Glutamate as a co-agonist for acid-sensing ion channels to aggravate ischemic brain damage
Notice bibliographique
Résumé
Glutamate is traditionally viewed as the first messenger to activate N-methyl-D-aspartate receptors (NMDARs) and downstream cell death pathways in stroke 1,2 , but unsuccessful clinical trials with NMDAR antagonists implicate the engagement of other NMDAR-independent mechanisms 3–7 . Here we show that glutamate and its structural analogs, including NMDAR antagonist L-AP5 (or APV), robustly potentiated currents mediated by acid-sensing ion channels (ASICs) which are known for driving acidosis-induced neurotoxicity in stroke 4 . Glutamate increased the proton affinity and open probability of ASICs, aggravating ischemic neurotoxicity in both in vitro and in vivo models. Site-directed mutagenesis and structure-based in silico molecular docking and simulations uncovered a novel glutamate binding cavity in the extracellular domain of ASIC1a. Computational drug screening of NMDAR competitive antagonist analogs identified a small molecule, LK-2, that binds to this cavity and abolishes glutamate-dependent potentiation of ASIC currents but spares NMDARs, providing strong neuroprotection efficacy comparable to that in ASIC1a or other cation ion channel knockout mouse models 4–7 . We conclude that glutamate serves as the first messenger for ASICs to exacerbate neurotoxicity, and that selective blockage of glutamate binding sites on ASICs without affecting NMDARs may be of strategic importance for developing effective stroke therapeutics devoid of the psychotic side effects of NMDAR antagonists.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 | 0,001 | 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 ».