Functional profiling and visualization of the sphingolipid metabolic network in vivo
Notice bibliographique
Résumé
Abstract Sphingolipids govern diverse cellular processes; their dysregulation underlies numerous diseases. Despite extensive characterizations, understanding the orchestration of the sphingolipid network within living organisms remains challenging. We established a versatile genetic platform of CRISPR-engineered reporters of 52 sphingolipid regulators, recapitulating endogenous gene activity and protein distribution. This platform further allows conditional protein degradation for functional characterization. In addition, we developed the biosensor OlyA w to detect ceramide phosphoethanolamine and visualize membrane raft dynamics in vivo. Using this platform, we established comprehensive profiles of the sphingolipid metabolic network in the brain at the transcriptional and translational levels. The highly heterogeneous patterns indicate extensive coordination between distinct cell types and regions, suggesting the brain functions as a coherent unit to execute specific steps of sphingolipid metabolism. As a proof-of-concept application, we showed cell type-specific requirements of sphingomyelinases, including CG6962/dSMPD4 and CG3376/aSMase , degrading distinct subcellular pools of ceramide phosphoethanolamine to maintain brain function. These findings establish a foundation for future studies on brain sphingolipid metabolism and showcase the utilization of this genetic platform in elucidating in vivo mechanisms of sphingolipid metabolism.
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 ».