MétaCan
Menu
← Retour à la cohorte
Enregistrement W4394989327 · doi:10.1101/2024.04.19.24306098

Comparative gene regulatory networks modulating <i>APOE</i> expression in microglia and astrocytes

2024· preprint· en· W4394989327 sur OpenAlexfundno aff
Logan Brase, Yanbo Yu, Eric McDade, Oscar Harari, Bruno A. Benítez

Notice bibliographique

RevuemedRxiv · 2024
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueNeuroinflammation and Neurodegeneration Mechanisms
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on AgingInstituto de Salud Carlos IIICanadian Institutes of Health ResearchDeutsches Zentrum für Neurodegenerative ErkrankungenKorea Health Industry Development InstituteJapan Agency for Medical Research and DevelopmentFondation Brain CanadaRush UniversityNational Institute of Neurological Disorders and StrokeFleniAlzheimer's Association
Mots-clésBiologyMicrogliaApolipoprotein EGeneGene expressionGeneticsGenome-wide association studyRegulation of gene expressionGene regulatory networkTranscriptomeSingle-nucleotide polymorphismImmunologyMedicineDiseaseGenotypeInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background Single-cell technologies have unveiled various transcriptional states in different brain cell types. Transcription factors (TFs) regulate the expression of related gene sets, thereby controlling these diverse expression states. Apolipoprotein E ( APOE ), a pivotal risk-modifying gene in Alzheimer’s disease (AD), is expressed in specific glial transcriptional states associated with AD. However, it is still unknown whether the upstream regulatory programs that modulate its expression are shared across brain cell types or specific to microglia and astrocytes. Methods We used pySCENIC to construct state-specific gene regulatory networks (GRNs) for resting and activated cell states within microglia and astrocytes based on single-nucleus RNA sequencing data from AD patients’ cortices from the Knight ADRC-DIAN cohort. We then identified replicating TF using data from the ROSMAP cohort. We identified sets of genes co-regulated with APOE by clustering the GRN target genes and identifying genes differentially expressed after the virtual knockout of TFs regulating APOE . We performed enrichment analyses on these gene sets and evaluated their overlap with genes found in AD GWAS loci. Results We identified an average of 96 replicating regulators for each microglial and astrocyte cell state. Our analysis identified the CEBP, JUN, FOS, and FOXO TF families as key regulators of microglial APOE expression. The steroid/thyroid hormone receptor families, including the THR TF family, consistently regulated APOE across astrocyte states, while CEBP and JUN TF families were also involved in resting astrocytes. AD GWAS-associated genes ( PGRN , FCGR3A , CTSH , ABCA1 , MARCKS , CTSB , SQSTM1 , TSC22D4 , FCER1G , and HLA genes) are co-regulated with APOE. We also uncovered that APOE-regulating TFs were linked to circadian rhythm ( BHLHE40 , DBP , XBP1 , CREM , SREBF1 , FOXO3 , and NR2F1 ). Conclusions Our findings reveal a novel perspective on the transcriptional regulation of APOE in the human brain. We found a comprehensive and cell-type-specific regulatory landscape for APOE , revealing distinct and shared regulatory mechanisms across microglia and astrocytes, underscoring the complexity of APOE regulation. APOE -co-regulated genes might also affect AD risk. Furthermore, our study uncovers a potential link between circadian rhythm disruption and APOE regulation, shedding new light on the pathogenesis of AD.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

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
Bibliométrie0,0010,000
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 Opus0,042
Tête enseignante GPT0,279
Écart entre enseignants0,236 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetNeuroinflammation and Neurodegeneration Mechanisms→Travaux en français237 207→