MétaCan
Menu
Retour à la cohorte
Enregistrement W4403983063 · doi:10.1186/s12974-024-03278-2

Senolytic treatment diminishes microglia and decreases severity of experimental autoimmune encephalomyelitis

2024· article· en· W4403983063 sur OpenAlexafffund
Sienna Drake, Aliyah Zaman, Christine Gianfelice, Elizabeth M.-L. Hua, Kali Heale, Elia Afanasiev, Wendy Klément, Jo Anne Stratton, Alexandre Prat, Stéphanie Zandee, Alyson E. Fournier

Notice bibliographique

RevueJournal of Neuroinflammation · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroinflammation and Neurodegeneration Mechanisms
Établissements canadiensCentre Hospitalier de l’Université de MontréalMcGill UniversityMontreal Neurological Institute and Hospital
Organismes subventionnairesCanadian Institutes of Health ResearchMultiple Sclerosis Society of Canada
Mots-clésMicrogliaExperimental autoimmune encephalomyelitisMedicineNeurologyMultiple sclerosisEncephalomyelitisImmunologyNeuroscienceInflammationPsychologyPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The role of senescence in disease contexts is complex, however there is considerable evidence that depletion of senescent cells improves outcomes in a variety of contexts particularly related to aging, cognition, and neurodegeneration. Much research has shown previously that inflammation can promote cellular senescence. Microglia are a central nervous system innate immune cell that undergo senescence with aging and during neurodegeneration. The contribution of senescent microglia to multiple sclerosis, an inflammatory neurodegenerative disease, is not clear, but microglia are strongly implicated in chronic active lesion pathology, tissue injury, and disease progression. Drugs that could specifically eliminate dysregulated microglia in multiple sclerosis are therefore of great interest to the field. RESULTS: A single-cell analysis of brain tissue from mice subjected to experimental autoimmune encephalomyelitis (EAE), a mouse model of CNS inflammation that models aspects of multiple sclerosis (MS), identified microglia with a strong transcriptional signature of senescence including the presence of BCL2-family gene transcripts. Microglia expressing Bcl2l1 had higher expression of pro-inflammatory and senescence associated genes than their Bcl2l1 negative counterparts in EAE, suggesting they may exacerbate inflammation. Notably, in human single-nucleus sequencing from MS, BCL2L1 positive microglia were enriched in lesions with active inflammatory pathology, and likewise demonstrated increased expression of immune genes suggesting they may be proinflammatory and contribute to disease processes in chronic active lesions. Employing a small molecule BCL2-family inhibitor, Navitoclax (ABT-263), significantly reduced the presence of microglia and macrophages in the EAE spinal cord, suggesting that these cells can be targeted by senolytic treatment. ABT-263 treatment had a profound effect on EAE mice: decreasing motor symptom severity, improving visual acuity, promoting neuronal survival, and decreasing white matter inflammation. CONCLUSION: These results support the hypothesis that microglia and macrophages exhibit transcriptional features of cellular senescence in EAE and MS, and that microglia expressing Bcl2l1 demonstrate a proinflammatory signature that may exacerbate inflammation resulting in negative outcomes in neuroinflammatory disease. Depleting microglia and macrophages using a senolytic results in robust improvement in EAE disease severity, including across measures of neurodegeneration, inflammation, and demyelination, and may therefore represent a novel strategy to address disease progression in multiple sclerosis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,653

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,030
Tête enseignante GPT0,279
Écart entre enseignants0,249 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations28
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of NeuroinflammationMême sujetNeuroinflammation and Neurodegeneration MechanismsTravaux en français237 207