Large-scale visualization of α-synuclein oligomers in Parkinson’s disease brain tissue
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Parkinson's disease (PD) is a neurodegenerative condition characterized by the presence of intraneuronal aggregates containing fibrillar ɑ-synuclein known as Lewy bodies. These large end-stage species are formed by smaller soluble protein nanoscale assemblies, often termed oligomers, which are proposed as early drivers of pathogenesis. Until now, this hypothesis has remained controversial, at least in part because it has not been possible to directly visualize nanoscale assemblies in human brain tissue. Here we present Advanced Sensing of Aggregates-Parkinson's Disease, an imaging method to generate large-scale α-synuclein aggregate maps in post-mortem human brain tissue. We combined autofluorescence suppression with single-molecule fluorescence microscopy, which together enable the detection of nanoscale α-synuclein aggregates. To demonstrate the use of this platform, we analysed ~1.2 million nanoscale aggregates from the anterior cingulate cortex in human post-mortem brain samples from patients with PD and healthy controls. Our data reveal a disease-specific shift in a subpopulation of nanoscale assemblies that represent an early feature of the proteinopathy that underlies PD. We anticipate that quantitative information about this distribution provided by Advanced Sensing of Aggregates-Parkinson's Disease will enable mechanistic studies to reveal the pathological processes caused by α-synuclein aggregation.
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.
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 | 0,001 |
| 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 découle