Effect of spatial learning on the protein tyrosine phosphatase STEP
Bibliographic record
Abstract
La protéine Striatal-Enriched Protein Tyrosine Phosphatase (STEP) joue un rôle important dans la régulation de la force synaptique, notamment par sa capacité à s'opposer au renforcement synaptique et à encourager la dépression à long terme. Des niveaux anormaux de STEP peuvent altérer l'apprentissage et la mémoire et ont été impliqués dans une variété de troubles neuropsychiatriques tels que la maladie d'Alzheimer. Bien qu'il existe de nombreux substrats et régulateurs connus de STEP, la gamme complète des molécules capables d'intéragir avec STEP reste à découvrir. Dans cette étude, nous avons utilisé deux méthodes complémentaires afin de trouver de nouveaux intéracteurs de STEP: l'identification par proximité à la biotine (BioID) et la purification par affinité couplée à la spectrométrie de masse (AP-MS). Nous avons ensuite utilisé le protocole de la piscine de Morris chez le rat afin de déterminer l'effet d'un apprentissage spatial sur les niveaux de STEP61, STEP non phosphorylé, le récepteur 1 de la neuromédine U (NMUR1) et la neurologine-1 (NLGN-1) dans l'hippocampe des rats. Nous avons observé qu'un environnement naturel riche en indices distaux radicalement différents les uns des autres était plus propice à l'apprentissage spatial qu'un environnement plus uniforme avec uniquement des images disponibles pour être utilisées comme indices distaux. Nous avons également constaté que la protéine STEP61 totale, la STEP non-phosphorylé et la NMUR1 n'ont pas changé à la suite d'un apprentissage spatial, mais que la NLGN-1 change dans l'un des protocoles utilisés. Enfin, nous n'avons pas été en mesure d'induire des changements dans les niveaux de STEP grâce à l'utilisation de NMDA ou de DHPG pour induire une dépression à long-term dans des cultures hippocampiques dissociées. Des recherches supplémentaires seront nécessaires afin de déterminer la nature des nouvelles interactions découvertes, ainsi que la façon dont celles-ci sont affectées par un apprentissage spatial, et le rôle de la dépression à long terme ou de la potentialisation à long terme dans ces processus.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 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 source (direct Gemma or distilled Codex), 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".