Chondroitin sulfate glycan sulfation patterns influence histochemical labeling of perineuronal nets: a comparative study of interregional distribution in human and mouse brain
Notice bibliographique
Résumé
Perineuronal nets (PNNs) are a condensed subtype of extracellular matrix that form a net-like coverings around certain neurons in the brain. PNNs are primarily composed of chondroitin sulfate (CS) proteoglycans from the lectican family that consist of CS-glycosaminoglycan side chains attached to a core protein. CS disaccharides can exist in various isoforms with different sulfation patterns. Literature suggests that CS disaccharide sulfation patterns can influence the function of PNNs as well as their labeling. This study was conducted to characterize such interregional CS disaccharide sulfation pattern differences in adult human (n = 81) and mouse (n = 19) brains. Liquid chromatography tandem mass spectrometry was used to quantify five different CS disaccharide sulfation patterns, which were then compared to immunolabeling of PNNs using Wisteria Floribunda Lectin (WFL) to identify CS-glycosaminoglycans and anti-aggrecan to identify CS proteoglycans. In healthy brains, significant regional and species-specific differences in CS disaccharide sulfation and single versus double-labeling pattern were identified. A secondary analysis to investigate how early-life stress impacts these PNN features discovered that although early-life stress increases WFL+ PNN density, the CS-glycosaminoglycan sulfation code and single versus double PNN-labeling distributions remained unaffected in both species. These results underscore PNN complexity in traditional research, emphasizing the need to consider their heterogeneity in future experiments.
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 ».