human neural progenitor cells (NPCs) at an early differentiation stage into midbrain neurons using ToF-SIMS imaging. Lipid composition of the native plasma membrane was explored, followed by an examination of the lipid turnover using different isotopically labelled lipid precursors, including 13C-choline, 13C-lauric acid, 15N-linoleic, and 13C-stearic. Our results showed that differentiating NPCs contain a high abundance of ceramides, glycerophosphoserines, neutral glycosphingolipids, diradylglycerols, and glycerophosphocholines at the plasma membrane. In addition, different precursors were found to incorporate into different membrane lipids which are specific for the short- or long-carbon chains, and the unsaturation or saturation stage of the precursors. The lipid structure of neuronal membrane reflects the differentiation status of NPCs, and it can be altered significantly using a particular lipid precursor. Our study illustrates a potential of ToF-SIMS imaging to study native plasma membrane lipids and elucidate complex cellular processes by providing molecular -rich information at a single cell level.
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 ».