Glutamate acts on acid-sensing ion channels to worsen ischaemic brain injury
Notice bibliographique
Résumé
Abstract Glutamate is traditionally viewed as the first messenger to activate NMDAR ( N -methyl- d -aspartate receptor)-dependent cell death pathways in stroke 1,2 , but unsuccessful clinical trials with NMDAR antagonists implicate the engagement of other mechanisms 3–7 . Here we show that glutamate and its structural analogues, including NMDAR antagonist l -AP5 (also known as APV), robustly potentiate currents mediated by acid-sensing ion channels (ASICs) associated with acidosis-induced neurotoxicity in stroke 4 . Glutamate increases the affinity of ASICs for protons and their open probability, aggravating ischaemic neurotoxicity in both in vitro and in vivo models. Site-directed mutagenesis, structure-based modelling and functional assays reveal a bona fide glutamate-binding cavity in the extracellular domain of ASIC1a. Computational drug screening identified a small molecule, LK-2, that binds to this cavity and abolishes glutamate-dependent potentiation of ASIC currents but spares NMDARs. LK-2 reduces the infarct volume and improves sensorimotor recovery in a mouse model of ischaemic stroke, reminiscent of that seen in mice with Asic1a knockout or knockout of other cation channels 4–7 . We conclude that glutamate functions as a positive allosteric modulator for ASICs to exacerbate neurotoxicity, and preferential targeting of the glutamate-binding site on ASICs over that on NMDARs may be strategized for developing stroke therapeutics lacking 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 | 0,000 | 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) | 0,000 | 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 ».