The role of insulin in retinal ganglion cell dendrite and synapse regeneration after optic nerve injury : molecular mechanisms and potential therapeutic targets
Bibliographic record
Abstract
Le glaucome, comme beaucoup d’autres maladies neurodégénératives, entraîne la mort des neurones et reste à ce jour incurable, représentant de ce fait un véritable fardeau pour la société. Il y a donc un réel besoin de développer de nouvelles stratégies thérapeutiques afin de ralentir la progression, voire de guérir les maladies neurologiques. Depuis des décennies, les chercheurs qui étudient les blessures ainsi que les maladies qui affectent le système nerveux central (SNC) ont focalisé leur attention sur la compréhension des mécanismes impliqués dans la dégénérescence axonale afin d’identifier de nouvelles cibles thérapeutiques pour la protection et la régénération des axones. Mais des données récentes indiquent que des déficits dendritiques constituent une caractéristique précoce de la neurodégénérescence, un phénomène maintenant appelé la pathologie dendritique et qui jouerait un rôle prépondérant dans la pathogénèse des maladies neurodégénératives comme le glaucome. Parce que les dendrites représentent des structures essentielles pour la communication et la fonction neuronale, il est donc crucial de protéger et de restaurer non seulement les axones mais aussi les dendrites des neurones encore vivants afin d’améliorer la condition des patients. Malgré cela, la capacité des neurones à régénérer leurs arbres dendritiques reste encore largement inconnue. L’hypothèse centrale de cette thèse propose que : 1) les neurones du SNC peuvent faire repousser leurs dendrites après une blessure axonale, et 2) l’identification des voies de signalisation impliquées pourrait offrir de nouvelles possibilités thérapeutiques permettant de ralentir, voire de prévenir la dégénérescence des neurones rétiniens lors de pathologies oculaires telles que le glaucome. Dans la première partie de cette thèse, nous avons démontré que les neurones des mammifères sont pourvus d’une capacité à restaurer leur arbre dendritique et leurs connectivités synaptiques. Grâce à l’utilisation de souris transgénique soumis à une transsection du nerf optique (axotomie), nous avons montrés que les cellules ganglionnaires de la rétine (CGRs) subissent rapidement un rétrécissement dendritique, bien avant que les dommages axonaux ou la perte des soma ne soient visibles. Nous avons également démontré que l’administration quotidienne d’insuline, par voie topique (gouttes oculaires) ou systémique (injection intrapéritonéale) après la rétraction des dendrites mais avant la mort neuronale induit une régénération robuste des dendrites ainsi qu’une restauration des connections avec les cibles présynaptiques. De plus, cette régénération des arbres dendritiques suite au traitement d’insuline permet d’étendre la survie neuronale et de restaurer la réponse rétinienne à la lumière. Des expériences de perte de fonction ciblée via l’utilisation de petits ARN interférents ont révélé que la régénération induite par l’insuline requiert l’activité des deux complexes de la voie mTOR, mTORC1 et mTORC2. Ces derniers agissent de manière synergique, mTORC1 régulant l’apparition de nouvelles branches dendritiques pour restaurer la complexité des arbres alors que mTORC2 stimule l’élongation des dendrites. Dans la deuxième étude présentée dans cette thèse, nous avons montré pour la première fois que morgana, une protéine chaperonne en aval de mTORC2, est exprimée par les CGRs et que son expression est sévèrement inhibée rapidement après une blessure axonale. Nous avons également démontré que morgana est nécessaire au succès de la régénération ainsi que de la neuroprotection induite par le traitement d’insuline. De plus, nous avons montré que le rétablissement de l’expression de morgana spécifiquement dans les CGRs via l’utilisation d’un vecteur viral (AAV) mène à une régénération robuste non seulement de leurs dendrites mais aussi de leurs synapses. Ainsi, nous avons identifié un nouveau rôle pour la protéine morgana dans la régulation de la morphologie des arbres dendritiques des neurones adultes chez les mammifères. En conclusions, les résultats présentés dans cette thèse contribuent à une meilleure compréhension des mécanismes pathologiques impliqués dans la pathologie dendritique des CGRs et identifient des cibles prometteuses pour le développement de nouvelles stratégies thérapeutiques dans le cadre des maladies neurodégénératives telles que le glaucome.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".