A high-content imaging workflow to screen for molecules that reduce cellular uptake of α-synuclein preformed fibrils
Notice bibliographique
Résumé
Abstract A classical pathological hallmark of many neurodegenerative diseases is the formation of protein-rich aggregates and inclusions. In Parkinson’s disease (PD), α-synuclein (α-syn) constitutes a major protein component of pathological inclusions, termed Lewy bodies. These α-syn aggregates are hypothesized to spread throughout the nervous system by cell-to-cell transmission acting as templates to amplify aggregate formation. In vitro generated α-syn aggregates, commonly called preformed fibrils (PFFs), have been used to investigate a number of aspects related to α-syn mediated pathology across different model systems. Here we describe a semi-automated assay to screen for small molecules that interfere with the cellular uptake and accumulation of PFFs. The assay uses dopaminergic progenitor cells (DPCs), derived from human induced pluripotent stem cells (hiPSCs). In an initial screen, we tested 1520 small molecules and identified several molecules that strongly reduce intracellular PFF load in DPCs. From these hits, candidate compounds were validated in dopaminergic neurons (DNs) to demonstrate the utility of the assay. This assay provides a robust, scalable and adaptable tool to screen for molecules that affect PFF uptake in hiPSC-derived cell models. Within the scope of this screen, it led to the identification of a set of compounds with diverse annotated targets that effectively reduce the uptake of synuclein aggregates in DPCs and DNs.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».