An Over Expression APP Model for Anti-Alzheimer Disease Drug Screening Created by Zinc Finger Nuclease Technology
Notice bibliographique
Résumé
Zinc Finger Nucleases (ZFNs), famous for their ability to precisely and efficiently modify specific genomic loci, have been employed in numerous transgenic model organism and cell constructions. Here we employ the ZFNs technology, with homologous recombination (HR), to construct sequence-specific Amyloid Precursor Protein (APP) knock-in cells. With the use of ZFNs, we established APP knock in cell lines with gene-modification efficiencies of about 7%. We electroporated DNA fragment containing the promoter and the protein coding regions of the zinc finger nucleases into cells, instead of the plasmids, to avoid problems associated with off target homologous recombination, and adopted a pair of mutated FokI cleavage domains to reduce the toxic effects of the ZFNs on cell growth. Since over-expression of APP, or a subdomain of it, might lead to an immediately lethal effect, we used the Cre-LoxP System to regulate APP expression. Our genetically transformed cell lines, w5c1 and s12c8, showed detectable APP and Amyloid β (Aβ) production. The Swedish double mutation in the APP coding sequence enhanced APP and Aβ abundance. What is more, the activity of the three key secretases in Aβ formation could be modulated, indicating that these transgenic cells have potential for drug screening to modify amyloid metabolism in cells. Our transformed cells could readily be propagated in culture and should provide an excellent experimental medium for elucidating aspects of the molecular pathogenesis of Alzheimer's disease, especially those concerning the amyloidogenic pathways involving mutations in the APP coding sequence. The cellular models may also serve as a tool for deriving potentially useful therapeutic agents.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| 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 | 0,001 |
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 ».