Loss of the APP regulator RHBDL4 preserves memory in an Alzheimer’s disease mouse model
Notice bibliographique
Résumé
Abstract Characteristic cerebral pathological changes of Alzheimer’s disease (AD) such as glucose hypometabolism or the accumulation of cleavage products of the amyloid precursor protein (APP), known as Aβ peptides, lead to sustained endoplasmic reticulum (ER) stress and neurodegeneration. To preserve ER homeostasis, cells activate their unfolded protein response (UPR). The rhomboid-like-protease 4 (RHBDL4) is an enzyme that participates in the UPR by targeting proteins for proteasomal degradation. We demonstrated previously that RHBDL4 cleaves APP in HEK293T cells, leading to decreased total APP and Aβ. More recently, we showed that RHBDL4 processes APP in mouse primary mixed cortical cultures as well. Here, we aim to examine the physiological relevance of RHBDL4 in the brain. We first found that brain samples from AD patients and an AD mouse model (APPtg) showed increased RHBDL4 mRNA and protein expression. To determine the effects of RHBDL4’s absence on APP physiology in vivo, we crossed APPtg mice to a RHBDL4 knockout (R4 −/− ) model. RHBDL4 deficiency in APPtg mice led to increased total cerebral APP and amyloidogenic processing when compared to APPtg controls. Contrary to expectations, as assessed by cognitive tests, RHBDL4 absence rescued cognition in 5-month-old female APPtg mice. Informed by unbiased RNA-seq data, we demonstrated in vitro and in vivo that RHBDL4 absence leads to greater levels of active β-catenin due to decreased proteasomal clearance. Decreased β-catenin activity is known to underlie cognitive defects in APPtg mice and AD. Our work suggests that RHBDL4’s increased expression in AD, in addition to regulating APP levels, leads to aberrant degradation of β-catenin, contributing to cognitive impairment.
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 ».