Neuronal Autophagy Failure Drives α-Synuclein Transfer to Microglia to Outsource Aggregate Clearance
Notice bibliographique
Résumé
Abstract Tunneling nanotubes (TNTs) play a crucial role in intercellular communication, enabling a dynamic network for the transfer of molecular cargo over long distances between connected cells. Previous studies have demonstrated efficient, directional transfer of α -Synuclein ( α -Syn) aggregates from neurons to microglia, with endosomal trafficking and lysosomal processing identified as the primary events following α-Syn internalization. Using human neuronal and microglial cell lines, we found that microglia exhibit higher lysosomal turnover, particularly through lysophagy, whereas neuronal lysosomes display compromised degradative capacity and impaired autophagic flux. This deficiency results in less efficient degradation of aggregates in neurons. Moreover, perturbation of autophagy enhances TNT-mediated transfer of aggregate from neuronal cells to microglia. In contrast, microglia co-cultured with α -Syn-containing neurons upregulate autophagy flux, enabling efficient degradation of the transferred aggregates. These findings were further validated using human induced pluripotent stem cells (hiPSC)-derived neurons and microglia. Overall, our study highlights the distinct responses of neurons and microglia to α -Syn aggregates and identifies dysfunctional autophagy in neurons as a key driver of the preferential and directional transfer of aggregates to microglia.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».