Akt and AMPK activators rescue hyperexcitability in neurons from patients with bipolar disorder
Notice bibliographique
Résumé
BACKGROUND: Bipolar disorder (BD) is a multifactorial psychiatric illness affecting ∼1% of the global adult population. Lithium (Li), is the most effective mood stabilizer for BD but works only for a subset of patients and its mechanism of action remains largely elusive. METHODS: In the present study, we used iPSC-derived neurons from patients with BD who are responsive (LR) or not (LNR) to lithium. Combined electrophysiology, calcium imaging, biochemistry, transcriptomics, and phosphoproteomics were employed to provide mechanistic insights into neuronal hyperactivity in BD, investigate Li's mode of action, and identify alternative treatment strategies. FINDINGS: conductance. Whole transcriptome sequencing in BD neurons revealed altered gene expression pathways related to glutamate transmission, alterations in cell signalling and ion transport/channel activity. We found altered Akt signalling as a potential therapeutic effect of Li in LR neurons from patients with BD, and that Akt activation mimics Li effect in LR neurons. Furthermore, the increased neural network activity observed in both LR & LNR neurons from patients with BD were reversed by AMP-activated protein kinase (AMPK) activation. INTERPRETATION: These results suggest potential for new treatment strategies in BD, such as Akt activators in LR cases, and the use of AMPK activators for LNR patients with BD. FUNDING: Supported by funding from ERA PerMed, Bell Brain Canada Mental Research Program and Brain & Behavior Research Foundation.
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 ».