Neuronal reprogramming improves brain health in TgAD and aging rats
Notice bibliographique
Résumé
BACKGROUND: Cognitive decline, however, is not driven by disturbances in a few synapses in isolation, but by an aberration in the functioning of the entire neuronal network, which is assembled through interactions between excitatory, inhibitory and neuromodulatory cells. As disease progresses, loss of specific populations of neurons exacerbates cognitive function and renders a point of no return for present therapeutic interventions. Furthermore the neuroinflammatory response within the brain contributes to ongoing neuronal damage, and thus strategies to limit toxic inflammatory responses should benefit also slow disease progression. Our overall goal is to utilize neuronal reprogramming of toxic astrocytes into neurons as a means of decreasing neuroinflammation, stabilizing neuronal network function and ultimately cognition. METHOD: To elicit neuronal reprograming, proneural transcription factors (TFs) ASCL-1 or mutant ASCL-1 SA6 were expressed in 14- and 18-month-old TgF344 AD and their non-transgenic littermate rats using an AAV2/5 vector under a GFAP promoter. TFs were unilaterally injected into the hippocampal hilus and rats were monitored for behavior at seven weeks post TF delivery before pathological examination. Pathological and cognitive function was examined 7 weeks post viral injection. RESULT: We demonstrate a significant improvement in cognitive function 7 weeks after neuronal reprogramming, with a subsequent improvement in astrogliosis, microgliosis, neuronal density with a concomitant decrease in amyloid plaque load. CONCLUSION: Neuronal reprogramming decreases neuroinflammation and increases survival of neurons within the hippocampus of both TgF344 AD and aging F344 non-transgenic littermates. We demonstrate the return to a more homeostatic brain environment post-neuronal reprogramming in middle-aged and older rats.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».