MétaCan
Menu
Retour à la cohorte
Enregistrement W4413019172 · doi:10.1186/s13024-025-00880-7

LRRK2 kinase activity regulates Parkinson’s disease-relevant lipids at the lysosome

2025· article· en· W4413019172 sur OpenAlexaff
Michael T. Maloney, Xiang Wang, Rajarshi Ghosh, Shan V. Andrews, Romeo Maciuca, Shababa T. Masoud, Maayan Agam, Richard M. Caprioli, Giuseppe Astarita, Vitaliy V. Bondar, John Chen, Chi‐Lu Chiu, Sonnet S. Davis, Audrey Cheuk-Nga Ho, Hoang N. Nguyen, Nicholas E. Propson, Michelle L. Reyzer, Oliver B. Davis, Matthew C. Deen, Sha Zhu, Gilbert Di Paolo, David J. Vocadlo, Anthony A. Estrada, Javier De Vicente, Joseph W. Lewcock, Annie Arguello, Jung H. Suh, Sarah Huntwork‐Rodriguez, Anastasia G. Henry

Notice bibliographique

RevueMolecular Neurodegeneration · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueParkinson's Disease Mechanisms and Treatments
Établissements canadiensSimon Fraser University
Organismes subventionnairesDenali Therapeutics
Mots-clésLRRK2KinaseCell biologyLysosomeParkinson's diseaseBiologyMedicineBiochemistryInternal medicineDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Pathogenic variants in LRRK2 lead to increased kinase activity, and LRRK2 kinase inhibition is being explored in clinical studies as a therapeutic approach for Parkinson's Disease (PD). LRRK2 inhibitors reduce urine levels of bis(monoacylglycerol)phosphate (BMP), a key endolysosomal lipid involved in glycosphingolipid (GSL) catabolism, in preclinical models and clinical subjects. However, how LRRK2 regulates BMP and its significance with respect to lysosomal dysfunction in PD are poorly defined. METHODS: Using a combination of genetic and pharmacological approaches to modulate LRRK2 kinase activity, we explored the mechanisms by which LRRK2 can regulate the levels of BMP and PD-relevant GSLs across cellular models, including iPSC-derived microglia, and in tissues and biofluids from mice using mass spectrometry. The impact of LRRK2 activity on various aspects of lysosomal function, including endolysosomal GCase activity, was assessed using live-cell imaging and lysosomal immunoprecipitation. We employed imaging mass-spectrometry and FACS-based methods to specifically examine how LRRK2 modulates BMP and GSL levels across different cell types and regions of the brain. To confirm the relevance of our findings to disease, we measured lysosomal biomarkers in urine and cerebrospinal fluid (CSF) from human subjects carrying variants in LRRK2 associated with PD risk and from subjects dosed with a LRRK2 kinase inhibitor. RESULTS: Our data demonstrate that LRRK2 can employ distinct mechanisms to control intracellular BMP levels and modulate lysosomal homeostasis depending on the tissue examined. We show that LRRK2 deletion or inhibition lowers urine BMP levels by reducing the secretion of BMP-containing vesicles from kidney into urine. In other cell types such as microglia, LRRK2-mediated inhibition of β-glucocerebrosidase (GCase), a PD-linked enzyme involved in GSL catabolism, leads to lysosomal GSL accumulation and increases BMP levels as a compensatory response to restore lysosomal homeostasis. LRRK2 inhibition normalizes lysosomal function and reduces GSL levels in preclinical models and CSF from LRRK2-PD patients. CONCLUSIONS: Our study highlights the therapeutic potential of LRRK2 kinase inhibition to improve PD-associated lysosomal dysfunction and supports the utility of GSLs as CSF-based biomarkers of LRRK2 activity. TRIAL REGISTRATION: This work includes results from the following phase 1b study in PD patients: ClinicalTrials.gov ID: NCT03710707; https://clinicaltrials.gov/study/NCT03710707?intr=dnl201&rank=2 . The date of registration was 10/18/2018.

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 enseignants0,175
Score d'incertitude au seuil0,788

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 savante0,0000,000
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 Opus0,010
Tête enseignante GPT0,249
Écart entre enseignants0,238 · 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

Citations6
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular NeurodegenerationMême sujetParkinson's Disease Mechanisms and TreatmentsTravaux en français237 207