Em formação

Conjuntos de neurônios do tipo Hopfield

Conjuntos de neurônios do tipo Hopfield


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

Parece haver um acordo geral de que as redes de Hopfield teóricas (consistindo em neurônios artificiais, nomeadamente neurônios de McCulloch-Pitts) são biologicamente bastante implausíveis, entre outras razões por causa de seus pesos sinápticos (bastante estritamente) simétricos. Por outro lado, alguns autores afirmam que existem montagens neurais no cérebro que qualitativamente comporte-se como redes Hopfield, ou seja,

  • eles estão fortemente interligados
  • eles armazenam sinapticamente um número limitado de padrões (atividades)
  • que eles alcançam como atratores quando alimentados com padrões de entrada ruidosos ou incompletos
  • eles "aprendem" (principalmente) pela regra de Hebb

O sistema de neurônios CA3 do hipocampo é sugerido como um desses conjuntos.

Minhas perguntas:

  1. Existe um acordo entre os especialistas de que os neurônios CA3 do hipocampo realmente se comportam de forma semelhante a uma rede de Hopfield?

  2. Que outros conjuntos (possivelmente núcleos?) Também se comportam de forma semelhante a uma rede Hopfield? (Alguns exemplos seriam bem-vindos.)


Acho que realmente depende do nível de detalhe e precisão necessários.

Dando uma olhada rápida no Google Scholar, parece que de fato existe (ou pelo menos havia) uma crença de que as redes do hipocampo poderiam ser razoavelmente modeladas por redes de Hopfield (por exemplo, consulte Controle neuromodulatório da função hipocampal: em direção a um modelo da doença de Alzheimer por Menschik e Finkel e suas referências). No entanto, muitos desses artigos são um tanto antigos (embora isso certamente não os invalide!) E a neurociência computacional avança com bastante rapidez. Então sim, até certo ponto, depois de ler alguns artigos que corroboram isso, pode parecer que algum comportamento macroscópico dos neurônios CA3 pode ser reproduzido por redes de Hopfield.

Dito isso, em trabalhos mais recentes, eu pessoalmente nunca vi ninguém modelar neurônios biológicos com neurônios tão simples, quando a precisão do nível celular é necessária (muitas vezes não é). Ao menos Hodgkin-Huxley estocástico ou integrar-e-disparar, por exemplo, são usados, mesmo que como processos pontuais (de modo que é um sistema de ODEs / SDEs, não PDEs / SPDEs). Mesmo os neurônios usados ​​nas redes neurais profundas de hoje (que não fazem nenhum esforço para a plausibilidade biofísica) são (ou pelo menos podem ser) mais complexos do que sigmoide uma combinação linear de entradas! Além disso, para escalas ligeiramente maiores, como você notou, a estrutura de conectividade é extremamente irreal. (Basta olhar para a histologia!)

De qualquer forma, depende do objetivo. Para semelhanças macroscópicas e qualitativas simples, pode ser suficiente. Mas se o objetivo é a precisão biofísica da simulação, então eu examinaria os artigos mais recentes e veria o que eles fazem. Verificação de saída Mecanismos sinápticos de conclusão de padrão na rede CA3 hipocampal por Guzman et al.

Quanto à sua segunda pergunta, apenas procurando artigos nas redes de Hopfield encontra vários deles. No entanto, eles parecem ser amplamente computacionais ou matemáticos, ao invés de papéis de modelagem neurocientíficos. Talvez outros possam encontrar outros melhores!

Isenção de responsabilidade: eu não estou no campo da modelagem hipocampal nem trabalhei muito com redes Hopfield, então leve meus pensamentos com um grão de sal. Minha sugestão é fazer uma extensa pesquisa bibliográfica e postar o que você encontrar como resposta aqui :)


A atividade localizada da miosina II regula a montagem e a plasticidade do segmento inicial do axônio

O segmento inicial do axônio (AIS) é o local de geração do potencial de ação e um locus de plasticidade homeostática dependente da atividade. Um complexo multimérico de canais de sódio, ligado por meio de um arcabouço citoesquelético de anquirina G e espectrina beta IV a anéis de actina submembranosos, medeia essas funções. Os mecanismos que especificam o complexo AIS para o axônio proximal e fundamentam sua plasticidade permanecem mal compreendidos. Aqui, mostramos que a cadeia leve de miosina fosforilada (pMLC), um ativador da miosina contrátil II, é altamente enriquecida na montagem e maturação de AIS, onde se associa a anéis de actina. A fosforilação do MLC e a atividade contrátil da miosina II são necessárias para a montagem do AIS e regulam a distribuição dos componentes do AIS ao longo do axônio. O pMLC é rapidamente perdido durante a despolarização, desestabilizando a actina e, assim, fornecendo um mecanismo para a plasticidade estrutural dependente da atividade do AIS. Juntos, esses resultados identificam a atividade de pMLC / miosina II como um elo comum entre a montagem AIS e a plasticidade.

Palavras-chave: anéis de actina anquirina axônio axônio segmento inicial plasticidade axonal plasticidade homeostática miosina II miosina nó da cadeia leve de espectrina de Ranvier.


Neurociências. 2ª edição.

A acetilcolina é o neurotransmissor nas junções neuromusculares, nas sinapses nos gânglios do sistema motor visceral e em vários locais do sistema nervoso central. Enquanto muito se sabe sobre a função da transmissão colinérgica na junção neuromuscular e nas sinapses ganglionares, as ações da ACh no sistema nervoso central não são tão bem compreendidas.

A acetilcolina é sintetizada nos terminais nervosos a partir da acetil coenzima A (acetil CoA, que é sintetizada da glicose) e da colina, em uma reação catalisada pela colina acetiltransferase (CAT) (Figura 6.8). A presença de CAT em um neurônio é, portanto, uma forte indicação de que a ACh é usada como um de seus transmissores. A colina está presente no plasma a uma concentração de cerca de 10 mM, e é levado aos neurônios colinérgicos por um transportador de Na + / colina de alta afinidade. Cerca de 10.000 moléculas de ACh são empacotadas em cada vesícula por um transportador vesicular de ACh.

Figura 6.8

Metabolismo da acetilcolina em terminais nervosos colinérgicos. A síntese de acetilcolina a partir de colina e acetil CoA requer colina acetiltransferase. O acetil CoA é derivado do piruvato gerado pela glicólise, enquanto a colina é transportada para o (mais.)

Em contraste com a maioria dos outros neurotransmissores de moléculas pequenas, a ação pós-sináptica da ACh em muitas sinapses colinérgicas (a junção neuromuscular em particular) não é encerrada pela recaptação, mas por uma poderosa enzima hidrolítica, a acetilcolinesterase (AChE). Esta enzima está concentrada na fenda sináptica, garantindo uma rápida diminuição na concentração de ACh após sua liberação do terminal pré-sináptico. A AChE tem uma atividade catalítica muito alta (cerca de 5.000 moléculas de ACh por molécula de AChE por segundo) e hidrolisa a ACh em acetato e colina. Como já mencionado, os terminais nervosos colinérgicos normalmente contêm um transportador de Na + -colina de alta afinidade que ocupa a colina produzida pela hidrólise de ACh.

Entre as muitas drogas interessantes que interagem com enzimas colinérgicas estão os organofosforados. Compostos como difenil tricloroetano (DTT) e o herbicida ácido 2,4-diclorofenoxiacético (2,4-D) foram originalmente desenvolvidos como inseticidas. Este grupo também inclui alguns agentes de guerra química potentes. Um desses compostos é o gás nervoso & # x0201cSarin, & # x0201d que se tornou conhecido alguns anos atrás, depois que um grupo de terroristas lançou esse gás no sistema ferroviário subterrâneo de Tóquio. Os organofosforados podem ser letais para humanos (e insetos) porque inibem a AChE, fazendo com que a ACh se acumule nas sinapses colinérgicas. Esse acúmulo de ACh despolariza a célula pós-sináptica e a torna refratária à liberação subsequente de ACh, causando, entre outros efeitos, paralisia neuromuscular.

Por acordo com a editora, este livro pode ser acessado pelo recurso de pesquisa, mas não pode ser navegado.


Resultados

Geração de dados de imagem de cálcio substituto

Os métodos que usamos para gerar dados substitutos foram amplamente semelhantes aos trabalhos anteriores. Para especificar grupos de neurônios que tendiam a ser coativos, ou seja, aumentando coordenadamente sua taxa de disparo, os neurônios foram posicionados em uma rede hexagonal (embora as relações espaciais entre os neurônios não tenham sido levadas em consideração na análise subsequente). Para selecionar os neurônios na montagem, uma posição no plano foi escolhida aleatoriamente e, em seguida, pontos foram desenhados de uma distribuição normal bidimensional em torno dessa posição, de modo que um neurônio fosse considerado parte da montagem quando pelo menos um deles pontos aleatórios caíram em sua vizinhança imediata (consulte a seção “Métodos”). Fazer isso várias vezes nos permitiu criar muitos conjuntos de montagens, com um número estatisticamente controlado de neurônios por montagem e grau de sobreposição entre as montagens para cada conjunto (Fig. 1a, b). Além disso, variamos o tamanho da matriz neural enquanto os parâmetros acima foram fixados, de modo que diferentes densidades de montagens dentro da matriz foram consideradas (consulte a seção “Métodos”).

Geração de dados de imagem de cálcio substituto. uma À esquerda, os pontos foram desenhados a partir de uma distribuição normal bidimensional, e um neurônio foi considerado parte da montagem quando pelo menos um ponto caiu dentro da distância ( frac <1> <2> ) de seu ponto de rede correspondente em seu centro. As linhas de contorno em torno da média indicam regiões de probabilidade de massa 50%, 90%, 99% e 99,9%. A montagem correspondente é mostrada à direita. b Um exemplo de 10 conjuntos (codificados por cores) incorporados em uma matriz neural de 469 neurônios. Anulares representam neurônios que se sobrepõem entre dois conjuntos. c Um exemplo das taxas de disparo de 19 neurônios ao longo de 120 s. Neurônios dentro dos mesmos conjuntos elevaram simultaneamente suas taxas de disparo (aqui em 60 s, 77,5 se 92 s). d A contagem de pico para os neurônios ao longo de 120 s, conforme determinado a partir de variáveis ​​aleatórias de Poisson independentes com base nas taxas de disparo mostradas em c. e Os eventos de pico de um único neurônio em uma janela de tempo de 10 s (parte superior) e a fluorescência do cálcio correspondente após a convolução com um núcleo exponencial (parte inferior). f A fluorescência do cálcio para os neurônios ao longo de 120 s. g O desvio da fluorescência do cálcio do nível basal, ( frac < Delta F>), para os neurônios ao longo de 120 s. Este foi o sinal a partir do qual os algoritmos tentaram reconstruir a estrutura de montagem

Assumiu-se que todos os neurônios na matriz disparavam picos de Poisson com uma taxa fixa de fundo escolhida aleatoriamente para cada neurônio [26]. Com uma probabilidade constante em cada etapa de tempo, cada neurônio elevou sua taxa por um fator λ para esse intervalo de tempo. Se isso ocorreu para qualquer neurônio em uma montagem, todos os neurônios nessa montagem também aumentaram sua taxa por um fator λ nessa etapa de tempo (Fig. 1c, d). Com pequena probabilidade, dois conjuntos poderiam, portanto, estar ativos ao mesmo tempo, mas era muito improvável que ocorresse mais de uma vez em cada conjunto de dados (ou seja, cada gravação simulada). Os trens de pico resultantes foram então convolvidos com um kernel de decaimento de cálcio exponencial com meia-vida de ( tau _ < frac <1> <2>> ) (Fig. 1e) [33, 34]. Depois de aplicar uma função de saturação não linear, o ruído foi adicionado a este sinal a partir de uma distribuição normal centrada [35], e ( frac < Delta F>) as medições foram extraídas dos traços de cálcio resultantes (Fig. 1f, g) em uma resolução temporal de ΔT. A notação e os valores dos parâmetros padrão são resumidos na Tabela 1. A menos que indicado de outra forma, os gráficos mostrados nas figuras subsequentes representam variações de desempenho conforme os parâmetros individuais foram alterados a partir deste conjunto padrão.

Oito algoritmos diferentes foram usados ​​para reconstruir as montagens embutidas (Fig. 2). Para a maioria dos algoritmos, as implementações foram disponibilizadas publicamente ou gentilmente cedidas a nós pelos autores originais. Quatro algoritmos consideraram a correlação neurônio-neurônio, aplicando PCA em conexão com ICA (ICA-CS) [26, 27] ou rotações oblíquas Promax (Promax-MP) [12, 36], e também investigamos uma nova variante de ICA -CS (ICA-MP), bem como uma nova variante do Promax-MP (Promax-CS) (consulte a seção “Métodos”). Em vez de olhar para a correlação neurônio-neurônio, os quatro algoritmos restantes consideraram a relação entre os diferentes estados de toda a população. Um desses algoritmos envolveu a aplicação frequente de mineração de conjunto de itens em conjunto com testes estatísticos adicionais (FIM-X) [29, 30]. O algoritmo CORE considera a similaridade entre os padrões de atividade e definiu um conjunto de representantes do núcleo que foram posteriormente agrupados [7], enquanto outro algoritmo considerou um mapa de similaridade dos padrões de atividade ao qual SVD [31] foi aplicado. Finalmente, o algoritmo ao qual nos referimos como “similarity graph clustering” (SGC) representou a similaridade dos padrões de atividade em um gráfico e os agrupou neste gráfico [15].

Esquemas dos diferentes algoritmos investigados Todos os algoritmos podem ser divididos em três fases: pré-processamento, detecção do conjunto central e limiar / otimização. uma Nos algoritmos ICA, o PCA é aplicado a ( frac < Delta F>), seguido por ICA para os componentes principais significativos. O modelo nulo de significância é determinado a partir de deslocamentos circulares (ICA-CS) ou dado como a distribuição Marčenko-Pastur (ICA-MP). Os componentes principais resultantes são limitados diretamente (ICA-CS) ou após um teste KS (ICA-MP) para chegar aos conjuntos. b Nos algoritmos Promax, ( frac < Delta F>) é primeiro reduzido aos seus transientes de cálcio significativos, antes de o PCA ser aplicado. O modelo nulo para componentes principais significativos é dado como a distribuição Marčenko-Pastur (Promax-MP) ou determinado a partir de deslocamentos circulares (Promax-CS). Esses componentes principais são girados por meio do Promax antes de limitar o escore z dos componentes para chegar às montagens. c No algoritmo CORE, ( frac < Delta F>) é desconvolvido e as probabilidades de pico resultantes são limitadas em um sinal binário. Os padrões de atividade com um alto nível de atividade são reduzidos a um conjunto de padrões de atividades centrais (ou conjuntos) que são agrupados usando agrupamento de k-means e os padrões de atividade de cada comunidade são calculados para chegar às assembleias. d No algoritmo SVD, ( frac < Delta F>) é desconvolvido e as probabilidades de pico resultantes são limitadas em um sinal binário. A partir dos padrões de atividade com um alto nível de atividade, um mapa de similaridade é construído e estabelecido antes que o SVD seja aplicado. As montagens foram então inferidas dos padrões de atividade correspondentes a cada vetor singular significativo. e No algoritmo SGC, ( frac < Delta F>) é limitado a um sinal binário e os padrões de atividade com um alto nível de atividade são organizados em um gráfico de acordo com sua similaridade. O gráfico é dividido em suas comunidades usando agrupamento espectral e os padrões de atividade de cada comunidade são calculados para chegar às assembleias. f No algoritmo FIM-X, ( frac < Delta F>) é estabelecido em um sinal binário e FIM é aplicado para encontrar neurônios coativos como conjuntos de itens frequentes. Esses conjuntos de itens frequentes são reduzidos por PSF e PSR envolvendo alguns testes estatísticos adicionais para chegar às montagens

O desempenho dos diferentes algoritmos foi medido pela correspondência entre o número de montagens encontradas versus o número embutido e a similaridade das montagens embutidas e reconstruídas. Este último foi quantificado com uma pontuação de "Melhor correspondência" [37] (consulte a seção "Métodos"). Alguns dos algoritmos tendiam a superestimar o número de montagens, o que consequentemente reduzia o desempenho medido pela pontuação da Melhor Correspondência, mesmo que algumas das montagens recuperadas fossem semelhantes às incorporadas. Como uma estimativa mais generosa de desempenho, portanto, também consideramos uma pontuação de "Melhor correspondência otimizada" (arquivo adicional 2), onde medimos a semelhança entre os conjuntos incorporados e o subconjunto de conjuntos recuperados que mais se aproximam deles (consulte "Métodos" seção).

Desempenho com tamanho de matriz variável, número de montagens, tamanho de montagem e sobreposição

Investigamos primeiro como o número de assemblies detectados pelos algoritmos variava com o tamanho da matriz neural. Alguns neurônios podem não participar de nenhuma montagem e, em vez disso, sua atividade fornece apenas ruído. Incorporamos 10 conjuntos em uma matriz de tamanho variando de 217 a 919 neurônios. SGC, ICA-CS, ICA-MP, CORE e SVD recuperaram o número correto de conjuntos (Fig. 3a, b Arquivo adicional 2), embora o desempenho de SVD (ou seja, correspondência de conjuntos recuperados com conjuntos verdadeiros) foi baixo. Para Promax-MP, o desempenho era bom quando a matriz neural era pequena. Embora o Promax-CS também tenha encontrado os conjuntos corretos para pequenos arranjos neurais, para grandes arranjos, ele subestimou ligeiramente o número de conjuntos.

Desempenho em função do tamanho da matriz neural, número de montagens incorporadas e tamanho da montagem Em cada gráfico e para cada algoritmo, a média é representada por uma linha sólida junto com a região de um desvio padrão acima e abaixo. Nos gráficos de desempenho, medido em termos da pontuação da Melhor Correspondência, a linha tracejada preta indica o nível de chance da pontuação da Melhor Correspondência. a, b Variando o tamanho da matriz neural. Com o aumento do tamanho da matriz neural, Promax-MP e FIM-X detectaram um número crescente de montagens e, conseqüentemente, seu desempenho diminuiu. ICA-CS, ICA-MP, SGC, CORE e SVD detectaram um número constante de montagens e, exceto para SVD, mostraram bom desempenho. O Promax-CS teve um bom desempenho para arranjos neurais menores, mas subestimou ligeiramente o número de montagens em arranjos maiores. CD Variando o número de montagens incorporadas. O Promax-MP detectou um número quase constante de montagens. ICA-CS, ICA-MP, SGC, Promax-CS e FIM-X detectaram um número crescente de montagens conforme o número de montagens incorporadas aumentava, embora FIM-X superestimasse o número total. Quando havia apenas alguns assemblies incorporados, Promax-CS subestimou o número total, enquanto quando havia mais assemblies incorporados, CORE superestimou e SVD subestimou o número total. e, f Variando os tamanhos de montagem. ICA-CS, ICA-MP, SGC, Promax-CS, CORE e SVD detectaram um número constante de montagens, exceto quando as montagens incorporadas eram particularmente pequenas. Promax-MP e FIM-X superestimaram o número de montagens

Em seguida, testamos como o número de assemblies detectados variou com o número de assemblies incorporados. Novamente SGC, ICA-CS, ICA-MP e, até certo ponto, Promax-CS tiveram um bom desempenho, mas Promax-MP, FIM-X e CORE encontraram um excesso de montagens e SVD subestimou o número total (Fig. 3c, d Arquivo adicional 2). Em seguida, variamos o tamanho médio do conjunto para 10 conjuntos embutidos (Fig. 3e, f Arquivo adicional 2). Novamente, Promax-MP e FIM-X não tiveram um bom desempenho para qualquer tamanho de montagem. O desempenho do SGC, ICA-CS, ICA-MP, Promax-CS e CORE foi bom, exceto para tamanhos de montagem pequenos, onde o desempenho do SGC, ICA-CS e ICA-MP foi semelhante ao do FIM-X. O desempenho de todos os algoritmos diminuiu com um grau crescente de sobreposição nas montagens (Arquivo adicional 1: Figura S1A, B Arquivo adicional 2).

Em resumo, descobrimos que o tamanho da matriz neural afeta fortemente o desempenho de Promax-MP e FIM-X. Em contraste, SGC, ICA-CS e ICA-MP, bem como Promax-CS, detectaram o número correto de conjuntos, independentemente de quantos foram incorporados, e seu desempenho foi geralmente melhor para conjuntos maiores. O desempenho do SVD foi geralmente baixo, apesar de recuperar o número correto de montagens.

Desempenho com intensidade de sinal variável

Em seguida, investigamos como o desempenho dos algoritmos variava com a intensidade do sinal em comparação com o ruído. A força do sinal é controlada por vários fatores, incluindo o número de eventos de montagem presentes (determinado pela duração da simulação e a frequência do evento), a resolução temporal do sinal de cálcio, o tempo de decaimento do indicador de cálcio, a saturação do indicador de cálcio, o multiplicador de taxa de disparo durante eventos de montagem e ruído adicional adicionado ao sinal de cálcio.

Como esperado, o desempenho de todos os algoritmos aumentou com a duração da simulação e, portanto, o número absoluto médio de eventos de montagem. Esse aumento foi lento para Promax-MP e FIM-X, mas relativamente rápido para SGC, ICA-CS, ICA-MP, Promax-CS e CORE, que, além de CORE, eventualmente atingiu desempenho de saturação para o conjunto de parâmetros padrão (Fig. 4a, b Arquivo adicional 2). Surpreendentemente, o número de assemblies detectados para FIM-X atingiu o pico e depois diminuiu. A maior resolução temporal do sinal de cálcio não teve efeito no desempenho de SGC, ICA-CS, ICA-MP e Promax-CS, que foi globalmente bom, mas diminuiu o desempenho de Promax-MP e FIM-X, aparentemente porque eles encontraram um número crescente de montagens à medida que mais dados estavam disponíveis. Para CORE, o número absoluto de montagens estava correto, enquanto SVD o subestimou (Fig. 4c, d Arquivo adicional 2).

Desempenho como uma função da duração da simulação, resolução temporal e convenções gráficas de meia-vida do indicador de cálcio, como na Fig. 3. uma, b Variando a duração da simulação T. Com o aumento T, o desempenho de ICA-CS, ICA-MP, SGC e Promax-CS aumentou e eles detectaram um número constante de montagens além T= 1800s. Promax-MP superestimou o número total, e o número detectado por FIM-X mostrou um pico acentuado, enquanto SVD subestimou o número total. c, d Variando a resolução temporal ΔT. Com o aumento ΔT, Promax-MP e FIM-X detectaram um número decrescente de montagens. Ambos superestimaram o número total, particularmente FIM-X em pequeno ΔT. SVD subestimou o número total de assembleias. ICA-CS, ICA-MP, SGC, Promax-CS e CORE detectaram um número constante de montagens e ICA-CS, ICA-MP, SGC e Promax-CS também apresentaram bom desempenho. e, f Variando a meia-vida do indicador de cálcio ( tau _ < frac <1> <2>> ). Com o aumento de ( tau _ < frac <1> <2>> ) Promax-MP e FIM-X detectaram um número crescente de montagens. ICA-CS, ICA-MP, SGC, Promax-CS, CORE e SVD detectaram um número constante de montagens e ICA-CS, ICA-MP, SGC, Promax-CS e CORE apresentaram bom desempenho

Enquanto os resultados de SGC, ICA-CS, ICA-MP, Promax-CS, CORE e SVD foram bastante robustos para a meia-vida do indicador de cálcio ( tau _ < frac <1> <2>> ), o desempenho de Promax-MP e FIM-X diminuiu conforme ( tau _ < frac <1> <2>> ) aumentou (Fig. 4e, f Arquivo adicional 2). No entanto, para ( tau _ < frac <1> <2>> ) muito baixo, nem o Promax-MP nem o Promax-CS retornaram resultados porque seu modelo de ruído não foi capaz de ajustar os dados.

O desempenho de todos os algoritmos aumentou com a frequência do evento, mas muito mais rápido para SGC, ICA-CS, ICA-MP e Promax-CS do que Promax-MP, FIM-X, CORE e SVD (Fig. 5a, b Arquivo adicional 2 ) Quanto à duração da simulação, variações na frequência do evento alteram o número médio de repetições para cada evento de montagem. No entanto, a atividade de ruído entre os eventos difere entre esses cenários, de modo que a duração da simulação e a frequência do evento não são parâmetros intercambiáveis ​​(arquivo adicional 3). O multiplicador da taxa de disparo do evento λ determinou o aumento na taxa de disparo quando um neurônio estava ativo e, portanto, quão claramente distinguível tal evento era em termos do aumento na fluorescência do fundo. Como λ aumentado, SGC, ICA-CS, ICA-MP e Promax-CS mostraram um limite em cerca de λ= 2 (para o conjunto padrão de outros parâmetros) abaixo do qual nenhum conjunto foi detectado, e além do qual o desempenho aumentou perto do ideal (Fig. 5c, d Arquivo adicional 2). Em contraste, o desempenho de Promax-MP e FIM-X aumentou muito lentamente com λ, e novamente, o número de assemblies encontrados pelo FIM-X mostrou um pico e depois diminuiu. Quanto ao SGC, ICA-CS, ICA-MP e Promax-CS, o número de montagens detectadas e o desempenho aumentaram primeiro, mas depois diminuíram novamente.

Desempenho em função da frequência do evento, do multiplicador da taxa de disparo do evento e do desvio padrão das convenções do gráfico de ruído, como na Fig. 3. uma, b Variando a frequência do evento f ∗. Com o aumento f ∗, o desempenho de ICA-CS, ICA-MP, SGC, Promax-CS e CORE aumentou e eles detectaram um número constante de montagens além f ∗ = 5mHz. Em baixas frequências, o desempenho do Promax-CS excedeu o do ICA-CS, ICA-MP e SGC. Promax-MP e FIM-X superestimaram o número de montagens. c, d Variando o multiplicador da taxa de disparo do evento λ. Com o aumento λ, o desempenho de ICA-CS, ICA-MP, SGC e Promax-CS aumentou e, quando λ ultrapassou cerca de 4, eles detectaram um número constante de montagens e apresentaram bom desempenho. Promax-MP e FIM-X superestimaram o número de montagens. O desempenho do CORE primeiro aumentou, mas depois diminuiu, pois subestimou o número total de montagens. e, f Variando o desvio padrão σ do ruído gaussiano. Com o aumento σ, cada algoritmo (exceto FIM-X, que em vez disso mostrou um pico, e SVD) detectou um número decrescente de montagens e, conseqüentemente, seu desempenho diminuiu. Para níveis de ruído além σ= 3 nem Promax-MP ou Promax-CS produziram quaisquer resultados, uma vez que não foram capazes de ajustar o modelo de ruído aos dados

Como o parâmetro de ruído σ adicionado ao aumento do sinal de cálcio, o desempenho de SGC, ICA-CS e ICA-MP permaneceu próximo a 1 até cerca de σ= 2, além do qual seu desempenho declinou lentamente (Fig. 5e, f Arquivo adicional 2). O mesmo comportamento pode ser observado no desempenho do CORE, porém com um valor inferior. O desempenho do Promax-CS caiu mais rapidamente com σ, e nem Promax-MP, FIM-X, nem SVD tiveram um bom desempenho para qualquer valor de σ.

Na realidade, os sinais de cálcio saturam. Portanto, também consideramos o efeito de uma saturação não linear simples no sinal de cálcio com constante de saturação κ [33–35]. No entanto, isso teve muito pouco efeito no desempenho de qualquer um dos algoritmos (arquivos adicionais 1 e 2).

Em resumo, para todos os algoritmos, o desempenho aumentou com frequência de evento mais alta ou durações de simulação mais longas. O desempenho permaneceu constante para SGC, ICA-CS e ICA-MP, Promax-CS, bem como CORE quando a resolução temporal foi aumentada, enquanto para Promax-MP e FIM-X diminuiu. A meia-vida do indicador de cálcio não afetou o desempenho de SGC, ICA-CS, ICA-MP, Promax-CS ou CORE. Além disso, o desempenho aumentou com um maior multiplicador de taxa de disparo de evento para todos os algoritmos, embora SGC, ICA-CS e ICA-MP tenham atingido o desempenho máximo mais rapidamente. Novamente, o desempenho do SVD foi baixo, apesar de recuperar o número correto de montagens.

Aplicação a dados reais

Em seguida, testamos o desempenho dos algoritmos em um conjunto de dados de atividade evocada por estímulo no tectum óptico do peixe-zebra. Onze estímulos diferentes foram mostrados aos peixes por meio de um projetor na forma de pequenos pontos separados por 15 ° no campo visual (Fig. 6a). As respostas a esses estímulos eram claramente visíveis na atividade da população (Fig. 6b). ( frac < Delta F>) os valores foram muito maiores para as apresentações pontuais do que para os períodos intermediários de atividade espontânea, e esse contraste também foi muito mais pronunciado do que em nossos dados simulados com montagens injetadas (Fig. 6c cf. Fig. 1). Estimamos uma configuração de montagem de referência a partir da atividade média evocada por cada estímulo ao longo de 20 repetições e, em seguida, perguntamos se os algoritmos encontrariam essas montagens. Um neurônio era considerado parte de uma montagem se fosse, em média, substancialmente mais ativo em resposta ao estímulo correspondente do que em todos os estímulos (consulte a seção “Métodos”). Embora as respostas tectais tenham sido observadas para todos os estímulos, a atividade evocada pelos estímulos 1–3 foi mais fraca e mais sobreposta (Fig. 6d). Portanto, esperávamos que entre 8 e 11 assembleias fossem encontradas para esses dados.

Aplicação de diferentes algoritmos para dados de imagem de cálcio evocado por estímulo do tectum óptico larval do peixe-zebra. uma 11 estímulos diferentes foram mostrados aos peixes. Os estímulos foram separados por 15 ° no campo visual dos peixes. b O desvio da fluorescência do cálcio do nível basal, ( frac < Delta F>), para os 160 neurônios ao longo de cerca de 180 s da gravação. Os neurônios são ordenados por sua posição ântero-posterior no tectum. Os estímulos foram apresentados na ordem 11 - 1 - 10 - 2 - 6 - 3 - 8 - 4 - 9 - 5 - 7 conforme indicado. c Exemplo de traço de cálcio ao longo de todo o experimento de um neurônio particularmente responsivo ao estímulo 11, cujo início é indicado. O ruído geral é relativamente baixo e os picos de fluorescência são claramente visíveis. d A resposta média da população em termos de fluorescência ( ( frac < Delta F>)) aos 11 estímulos diferentes. As respostas aos primeiros 3 estímulos foram fracas em comparação com os outros. e – j Representações gráficas das montagens recuperadas pelos diferentes algoritmos. Os neurônios que faziam parte das respectivas montagens são marcados em preto. e O SGC recuperou 8 conjuntos. f O ICA-CS recuperou 5 conjuntos. g O Promax-CS recuperou 5 conjuntos. h SVD recuperou 5 montagens. eu CORE recuperou 1 montagem. j O ICA-MP recuperou 2 conjuntos. k O Promax-MP recuperou 16 conjuntos. eu FIM-X recuperou 27 conjuntos

Todos os algoritmos encontraram conjuntos de montagens que foram apropriadamente localizadas e a ordenação topográfica preservada no tectum óptico (Fig. 6e-l). SGC encontrou conjuntos 8 e SVD 5 relativamente densos (Fig. 6e, h). Para os outros algoritmos, havia uma grande diversidade na dispersão e no número de assemblies que eles encontraram, variando de 1 para CORE (Fig. 6i) a 27 para FIM-X (Fig. 6l). Em comparação com a configuração de referência definida acima, algumas montagens parecem ter sido perdidas ou subdivididas para produzir um grande número de montagens esparsas.

Qualitativamente, a Fig. 6 sugere que SGC deu os resultados mais precisos, seguido por Promax-CS e então ICA-CS. Confirmamos isso quantitativamente calculando a pontuação da melhor correspondência em relação à configuração de montagem de referência estimada (arquivo adicional 4). Isso sugere que SGC foi o melhor algoritmo para reconstruir montagens definidas pela atividade evocada em dados reais.


Resultados

Estatísticas bayesianas

Dado um modelo que descreve as observações em termos de um conjunto de características não observadas (latentes) Z e parâmetros do modelo θ, o objetivo da estatística bayesiana é quantificar a distribuição de probabilidade de parâmetros e variáveis ​​latentes condicionais aos dados usando o teorema de Bayes (1) que expressa essa probabilidade em termos da probabilidade de observar os dados (dados os parâmetros do modelo) e a distribuição prévia dos parâmetros que representam nosso conhecimento a priori sobre o modelo. No contexto da atividade neuronal, as variáveis ​​latentes Z descrever como os neurônios são organizados em conjuntos. Portanto, para realizar inferência estatística, primeiro precisamos introduzir um modelo que nos permite calcular a probabilidade tanto da atividade neuronal observada quanto da configuração latente que representa a estrutura de montagem.

O modelo generativo

Nesta seção, delineamos nossa abordagem para caracterizar a atividade neuronal de N neurônios organizados em UMA montagens para M prazos. Assumimos que cada neurônio pertence a um conjunto e denotamos suas associações por vetor de rótulos de inteiros <t1, ⋯, tN> entre 1 e UMA. O estado de todos os assemblies ao longo do tempo é especificado por uma matriz binária ω (0 = “desligado”, 1 = “ligado”) de tamanho M × UMA. A seguir, adotaremos a notação abreviada µ = <eu ∈ <1, ⋯, N>: teu = µ> para indicar o conjunto de neurônios atribuídos ao mesmo conjunto µ. Vetores de parâmetros serão denotados pela eliminação de seus índices, por exemplo, p ≡ <p1, ⋯, pUMA>. As associações neuronais e a matriz de atividade de montagem são variáveis ​​não observadas que queremos estimar a partir dos dados de atividade neuronal observada.

Nosso modelo é especificado pelas seguintes três etapas geradoras: (1) desenhar associação neuronal teu de uma distribuição categórica com probabilidades nµ, µ = 1, …, UMA (2) desenhar independentemente os estados de atividade ω = <0, 1> de montagem µ no tempo k de uma distribuição de Bernoulli com probabilidades específicas de montagem pµP(ω = 1) (3) desenha a atividade de todos os neurônios em todos os momentos, denotada pela matriz binária sik, da probabilidade condicional (2) que depende do estado z ∈ <0, 1> da montagem correspondente teu. Os parâmetros λµ(1) e λµ(0) representam as probabilidades de qualquer um dos neurônios pertencentes ao conjunto µ para disparar quando a montagem estiver ativa ou inativa, respectivamente. Daqui em diante nos referiremos a λµ(0) como o nível de assincronia na montagem e para λµ(1) como sincronia de montagem, caracterizando a propensão dos neurônios constituintes da montagem para disparar sincronizadamente.

Os parâmetros do modelo θ = <n, p, λ> fornecem uma caracterização completa dos conjuntos com base em suas propriedades estatísticas, incluindo frequência de disparo, tamanho, sincronia e níveis de assincronia. Conforme discutido nas seções a seguir, nossa abordagem nos permite estimar os parâmetros do modelo a partir dos dados junto com as variáveis ​​latentes do modelo.

Probabilidade

A partir das regras gerativas descritas na seção acima, podemos calcular a probabilidade conjunta de associação neuronal t, a matriz de atividades de montagem ω e a matriz de atividade neuronal s condicional aos parâmetros do modelo θ (verossimilhança) como (3) Em seguida, precisamos definir as distribuições usadas como antecedentes nos parâmetros do modelo, conforme indicado na Eq (1). Em particular, usamos uma distribuição beta para as probabilidades de ativação de montagem p'Se as probabilidades de disparo síncrono / assíncrono λ's enquanto que para os tamanhos relativos de cada montagem nEmpregamos uma distribuição de Dirichlet que impõe a condição de normalização ∑µ nµ = 1. Nossas distribuições anteriores são então resumidas como (4) (5) (6) onde a notação padrão xP significa que x é tirado da distribuição P. α'areia β'S são os (hiper) parâmetros que descrevem nosso conhecimento prévio sobre os parâmetros do modelo, como a esparsidade temporal esperada da ativação síncrona de populações neuronais. Este modelo pode ser representado graficamente como em S1 Fig (painel A).

A presente formulação do modelo generativo pode ser usada diretamente para desenhar amostras posteriores de parâmetros e características latentes, derivando suas distribuições condicionais completas (amostragem de Gibbs). No entanto, esta estratégia introduziria vários problemas ao lidar com um número variável de montagens, como recursos contínuos (como o vetor n de tamanho relativo, por exemplo) teria dimensionalidade variável. Podemos derivar um amostrador mais eficiente integrando os parâmetros contínuos θ e obter a probabilidade marginal P(t, ω, s) Este procedimento leva ao modelo “colapsado” representado em S1 Fig (painel B) que em geral reduz a incerteza associada à estimativa das variáveis ​​restantes. Para proceder a nossa derivação, primeiro introduzimos as variáveis ​​de resumo (7) (8) (9) (10) onde δeu j é a função delta de Kronecker e S é qualquer subconjunto de índices no intervalo de 1 a N. Para simplificar a notação, também introduzimos matrizes adicionais derivadas da Eq (9) (11) (12) (13) Para cada montagem µ, Gµ é o tamanho da montagem, Hµ e denotam (até uma constante aditiva) o número de eventos ativos e inativos ao longo do tempo, respectivamente, enquanto a matriz conta quantas vezes o estado (ω, sik) = (z, z′) É observado ao longo do tempo e os neurônios do conjunto S (até uma constante aditiva).

Devido ao caráter conjugado das distribuições anteriores (consulte Materiais e métodos para obter detalhes), a integração sobre θ pode ser realizado analiticamente, levando à probabilidade marginal (14), onde B(⋅, ⋅) é a função beta de Euler e é definida como o produto das funções gama (15) Após a integração θ podemos reescrever a probabilidade conjunta na Eq (14) como o produto entre a probabilidade (16) e a anterior nas variáveis ​​latentes (17). Vamos empregar esta formulação "colapsada" do modelo para fazer inferência sobre a filiação celular e a atividade de montagem .

Inferência

Dados os dados sobre atividades neurais na forma de uma matriz binária s, podemos usar o modelo gerador descrito acima para fazer inferência sobre identidades neuronais e atividade de montagem junto com os parâmetros do modelo. Dentro de nossa estrutura probabilística, podemos estimar essas quantidades avaliando suas expectativas com relação à distribuição condicional P(t, ω|s) Essas médias podem ser calculadas por meio de métodos de Monte Carlo, gerando amostras aleatórias da distribuição conjunta.

Primeiro consideramos o caso em que o número de montagens neuronais UMA é conhecido. Para obter amostras de P(t, ω, s) na Eq (14), podemos usar um amostrador de Gibbs, onde a associação de células e as atividades de montagem são desenhadas sequencialmente a partir das distribuições condicionais P(t|ω, s) e P(ω|t, s) respectivamente (Algoritmo 1).

Algoritmo 1 Amostragem de Gibbs recolhido

2: enquanto Critérios de convergência Faz

3: para cada conjunto µ ∈ <1, ⋯, UMA> tempo k ∈ <1, ⋯, M> Faz


Obtenha acesso completo ao diário por 1 ano

Todos os preços são preços NET.
O IVA será adicionado mais tarde no check-out.
O cálculo do imposto será finalizado durante o checkout.

Obtenha acesso limitado por tempo ou ao artigo completo no ReadCube.

Todos os preços são preços NET.


Fatores de emenda Rbfox promovem a maturação neuronal e a montagem do segmento inicial do axônio

A maturação neuronal requer mudanças morfológicas e funcionais dramáticas, mas os mecanismos moleculares que regem esse processo não são bem compreendidos. Aqui, estudamos o papel das proteínas Rbfox1, Rbfox2 e Rbfox3, uma família de reguladores de splicing específicos de tecido que sofreram mutação em vários distúrbios do neurodesenvolvimento. Geramos Rbfox triplo nocaute (tKO) neurônios espinhais ventrais para definir uma rede abrangente de exons alternativos sob a regulação Rbfox e para investigar sua importância funcional nos neurônios em desenvolvimento. Os neurônios Rbfox tKO exibem defeitos no splicing alternativo de muitas proteínas do citoesqueleto, membrana e sináptica e exibem atividade eletrofisiológica imatura. O segmento inicial do axônio (AIS), uma estrutura subcelular importante para o início do potencial de ação, é diminuído com a depleção de Rbfox. Identificamos um switch de splicing regulado por Rbfox na anquirina G, a proteína "hub de interação" AIS, que regula a afinidade da espectrina G-beta da anquirina e a montagem do AIS. Nossos dados mostram que o programa de splicing regulado por Rbfox desempenha um papel crucial na maturação estrutural e funcional de neurônios pós-mitóticos.

Palavras-chave: Citoesqueleto de actina AnkG Rbfox maturação neuronal do segmento inicial do axônio de splicing alternativo.


Referências

Nott, T. J. et al. A transição de fase de uma proteína nuage desordenada gera organelas sem membranas ambientalmente responsivas. Mol. Célula 57, 936–947 (2015).

Boeynaems, S. et al. Separação de fases de proteínas: uma nova fase na biologia celular. Trends Cell Biol. 28, 420–435 (2018).

Taylor, J. P., Brown, R. H., Jr. & amp Cleveland, D. W. Decoding ALS: from genes to mecan. Natureza 539, 197–206 (2016).

Irwin, D. J. et al. Degeneração lobar frontotemporal: definindo diversidade fenotípica por meio da medicina personalizada. Acta Neuropathol. 129, 469–491 (2015).

Kim, H. J. et al. A modulação terapêutica da fosforilação de eIF2α resgata a toxicidade do TDP-43 em modelos de doença de esclerose lateral amiotrófica. Nat. Genet. 46, 152–160 (2014).

Radford, H., Moreno, J.A., Verity, N., Halliday, M. & amp Mallucci, G.R. A inibição de PERK impede a neurodegeneração mediada por tau em um modelo de camundongo de demência frontotemporal. Acta Neuropathol. 130, 633–642 (2015).

Chia, R., Chio, A. & amp Traynor, B. J. Novos genes associados com esclerose lateral amiotrófica: implicações diagnósticas e clínicas. Lancet Neurol. 17, 94–102 (2018).

Jack, C. R., Jr. et al. Estrutura de pesquisa do NIA-AA: em direção a uma definição biológica da doença de Alzheimer. Alzheimers Dement. 14, 535–562 (2018).

Jin, M. et al. Dímeros de proteína beta amilóide solúvel isolados do córtex de Alzheimer induzem diretamente a hiperfosforilação de Tau e degeneração neurítica. Proc. Natl Acad. Sci. EUA 108, 5819–5824 (2011).

Bang, J., Spina, S. & amp Miller, B. L. Frontotemporal dementia. Lanceta 386, 1672–1682 (2015).

Lin, Y., Protter, D. S., Rosen, M. K. & amp Parker, R. Formação e maturação de gotículas líquidas separadas por fase por proteínas de ligação a RNA. Mol. Célula 60, 208–219 (2015).

Liu-Yesucevitz, L. et al. Tradução local do RNA na sinapse e na doença. J. Neurosci. 31, 16086–16093 (2011).

Parker, R. & amp Sheth, U. Podies and the control of mRNA translation and degradation. Mol. Célula 25, 635–646 (2007).

Mao, Y. S., Zhang, B. & amp Spector, D. L. Biogenesis and function of nuclear corpos. Trends Genet. 27, 295–306 (2011).

As proteínas Shpargel, K. B. & amp Matera, A. G. Gemin são necessárias para a montagem eficiente de ribonucleoproteínas da classe Sm. Proc. Natl Acad. Sci. EUA 102, 17372–17377 (2005).

Zhang, H. et al. Complexos multiproteicos da sobrevivência da proteína do neurônio motor SMN com tráfego de Gemins para processos neuronais e cones de crescimento de neurônios motores. J. Neurosci. 26, 8622–8632 (2006).

DeJesus-Hernandez, M. et al. A repetição expandida de hexanucleotídeo GGGGCC na região não codificadora de C9ORF72 causa FTD e ALS ligados ao cromossomo 9p. Neurônio 72, 245–256 (2011).

Renton, A.E. et al. Uma expansão de repetição de hexanucleotídeo em C9ORF72 é a causa do ALS-FTD ligado ao cromossomo 9p21. Neurônio 72, 257–268 (2011).

Jain, A. & amp Vale, R. D. transições de fase de RNA em distúrbios de expansão de repetição. Natureza 546, 243–247 (2017).

Fay, M. M., Anderson, P. J. & amp Ivanov, RNA de repetição C9ORF72 associado a P. ALS / FTD promove transições de fase in vitro e em células. Cell Rep. 21, 3573–3584 (2017).

Van Treeck, B. et al. A automontagem do RNA contribui para a formação do grânulo de estresse e definição do transcriptoma do grânulo de estresse. Proc. Natl Acad. Sci. EUA 115, 2734–2739 (2018).

Maharana, S. et al. O RNA protege o comportamento de separação de fases de proteínas de ligação a RNA semelhantes a príons. Ciência 360, 918–921 (2018). Este estudo mostra elegantemente o importante papel que o RNA desempenha na regulação da dinâmica de separação de fases de organelas sem membranas..

Guo, L. et al. Os receptores de importação nuclear revertem as transições de fase aberrantes de proteínas de ligação a RNA com domínios semelhantes a príons. Célula 173, 677–692.e620 (2018). Este artigo demonstra que os receptores de importação nuclear podem atuar como desagregados, fornecendo assim um novo mecanismo para regular os SGs e identificando uma ligação funcional entre a maquinaria de transporte nuclear e a patologia da doença..

Hofweber, M. et al. A separação de fases do FUS é suprimida por seu receptor de importação nuclear e metilação da arginina. Célula 173, 706–719.e713 (2018).

Qamar, S. et al. A separação de fases FUS é modulada por uma chaperona molecular e metilação das interações cátion-pi arginina. Célula 173, 720-734.e715 (2018).

Liu-Yesucevitz, L. et al. Proteína 43 de ligação ao DNA do alcatrão (TDP-43) associada a grânulos de estresse: análise de células em cultura e tecido cerebral patológico. PLOS ONE 5, e13250 (2010). Este relatório mostra que TDP43 se associa a SGs e também fornece evidências imunohistoquímicas de que a patologia de TDP43 se associa a marcadores de SG em tecido cerebral de ALS.

Gupta, N. et al. A proteína G3BP2 associada a grânulos de estresse regula a iniciação do tumor de mama. Proc. Natl Acad. Sci. EUA 114, 1033–1038 (2017).

Valentin-Vega, Y. A. et al. Mutações DDX3X associadas ao câncer conduzem a montagem de grânulos de estresse e prejudicam a tradução global. Sci. Rep. 6, 25996 (2016).

Anderson, P., Kedersha, N. & amp Ivanov, P. Stress granules, P-corpos e câncer. Biochim. Biophys. Acta 1849, 861–870 (2015).

Kedersha, N. et al. O transporte dinâmico de TIA-1 acompanha o recrutamento de mRNA para grânulos de estresse de mamíferos. J. Cell Biol. 151, 1257–1268 (2000).

Kedersha, N. L., Gupta, M., Li, W., Miller, I. & amp Anderson, P. As proteínas de ligação a RNA TIA-1 e TIAR ligam a fosforilação de eIF-2α à montagem de grânulos de estresse de mamíferos. J. Cell Biol. 147, 1431–1442 (1999).

Anderson, P. & amp Kedersha, N. Stress granules: the Tao of RNA triage. Trends Biochem. Sci. 33, 141–150 (2008).

Kedersha, N. et al. Evidência de que complexo ternário (eIF2 – GTP – tRNAeu Complexos de pré-iniciação deficientes em Met) são constituintes centrais dos grânulos de estresse em mamíferos. Mol. Biol. Célula 13, 195–210 (2002).

Markmiller, S. et al. Diversidade dependente do contexto e específica da doença em interações de proteínas dentro de grânulos de estresse. Célula 172, 590–604.e513 (2018). Este artigo fornece uma caracterização abrangente dos proteomas de SG em células e também destaca as diferenças de composição entre os diferentes tipos de SGs..

Lastres-Becker, I. et al. A ataxina-2 de mamífero modula o controle da tradução no complexo de pré-iniciação via PI3K / mTOR e é induzida por inanição. Biochim. Biophys. Acta 1862, 1558–1569 (2016).

Kedersha, N. et al. Os complexos G3BP – caprina1 – USP10 medeiam a condensação dos grânulos de estresse e se associam às subunidades 40S. J. Cell Biol. 212, 845–860 (2016).

Ohn, T., Kedersha, N., Hickman, T., Tisdale, S. & amp Anderson, P. Uma tela RNAi funcional liga a modificação O-GlcNAc de proteínas ribossômicas a grânulos de estresse e montagem do corpo de processamento. Nat. Cell Biol. 10, 1224–1231 (2008).

Jain, S. et al. Os grânulos de estresse modulados por ATPase contêm um proteoma e uma subestrutura diversa. Célula 164, 487–498 (2016).

Wheeler, J. R., Jain, S., Khong, A. & amp Parker, R. Isolation of levedura e mamíferos stress granule núcleos. Métodos 126, 12–17 (2017).

Wheeler, J. R., Matheny, T., Jain, S., Abrisch, R. & amp Parker, R. Estágios distintos na montagem e desmontagem do grânulo de tensão. eLife 5, e18413 (2016).

Antar, L. N., Afroz, R., Dictenberg, J. B., Carroll, R. C. & amp Bassell, G. J. A ativação do receptor de glutamato metabotrópico regula a proteína de retardo mental X frágil e a localização de mRNA FMR1 diferencialmente em dendritos e em sinapses. J. Neurosci. 24, 2648–2655 (2004).

Jackson, R. J., Hellen, C. U. & amp Pestova, T. V. O mecanismo de iniciação da tradução eucariótica e princípios de sua regulação. Nat. Rev. Mol. Cell Biol. 11, 113–127 (2010). Esta revisão fornece uma visão geral excelente e detalhada da máquina que realiza a iniciação translacional e os caminhos da regulação translacional.

Fujimura, K., Sasaki, A. T. & amp Anderson, P. O selenito tem como alvo a proteína-1 de ligação a eIF4E para inibir o início da tradução e induzir a montagem de grânulos de estresse não canônicos. Nucleic Acids Res. 40, 8099–8110 (2012).

Emara, M. M. et al. O peróxido de hidrogênio induz a formação de grânulos de estresse independente da fosforilação de eIF2α. Biochem. Biophys. Res. Comum. 423, 763–769 (2012).

Szaflarski, W. et al. As drogas alcalóides da vinca promovem a repressão translacional induzida pelo estresse e a formação de grânulos de estresse. Oncotarget 7, 30307–30322 (2016).

Saxton, R. A. & amp Sabatini, D. M. mTOR signaling in growth, metabolism and disease. Célula 168, 960–976 (2017).

Thoreen, C. C. et al. Um modelo unificador para a regulação da tradução de mRNA mediada por mTORC1. Natureza 485, 109–113 (2012).

Frydryskova, K. et al. Recrutamento distinto de isoformas eIF4E humanas para processar corpos e grânulos de estresse. BMC Mol. Biol. 17, 21 (2016).

Wek, R. C. Papel das quinases eif2α no controle translacional e adaptação ao estresse celular. Cold Spring Harb. Perspect. Biol. 10, a032870 (2018).

Wek, S. A., Zhu, S. & amp Wek, R. C. A sequência relacionada com a histidil-tRNA sintetase na proteína quinase eIF-2α GCN2 interage com o tRNA e é necessária para ativação em resposta à fome para diferentes aminoácidos. Mol. Cell Biol. 15, 4497–4506 (1995).

Harding, H. P., Zhang, Y., Bertolotti, A., Zeng, H. & amp Ron, D. Perk é essencial para a regulação translacional e sobrevivência celular durante a resposta da proteína não dobrada. Mol. Célula 5, 897–904 (2000).

Srivastava, S. P., Kumar, K. U. & amp Kaufman, R. J. A fosforilação do fator de iniciação da tradução eucariótica 2 medeia a apoptose em resposta à ativação da proteína quinase dependente de RNA de fita dupla. J. Biol. Chem. 273, 2416–2423 (1998).

McEwen, E. et al. A fosforilação do fator de iniciação da tradução eucariótica 2 do fator 2 de iniciação da tradução eucariótica regulada por heme, induz a formação de grânulos de estresse e medeia a sobrevivência após a exposição ao arsenito. J. Biol. Chem. 280, 16925–16933 (2005).

Sudhakar, A. et al. A fosforilação da serina 51 no fator de iniciação 2α (eIF2α) promove a formação de complexos entre eIF2α (P) e eIF2B e causa inibição na atividade de troca do nucleotídeo guanina de eIF2B. Bioquímica 39, 12929–12938 (2000).

Kedersha, N. & amp Anderson, P. Stress granules: sites of mRNA triage that regulating mRNA estabilidade and translatability. Biochem. Soc. Trans. 30, 963–969 (2002).

Maziuk, B.F. et al. As proteínas de ligação ao RNA co-localizam com pequenas inclusões de tau na tauopatia. Acta Neuropathol. Comum. 6, 71 (2018). Este estudo fornece métodos-chave para detectar RBPs associados a SGs patológicos.

Li, Y. et al. A imunoprecipitação e a espectrometria de massa definem uma extensa rede de interação proteína-proteína RBM45. Brain Res. 1647, 79–93 (2016).

Umoh, M.E. et al. Uma abordagem de rede proteômica em todo o espectro da doença ALS – FTD resolve fenótipos clínicos e vulnerabilidade genética no cérebro humano. EMBO Mol. Med. 10, 48–62 (2018).

Gunawardana, C. G. et al. O interactoma tau humano: ligação ao ribonucleoproteoma e ligação prejudicada do mutante prolina-para-leucina na posição 301 (p301l) às acompanhantes e ao proteassoma. Mol. Cell Proteom. 14, 3000–3014 (2015).

Dhungel, N. et al. Os genes da doença de Parkinson VPS35 e EIF4G1 interagem geneticamente e convergem na α-sinucleína. Neurônio 85, 76–87 (2015).

Nichols, N. et al. Mutações EIF4G1 não causam doença de Parkinson. Neurobiol. Envelhecimento 36, 2444.e1–4 (2015).

Kim, W. J., Kim, J. H. & amp Jang, S.K. Mediador lipídico anti-inflamatório 15d-PGJ2 inibe a tradução através da inativação de eIF4A. EMBO J. 26, 5020–5032 (2007).

Bordeleau, M.E. et al. Caracterização funcional de IRESes por um inibidor da RNA helicase eIF4A. Nat. Chem. Biol. 2, 213–220 (2006).

Cencic, R. et al. Atividade antitumoral e mecanismo de ação da ciclopenta [b] benzofurano, silvestrol. PLOS ONE 4, e5223 (2009).

Ivanov, P., Emara, M.M., Villen, J., Gygi, S.P. & amp Anderson, P. Os fragmentos de tRNA induzidos por angiogenina inibem a iniciação da tradução. Mol. Célula 43, 613–623 (2011).

Lyons, S. M., Achorn, C., Kedersha, N. L., Anderson, P. J. & amp Ivanov, P. YB-1 regula a formação de grânulos de estresse induzida por tiRNA, mas não a repressão translacional. Nucleic Acids Res. 44, 6949–6960 (2016).

Apicco, D. J. et al. A redução da proteína de ligação ao RNA TIA1 protege contra a neurodegeneração mediada por tau in vivo. Nat. Neurosci. 21, 72–80 (2018). Este artigo demonstra que RBPs, como TIA1, regulam a fisiopatologia da tau in vivo e também mostra a regulação diferencial de oligômeros de tau versus fibrilas.

Armstrong, R. A., Carter, D. & amp Cairns, N. J. Um estudo quantitativo da neuropatologia de 32 casos esporádicos e familiares de degeneração lobar frontotemporal com proteinopatia TDP-43 (FTLD-TDP). Neuropathol. Appl. Neurobiol. 38, 25–38 (2012).

Janssens, J. et al. A superexpressão de p.M337V TDP-43 humano associado a ALS em camundongos piora as características da doença em comparação com camundongos TDP-43 humanos de tipo selvagem. Mol. Neurobiol. 48, 22–35 (2013).

Figley, M. D., Bieri, G., Kolaitis, R. M., Taylor, J.P. & amp Gitler, A. D. Profilin 1 associa-se com grânulos de estresse e mutações ligadas a als alteram a dinâmica dos grânulos de estresse. J. Neurosci. 34, 8083–8097 (2014).

Gilks, N. et al. A montagem do grânulo de estresse é mediada pela agregação do tipo prião de TIA-1. Mol. Biol. Célula 15, 5383–5398 (2004).

Bounedjah, O. et al. O mRNA livre em excesso após a dissociação de polissomas é um arcabouço para a multimerização de proteínas para formar grânulos de estresse. Nucleic Acids Res. 42, 8678–8691 (2014).

Bley, N. et al. Os grânulos de estresse são dispensáveis ​​para a estabilização do mRNA durante o estresse celular. Nucleic Acids Res. 43, e26 (2015).

Vogler, T. O. et al. O TDP-43 e o RNA formam miogrânulos semelhantes aos amilóides no músculo em regeneração. Natureza 563, 508–513 (2018).

Lefebvre, S. et al. Identificação e caracterização de um gene determinante da atrofia muscular espinhal. Célula 80, 155–165 (1995).

Bassell, G. J. & amp Warren, S. T. Fragile X syndrome: loss of local mRNA Regulation alters synaptic development and function. Neurônio 60, 201–214 (2008).

Kenneson, A., Zhang, F., Hagedorn, C. H. & amp Warren, S. T. FMRP reduzido e transcrição FMR1 aumentada está proporcionalmente associado com o número de repetição CGG em portadores de comprimento intermediário e pré-mutação. Zumbir. Mol. Genet. 10, 1449–1454 (2001).

Hagerman, P. J. & amp Hagerman, R. J. Fragile X-associated tremor / ataxia syndrome (FXTAS). Ment. Retardar. Dev. Disabil. Res. Rev. 10, 25–30 (2004).

Neumann, M. et al. TDP-43 ubiquitinado na degeneração lobar frontotemporal e esclerose lateral amiotrófica. Ciência 314, 130–133 (2006).

Vance, C. et al. Mutações em FUS, uma proteína de processamento de RNA, causam esclerose lateral amiotrófica familiar tipo 6. Ciência 323, 1208–1211 (2009).

Van Deerlin, V. M. et al. Mutações TARDBP na esclerose lateral amiotrófica com neuropatologia TDP-43: uma análise genética e histopatológica. Lancet Neurol. 7, 409–416 (2008).

Mackenzie, I.R. et al. Mutações TIA1 na esclerose lateral amiotrófica e demência frontotemporal promovem a separação de fases e alteram a dinâmica dos grânulos de estresse. Neurônio 95, 808–816 e809 (2017).

Kim, H. J. et al. Mutações em domínios semelhantes a príons em hnRNPA2B1 e hnRNPA1 causam proteinopatia multissistêmica e ALS. Natureza 495, 467–473 (2013).

Sreedharan, J. et al. Mutações TDP-43 na esclerose lateral amiotrófica familiar e esporádica. Ciência 319, 1668–1672 (2008).

Kwiatkowski, T. J., Jr. et al. Mutações no gene FUS / TLS no cromossomo 16 causam esclerose lateral amiotrófica familiar. Ciência 323, 1205–1208 (2009).

Elden, A.C. et al. As expansões de poliglutamina de comprimento intermediário da Ataxina-2 estão associadas a um risco aumentado de ELA. Natureza 466, 1069–1075 (2010).

Emara, M. M. et al. ARNs induzidos por estresse derivado de tRNA induzido por angiogenina promovem a montagem de grânulos de estresse induzido por estresse. J. Biol. Chem. 285, 10959–10968 (2010).

Greenway, M. J. et al. As mutações ANG segregam com esclerose lateral amiotrófica familiar e "esporádica". Nat. Genet. 38, 411–413 (2006).

Dormann, D. & amp Haass, C. TDP-43 and FUS: a nuclear affair. Trends Neurosci. 34, 339–348 (2011).

Bosco, D. A. et al. Proteínas FUS mutantes que causam esclerose lateral amiotrófica incorporam-se aos grânulos de estresse. Zumbir. Mol. Genet. 19, 4160–4175 (2011).

Phillips, K., Kedersha, N., Shen, L., Blackshear, P. J. & amp Anderson, P. Os genes supressores de artrite TIA-1 e TTP amortecem a expressão do fator de necrose tumoral α, ciclooxigenase 2 e artrite inflamatória. Proc. Natl Acad. Sci. EUA 101, 2011–2016 (2004).

Garaigorta, U., Heim, M.H., Boyd, B., Wieland, S. & amp Chisari, F. V. O vírus da hepatite C (HCV) induz a formação de grânulos de estresse cujas proteínas regulam a replicação do RNA do HCV e a montagem e saída do vírus. J. Virol. 86, 11043–11056 (2012).

Wolozin, B. Regulated protein aggregation: stress granules and neurodegeneration. Mol. Neurodegener. 7, 56 (2012).

Kiernan, M.C. et al. Esclerose lateral amiotrófica. Lanceta 377, 942–955 (2011).

Scheltens, P. et al. Doença de Alzheimer. Lanceta 388, 505–517 (2016).

Banani, S. F. et al. Controle de composição de corpos celulares separados por fase. Célula 166, 651–663 (2016). Este artigo descreve os diferentes fatores celulares que controlam a formação de organelas sem membranas, como grânulos de estresse e corpos-P.

Lee, Y. et al. A variante TIA1 conduz a miodegeneração em proteinopatia multissistêmica com mutações SQSTM1. J. Clin. Investir. 128, 1164–1177 (2018).

Patel, A. et al. Uma transição de fase líquida para sólida da proteína ALS FUS acelerada pela mutação da doença. Célula 162, 1066–1077 (2015).

Molliex, A. et al. A separação de fases por domínios de baixa complexidade promove a montagem dos grânulos de estresse e conduz a fibrilização patológica. Célula 163, 123–133 (2015).

Hughes, M. P. et al. Estruturas atômicas de segmentos de proteínas de baixa complexidade revelam folhas beta torcidas que montam redes. Ciência 359, 698–701 (2018). Este estudo mostra como diferentes tipos de interações de aminoácidos, como ligação π – π e π – cátion, controlam a formação de organelas sem membrana e amilóides insolúveis..

Ash, P.E.A. et al. Neurotóxicos de metais pesados ​​induzem patologia TDP-43 ligada a ALS. Toxicol. Sci. 167, 105-115, https://doi.org/10.1093/toxsci/kfy267 (2019).

Bai, B. et al. Complexo de ribonucleoproteína nuclear pequeno U1 e alterações de splicing de RNA na doença de Alzheimer. Proc. Natl Acad. Sci. EUA 110, 16562–16567 (2013). Este artigo mostra que muitos RBPs se acumulam como agregados de proteína na DA, muitas vezes em células sem agregados de tau histologicamente evidentes..

Vanderweyde, T. et al. A interação da tau com a proteína de ligação ao RNA TIA1 regula a fisiopatologia e a toxicidade da tau. Cell Rep. 15, 1–12 (2016).

Vanderweyde, T. et al. Patologia contrastante das proteínas de grânulos de estresse TIA-1 e G3BP em tauopatias. J. Neurosci. 32, 8270–8283 (2012). Este artigo demonstra como tau e TIA1 interagem para regular a biologia SG e demonstra que a redução de TIA1 inibe a neurodegeneração mediada por tau em neurônios em cultura.

Zhang, Y. J. et al. Poly (GR) prejudica a tradução de proteínas e a dinâmica dos grânulos de estresse em C9orf72-demência frontotemporal associada e esclerose lateral amiotrófica. Nat. Med. 24, 1136–1142 (2018).

Ash, P.E. et al. A tradução não convencional da expansão C9ORF72 GGGGCC gera polipeptídeos insolúveis específicos para c9FTD / ALS. Neurônio 77, 639–646 (2013).

Green, K. M. et al. A tradução de RAN em expansões repetidas associadas a C9orf72 é seletivamente aprimorada pela resposta integrada ao estresse. Nat. Comum. 8, 2005 (2017).

Boeynaems, S. et al. A separação de fases das repetições do dipeptídeo c9orf72 perturba a dinâmica dos grânulos de estresse. Mol. Célula 65, 1044–1055.e1045 (2017).

Lee, K. H. et al. As repetições do dipeptídeo C9orf72 prejudicam a montagem, a dinâmica e a função de organelas sem membrana. Célula 167, 774-788.e717 (2016). Este estudo mostra como uma repetição prolongada de dipeptídeo pode interromper a biologia SG.

Gasset-Rosa, F. et al. A desmistura citoplasmática de TDP-43 independente dos grânulos de estresse conduz a inibição da importação nuclear, perda de TDP-43 nuclear e morte celular. Neurônio 102, 339-357.e7 (2019). Este artigo demonstra que, nas células, os agregados TDP43 passam por uma fase SG transitoriamente antes de evoluir para agregados patológicos..

Mann, J. R. et al. A ligação do RNA antagoniza as transições de fase neurotóxicas de TDP-43. Neurônio 102, 321-338.e8 (2019).

McGurk, L. et al. Poli (ADP – ribose) evita a separação de fases patológicas de TDP-43, promovendo a desmistura de líquidos e a localização de grânulos de estresse. Mol. Célula 71, 703–717 e709 (2018).

Brettschneider, J. et al. Patologia do TDP-43 e perda neuronal na esclerose lateral amiotrófica da medula espinhal. Acta Neuropathol. 128, 423–437 (2014).

Zhang, K. et al. o C9orf72 a expansão repetida interrompe o transporte nucleocitoplasmático. Natureza 525, 56–61 (2015).

Chou, C. C. et al. A patologia do TDP-43 interrompe os complexos de poros nucleares e o transporte nucleocitoplasmático em ALS / FTD. Nat. Neurosci. 21, 228–239 (2018).

Afroz, T. et al. A polimerização funcional e dinâmica da proteína TDP-43 ligada a ALS antagoniza sua agregação patológica. Nat. Comum. 8, 45 (2017).

Hanger, D.P., Hughes, K., Woodgett, J.R., Brion, J.P. & amp Anderton, B.H. Glycogen sintase quinase-3 induz a fosforilação semelhante à doença de Alzheimer de tau: geração de epítopos de filamentos helicoidais emparelhados e localização neuronal da quinase. Neurosci. Lett. 147, 58–62 (1992).

Baumann, K., Mandelkow, E., Biernat, J., Piwnica-Worms, H. & amp Mandelkow, E. Abnormal Alzheimer-like phosphorylation of tau-protein by cyclin-dependente quinases cdk2 e cdk5. FEBS Lett. 336, 417–424 (1993).

Timm, T., Marx, A., Panneerselvam, S., Mandelkow, E. & amp Mandelkow, E. M. Estrutura e regulação de MARK, uma quinase envolvida na fosforilação anormal da proteína Tau. BMC Neurosci. 9, S9 (2008).

Trinczek, B., Biernat, J., Baumann, K., Mandelkow, E. M. & amp Mandelkow, E. Domains of tau protein, diferencial phosphorylation, and dynamic instability of microtubules. Mol. Biol. Célula 6, 1887–1902 (1995).

Zempel, H. et al. Os oligômeros de beta-amilóide induzem dano sináptico através da divisão de microtúbulos dependentes de Tau por TTLL6 e espastina. EMBO J. 32, 2920–2937 (2013).

Kampers, T., Friedhoff, P., Biernat, J., Mandelkow, E. M. & amp Mandelkow, E. O RNA estimula a agregação da proteína tau associada ao microtúbulo em filamentos helicoidais emparelhados do tipo Alzheimer. FEBS Lett. 399, 344–349 (1996).

Fitzpatrick, A. W. P. et al. Estruturas crio-EM de filamentos de tau da doença de Alzheimer. Natureza 547, 185–190 (2017).

Friedhoff, P., Schneider, A., Mandelkow, E. M. & amp Mandelkow, E. Rapid assembly of Alzheimer-like pair helical filaments from microtubule-associated protein tau monitorado por fluorescência em solução. Bioquímica 37, 10223–10230 (1998).

Wilson, D. M. & amp Binder, L. I. Os ácidos graxos livres estimulam a polimerização dos peptídeos tau e beta amilóide: evidência in vitro de um efetor comum da patogênese na doença de Alzheimer. Sou. J. Pathol. 150, 2181–2195 (1997).

Zhang, X. et al. O RNA armazena tau reversivelmente em coacervatos complexos. PLOS Biol. 15, e2002183 (2017).

Wegmann, S. et al. A separação da fase líquido-líquido da proteína tau pode iniciar a agregação da tau. EMBO J. 37, e98049 (2018). Este artigo fornece uma caracterização detalhada dos fatores biofísicos que controlam a separação de fases tau.

Meier, S. et al. A tau patológica promove danos neuronais ao prejudicar a função ribossômica e diminuir a síntese de proteínas. J. Neurosci. 36, 1001–1007 (2016).

Wang, P. et al. Mapeamento de Tau interactome com base na identificação de Otub1 como Tau desubiquitinase envolvida no acúmulo de formas patológicas de Tau in vitro e in vivo. Acta Neuropathol. 133, 731–749 (2017).

Eftekharzadeh, B. et al. A proteína Tau interrompe o transporte nucleocitoplasmático na doença de Alzheimer. Neurônio 99, 925–940 e927 (2018).

Silva, J. M. et al. Desregulação de autofagia e proteínas relacionadas a grânulos de estresse na patologia Tau induzida por estresse. A morte celular é diferente. 171, 1411–1427 (2019). Este artigo demonstra que experiências comportamentais estressantes podem provocar as mudanças bioquímicas associadas à resposta ao estresse translacional no cérebro.

Cairns, N. J. et al. TDP-43 na degeneração lobar frontotemporal familiar e esporádica com inclusões de ubiquitina. Sou. J. Pathol. 171, 227–240 (2007).

Moujalled, D. et al. A fosforilação de hnRNP K pela quinase 2 dependente de ciclina controla o acúmulo citosólico de TDP-43. Zumbir. Mol. Genet. 24, 1655–1669 (2015).

Jiang, L. et al. TIA1 regula a geração e a resposta a oligômeros tóxicos de tau. Acta Neuropathol. 137, 259–277 (2019). Este artigo demonstra que oligômeros e fibrilas tau propagam patologia in vivo, mas que apenas os oligômeros tau estimulam o acúmulo de SGs associados a tau e causam neurodegeneração.

Sanders, D. W. et al. Cepas distintas de príons de tau se propagam em células e camundongos e definem diferentes tauopatias. Neurônio 82, 1271–1288 (2014).

Liu, L. et al. Propagação trans-sináptica da patologia tau in vivo. PLOS ONE 7, e31302 (2012).

Smethurst, P. et al. Comportamento semelhante a príon in vitro de TDP-43 em ALS. Neurobiol Dis. 96, 236–247 (2016).

Asai, H. et al. O esgotamento da microglia e a inibição da síntese de exossomos interrompem a propagação de tau. Nat. Neurosci. 18, 1584–1593 (2015).

Ghosh, S. & amp Geahlen, R. L. Stress granules modulam SYK para causar disfunção da célula microglial na doença de Alzheimer. EBioMedicine 2, 1785–1798 (2015).

Guerreiro, R. et al. Variantes de TREM2 na doença de Alzheimer. N. Engl. J. Med. 368, 117–127 (2013).

Pimenova, A. A., Raj, T. & amp Goate, A. M. Untangling genetic risk for Alzheimer’s disease. Biol. Psiquiatria 83, 300–310 (2018).

Roberson, E. D. et al. A redução da tau endógena melhora os déficits induzidos por beta-amilóide em um modelo de camundongo com doença de Alzheimer. Ciência 316, 750–754 (2007).

Vossel, K. A. et al. A redução de Tau evita defeitos induzidos por Aβ no transporte axonal. Ciência 330, 198 (2010).

Cruts, M. et al. Mutações nulas na progranulina causam demência frontotemporal positiva para ubiquitina ligada ao cromossomo 17q21. Natureza 442, 920–924 (2006).

Melamed, Z. et al. A perda prematura de stathmin-2 mediada por poliadenilação é uma marca registrada da neurodegeneração dependente de TDP-43. Nat. Neurosci. 22, 180–190 (2019).

Klim, J. R. et al. A proteína TDP-43 implicada em ALS sustenta os níveis de STMN2, um mediador do crescimento e reparo do neurônio motor. Nat. Neurosci. 22, 167–179 (2019).

Nguyen, H. P., Van Broeckhoven, C. & amp van der Zee, J. ALS genes na era genômica e suas implicações para FTD. Trends Genet. 34, 404–423 (2018).

Deng, H. X. et al. Mutações em UBQLN2 causam ALS e ALS / demência juvenil ligada ao X dominante em adultos e juvenis. Natureza 477, 211–215 (2011).

Watts, G. D. et al. A miopatia de corpos de inclusão associada à doença óssea de Paget e demência frontotemporal é causada por proteína contendo valosina mutante. Nat. Genet. 36, 377–381 (2004).

Fecto, F. et al. Mutações SQSTM1 na esclerose lateral amiotrófica familiar e esporádica. Arco. Neurol. 68, 1440–1446 (2011).

Cirulli, E. T. et al. O sequenciamento do exoma na esclerose lateral amiotrófica identifica genes e vias de risco. Ciência 347, 1436–1441 (2015).

Freischmidt, A. et al. A haploinsuficiência de TBK1 causa ALS familiar e demência fronto-temporal. Nat. Neurosci. 18, 631–636 (2015).

Weidberg, H. & amp Elazar, Z. TBK1 medeia a interferência entre a resposta imune inata e a autofagia. Sci. Sinal. 4, pe39 (2011).

Skibinski, G. et al. Mutações na subunidade do complexo ESCRTIII endossômico CHMP2B na demência frontotemporal. Nat. Genet. 37, 806–808 (2005).

Gilpin, K. M., Chang, L. & amp Monteiro, M. J. ALS-linked mutations in ubiquilin-2 ou hnRNPA1 reduzem a interação entre ubiquilin-2 e hnRNPA1. Zumbir. Mol. Genet. 24, 2565–2577 (2015).

Cassel, J. A. & amp Reitz, A. B. Ubiquilin-2 (UBQLN2) liga-se com alta afinidade à região C-terminal de TDP-43 e modula os níveis de TDP-43 em células H4: caracterização da inibição por ácidos nucleicos e 4-aminoquinolinas. Biochim. Biophys. Acta 1834, 964–971 (2013).

Buchan, J.R., Kolaitis, R.M., Taylor, J.P. & amp Parker, R. Os grânulos de estresse eucariótico são eliminados por autofagia e função CDC48 / VCP. Célula 153, 1461–1474 (2013).

Hutton, M. et al. Associação de mutações missense e 5′-splice-site em tau com a demência hereditária FTDP-17. Natureza 393, 702–705 (1998).

Nicolas, A. et al. As análises de todo o genoma identificam KIF5A como um novo gene ALS. Neurônio 97, 1268–1283.e1266 (2018).

Wu, C. H. et al. Mutações no gene profilin 1 causam esclerose lateral amiotrófica familiar. Natureza 488, 499–503 (2012).

Puls, I. et al. Dinactina mutante na doença do neurônio motor. Nat. Genet. 33, 455–456 (2003).

Smith, B. N. et al. A análise de variante rara em todo o exoma identifica mutações TUBA4A associadas a ALS familiar. Neurônio 84, 324–331 (2014).

Munch, C. et al. Mutações pontuais da subunidade p150 do gene da dinactina (DCTN1) em ALS. Neurologia 63, 724–726 (2004).

Landers, J.E. et al. A expressão reduzida do gene da proteína associada à cinesina 3 (KIFAP3) aumenta a sobrevida na esclerose lateral amiotrófica esporádica. Proc. Natl Acad. Sci. EUA 106, 9004–9009 (2009).

Magnani, E. et al. Interação da proteína tau com o complexo de dinactina. EMBO J. 26, 4546–4554 (2007).

Ransohoff, R. M. Como a neuroinflamação contribui para a neurodegeneração. Ciência 353, 777–783 (2016).

Bemiller, S. M. et al. A deficiência de TREM2 exacerba a patologia da tau por meio da sinalização desregulada da quinase em um modelo de tauopatia em camundongo. Mol. Neurodegener. 12, 74 (2017).

Broce, I. et al. Enriquecimento genético relacionado ao sistema imunológico na demência frontotemporal: uma análise de estudos de associação do genoma. PLOS Med. 15, e1002487 (2018).

Becker, L. A. et al. A redução terapêutica da ataxina-2 estende a vida útil e reduz a patologia em camundongos TDP-43. Natureza 544, 367–371 (2017). Este estudo demonstra que a redução terapêutica de ATXN2 atrasa a progressão da neurodegeneração induzida por TDP43 in vivo.

Zhang, K. et al. A montagem do grânulo de estresse interrompe o transporte nucleocitoplasmático. Célula 173, 958–971.e917 (2018). Este artigo demonstra uma relação intimamente ligada entre o acúmulo de SGs e o rompimento da biologia de poros nucleares.

Smith, H. L. & amp Mallucci, G. R. A resposta da proteína desdobrada: mecanismos e terapia de neurodegeneração. Cérebro 139, 2113–2121 (2016).

Moreno, J. A. et al. A repressão translacional sustentada por eIF2α-P medeia a neurodegeneração do príon. Natureza 485, 507–511 (2012). Este estudo demonstra que a redução da fosforilação de eIF2α in vivo diminui a neurodegeneração mediada por príons.

Ma, T. et al. A supressão das cinases eIF2α alivia a plasticidade relacionada à doença de Alzheimer e os déficits de memória. Nat. Neurosci. 16, 1299–1305 (2013).

Khurana, V. et al. A ativação do ciclo celular mediada por TOR causa neurodegeneração em um Drosófila modelo de tauopatia. Curr. Biol. 16, 230–241 (2006).

Wang, I.F. et al. Os ativadores da autofagia resgatam e aliviam a patogênese de um modelo de camundongo com proteinopatias da proteína de ligação ao DNA TAR 43. Proc. Natl Acad. Sci. EUA 109, 15024–15029 (2012).

Martinez, F. J. et al. Redes de proteína-RNA reguladas por HnRNPA2B1 mutante normal e associado a ALS no sistema nervoso. Neurônio 92, 780–795 (2016).

Walter, H. & amp Brooks, D. E. A separação de fases no citoplasma, devido ao apinhamento macromolecular, é a base para a microcompartmentação. FEBS Lett. 361, 135–139 (1995).

Toombs, J. A. et al. Projeto de novo de domínios de príons sintéticos. Proc. Natl Acad. Sci. EUA 109, 6519–6524 (2012).

Prilusky, J. et al. FoldIndex: uma ferramenta simples para prever se uma determinada sequência de proteína está intrinsecamente desdobrada. Bioinformática 21, 3435–3438 (2005).

Wei, M. T. et al. Comportamento de fase de proteínas desordenadas subjacentes à baixa densidade e alta permeabilidade de organelas líquidas. Nat. Chem. 9, 1118–1125 (2017).

Wang, J. et al. Uma gramática molecular que governa as forças motrizes para a separação de fases de proteínas de ligação a RNA semelhantes a príons. Célula 174, 688-699.e616 (2018).

Bergeron-Sandoval, L. P., Safaee, N. & amp Michnick, S. W. Mecanismos e consequências da separação de fases macromoleculares. Célula 165, 1067–1079 (2016).

Feric, M. et al. As fases líquidas coexistentes são a base dos subcompartimentos nucleolares. Célula 165, 1686–1697 (2016). Este artigo demonstra elegantemente que o nucléolo existe como uma estrutura separada por fases, bem como demonstra muitos métodos importantes usados ​​no campo.

Prum, R. O., Dufresne, E. R., Quinn, T. & amp Waters, K. Desenvolvimento de nanoestruturas β-queratina produtoras de cor em farpas de penas de aves. J. R. Soc. Interface 6 (Suplemento 2), S253 – S265 (2009).

Milovanovic, D., Wu, Y., Bian, X. & amp De Camilli, P. A liquid phase of synapsin and lipid vesicles. Ciência 361, 604–607 (2018).

Li, P. et al. Transições de fase na montagem de proteínas de sinalização multivalentes. Natureza 483, 336–340 (2012).

Hnisz, D., Shrinivas, K., Young, R. A., Chakraborty, A. K. & amp Sharp, P. A. A phase division model for transcriptional control. Célula 169, 13–23 (2017).

Youn, J. Y. et al. O mapeamento de proximidade de alta densidade revela a organização subcelular de grânulos e corpos associados ao mRNA. Mol. Célula 69, 517–532.e511 (2018).

Wolozin, B. The evolution of phase-Separated TDP-43 in stress. Neurônio 102, 265–267 (2019).


Como uma compreensão da farmacologia molecular GPCR facilita o uso apropriado da tecnologia DREADD

Antes de discutir os DREADDs em detalhes, primeiro resumirei os conceitos básicos essenciais da farmacologia molecular e da sinalização de GPCR. Essas informações básicas são essenciais para todos os leitores, para que possam compreender como os DREADDs podem ser usados ​​com mais eficácia. De acordo com os modelos clássicos de ação do GPCR, os GPCRs existem em vários estados dependentes e independentes de ligante. Esses vários estados GPCR variam de & # x0201cfully inativo & # x0201d a & # x0201cparcialmente ativo & # x0201d a & # x0201cfully ativo & # x0201d a & # x0201csignaling complexes & # x0201d (Roth and Marshall, 2012 Samama et al., 1993). Conforme representado na Figura 1, GPCRs (R) são modulados por ligantes (L) e podem interagir com proteínas G heterereotriméricas (G) e & # x003b2-arrestinas (& # x003b2Arr). De acordo com as descobertas mais recentes, existem vários estados inativos (por exemplo, & # x0201cground & # x0201d) que podem ser estabilizados por ligantes (R1L, R2L, e assim por diante) ou pode até ocorrer na ausência de ligantes (R). Os íons de sódio estabilizam o estado fundamental exercendo uma modulação alostérica negativa por meio de um sítio alostérico altamente conservado (Fenalti et al., 2014 Katritch et al., 2014). Drogas que estabilizam o R1L, R2Os estados fundamentais L funcionam como agonistas inversos (Samama et al., 1993, 1994). Os agonistas inversos também são conhecidos como & # x0201cantagonistas com atividade intrínseca negativa & # x0201d (Costa e Herz, 1989). A evidência para múltiplos estados GPCR é apoiada por estudos farmacológicos moleculares clássicos (Samama et al., 1993, 1994), biofísicos (Gether et al., 1995) e estudos estruturais (Manglik et al., 2015).

Conforme mostrado no painel superior, GPCRs (R) podem interagir com ligantes (L), proteínas G heterereotriméricas (G) e arrestinas (& # x003b2Arr) e, assim, formar uma variedade de inativos (caixas verdes), ativos (caixas laranja e vermelhas ) e complexos de sinalização (caixas azuis e vermelhas). O painel inferior mostra um desenho dos vários complexos de sinalização para a sinalização de proteína G canônica (L) e a sinalização de & # x003b2-Arrestina (R).

Os agonistas completos e parciais estabilizam o estado ativo (R * L) e promovem a formação de um complexo de sinalização (por exemplo, o & # x0201 complexo alternativo & # x0201d) que consiste em (1) o receptor ativo, (2) um agonista e ( 3) a proteína G heterotrimérica (R * LG) (De Lean et al., 1980 Samama et al., 1993). Além da ativação e inativação induzida por ligante de GPCRs, GPCRs também podem isomerizar espontaneamente para um estado ativo (R *) na ausência de ligante. Além disso, este estado ativo pode interagir espontaneamente com proteínas G para produzir um complexo de sinalização binário na ausência de ligante (R * G) (Samama et al., 1993). Este estado ativo na ausência de ligante é denominado & # x0201c atividade constitutiva. & # X0201d

GPCRs (R) também interagem com arrestinas (& # x003b2Arr) para formar complexos de sinalização alternativos (R ** L e R ** L & # x003b2Arr) (Luttrell et al., 1999 Wacker et al., 2013 Kroeze et al., 2015). GPCRs com altos níveis de atividade basal (por exemplo, constitutiva) podem interagir espontaneamente com & # x003b2Arr para formar um complexo R ** & # x003b2Arr na ausência de agonista (Marion et al., 2004 Kroeze et al., 2015). Com base nas estruturas cristalinas de alta resolução dos complexos GPCR-arrestina, o estado R * L & # x003b2Arr parece obstruir estericamente as interações da proteína G com o receptor, abolindo assim a sinalização da proteína G (Shukla et al., 2014 Kang et al., 2015). Consequentemente, a interação de GPCRs com & # x003b2Arr também representa um estado & # x0201c dessensibilizado & # x0201d ou proteína G inativa do complexo. No nível de uma única molécula, quando os GPCRs são ativados por agonistas, eles podem se acoplar às proteínas G ou às arrestinas, mas não a ambas. No nível celular, existem conjuntos conformacionais de todos os estados identificados acima. A polarização para um determinado estado depende tanto do contexto celular quanto do ligante disponível (Vardy e Roth, 2013 Wacker et al., 2013).

Uma compreensão clara das implicações deste modelo de complexo ternário estendido e modificado & # x02014 para o qual agora existe um componente bioquímico convincente (Strachan et al., 2014), biofísico (Sounier et al., 2015 Nygaard et al., 2013), farmacológico (Weiss et al., 2013 Fenalti et al., 2014), e evidências estruturais (Fenalti et al., 2014 Manglik et al., 2015 Rasmussen et al., 2011 Wacker et al., 2013) & # x02014 é crucial para compreender como o GPCR com base em tecnologias quimiogenéticas podem ser aproveitadas na neurociência.Assim, por exemplo, uma grande preocupação para as tecnologias quimiogenéticas é a possibilidade de que altos níveis de expressão de uma proteína modificada possam ter efeitos na ausência de ativação química (Conklin et al., 2008). De fato, muitos dos GPCRs quimiogenéticos de segunda geração (por exemplo, receptores ativados apenas por ligantes sintéticos [RASSLs]) tinham altos níveis basais de atividade levando a fenótipos na ausência de atuadores químicos (Hsiao et al., 2008 Sweger et al., 2007).

Conforme representado na Figura 1, um GPCR com atividade constitutiva teria mais probabilidade de existir no estado R * e, assim, interagir espontaneamente com proteínas G para produzir um complexo de sinalização na ausência de ligante (R * G). Conforme mostrado na Figura 2A, altos níveis de expressão de um GPCR com atividade constitutiva levam à sinalização na ausência de ligante. Embora nenhum estudo até o momento tenha demonstrado um fenótipo basal para qualquer um dos DREADDs conhecidos, é importante expressar DREADDS no nível mais baixo consistente com o projeto experimental. Para hM3Dq (Alexander et al., 2009) e hM4Di (Zhu et al., 2014), níveis de expressão ao longo da vida e extremamente altos foram alcançados usando um sistema de indução sensível à tetraciclina codificado geneticamente sem anormalidades eletrofisiológicas, comportamentais ou anatômicas basais sendo observado. A expressão de Gs-DREADD (GsD) ao longo da vida mais modesta também foi alcançada sem qualquer fenótipo eletrofisiológico, comportamental ou anatômico detectável (Farrell et al., 2013). Altos níveis de expressão mediada por vírus de vários DREADDs ainda não foram relatados para produzir quaisquer fenótipos basais significativos (Urban et al., 2015 Vardy et al., 2015 Denis et al., 2015 Isosaka et al., 2015 Hayashi et al., 2015). Obviamente, a ausência de relatórios de atividade basal não implica na ausência de atividade basal. No futuro, se a atividade basal for observada, seria prudente simplesmente diminuir o nível de expressão de DREADD usando (1) um título mais baixo de vírus, (2) um promotor mais fraco ou (3) modificar a expressão pós-transcricional (por exemplo, deleção de um elemento do vírus da hepatite da marmota [WPRE] da extremidade 3 & # x02032 da construção). Assim, com base na lei da ação de massa, diminuir [R] diminui a probabilidade de transições [R] & # x02192 [R *] & # x02192 [R * G] (por exemplo, inativo, ativo e estado de sinalização).

(A) Simulações da atividade do receptor usando uma equação logística padrão de quatro parâmetros para a ativação do GPCR e a expressão do receptor variável (DeLean et al., 1978) foi usada para simular os efeitos da superexpressão de um DREADD com atividade constitutiva (círculos vermelhos ) alta reserva de receptor, atividade constitutiva mínima (círculos azuis) alta reserva de receptor + dessensibilização (círculos verdes) baixa expressão e nenhuma reserva de receptor (círculos roxos) e baixa expressão, nenhuma reserva de receptor e dessensibilização (círculos laranja).

(B e C) Parâmetros farmacocinéticos potenciais de CNO após doses altas (B) e baixas (C). A linha vermelha pontilhada indica a concentração limite necessária para a ativação do DREADD in situ.

Uma preocupação adicional com as tecnologias DREADD está relacionada a questões de dessensibilização e subseqüente regulação negativa do receptor. Assim, após a dosagem repetida com um atuador químico DREADD, pode-se observar respostas diminuídas devido à dessensibilização do receptor e regulação negativa. Esta resposta diminuída pode ser prevista porque é bem conhecido que os GPCRs podem ser dessensibilizados e subsequentemente internalizados e regulados para baixo após a ativação induzida por agonista (DeWire et al., 2007).

Conforme representado na Figura 2A, o grau de dessensibilização depende muito da extensão em que os receptores são superexpressos e da quantidade subsequente de & # x0201 reserva do receptor. & # X0201d & # x0201c Reserva do receptor & # x0201d é um termo farmacológico que descreve o fenômeno pelo qual uma resposta agonista máxima pode ser alcançada com menos do que a ocupação total de todos os receptores pelos agonistas (Ruffolo, 1982). De uma perspectiva prática, o conceito de reserva de receptor prevê que, quando a expressão de DREADD é bastante elevada, são necessárias concentrações mais baixas do atuador químico para atingir uma resposta máxima (Figura 2A). Além disso, quando os receptores são dessensibilizados ou regulados para baixo, pode não haver mudança na resposta máxima eliciada pelo agonista, mas pode haver uma mudança na curva dose-resposta para a direita devido à reserva do receptor (2A). Assim, quando os DREADDs são expressos em níveis elevados em relação aos GPCRs nativos por meio de abordagens virais ou transgênicas, as respostas celulares e comportamentais serão menos sensíveis à dosagem repetida do que quando são expressas em níveis mais baixos. Este fenômeno pode explicar por que nenhuma dessensibilização significativa foi observada quando os DREADDs foram expressos de forma viral ou transgênica (Alexander et al., 2009 Krashes et al., 2011)

Outra questão conceitual específica da tecnologia DREADD está relacionada a se os efeitos observados em relação à saída e comportamento neuronal ocorrem devido à sinalização GPCR canônica ou não canônica. Conforme mostrado na Figura 1, os agonistas podem ativar várias vias efetoras a jusante, e é provável que outras ações além de simplesmente aumentar ou silenciar a atividade neural possam resultar quando os DREADDs são ativados. Especificamente, pode-se estar preocupado com as condições em que a sinalização & # x003b2Arr é ativada. Até o momento, não houve relatórios sugerindo que as ações de silenciamento (por exemplo, DREADDs baseados em Gi) ou ativação (por exemplo, DREADDs baseados em Gq) DREADDs na atividade neuronal e subsequentes leituras fisiológicas poderiam ser explicadas por qualquer mecanismo diferente de alterado disparo neuronal. Pertinente a esta questão, muitos estudos têm usado DREADD e tecnologias optogenéticas nas mesmas populações neuronais. Esses estudos identificaram invariavelmente efeitos essencialmente equivalentes em termos de valência e magnitude do efeito na leitura fisiológica, embora a duração seja tipicamente mais longa com DREADDs (Tabela 2 para exemplos representativos). De fato, muitos pesquisadores agora usam DREADD e tecnologias optogenéticas para fornecer linhas de evidência convergentes e independentes em termos de suficiência e necessidade ao desconstruir circuitos neurais.

Mesa 2

Exemplos de equivalência aparente de modulação quimio e optogenética

Tipo de CélulaTEMIDOOpsinEletrofisiologiaComportamento
Neurônios AgRPhM3Dq (Krashes et al., 2011)ChR2 (Aponte et al., 2011)Disparos aumentadosAlimentação aprimorada
Neurônios da área subfornical ETV-1hM3Dq (Betley et al., 2015)ChR2 (Betley et al., 2015)Disparos aumentadosBeber intensamente
Células do córtex entorrinal medialhM4Di (Miao et al., 2015)Arch (Miao et al., 2015)Tiro diminuídoRemapeando células de lugar
Neurônios de projeção PBN CGRPhM3Dq (Cai et al., 2014)ChR2 (Cai et al., 2014)Disparos aumentadosAlimentação diminuída
Neurônios OrexinhM4Di (Sasaki et al., 2011)Halorhodopsin (Tsunematsu et al., 2011)Tiro diminuídoVigília diminuída
HipocampohM4Di (Zhu et al., 2014)Arch (Sakaguchi et al., 2015)Tiro diminuídoSupressão de condicionamento de medo contextual
Neurônios serotoninérgicos RaphehM3Dq (Urban et al., 2015)ChR2 (Ohmura et al., 2014)Disparos aumentadosAnsiogênico

Distúrbios das junções neuromusculares

As junções neuromusculares desempenham um papel importante ao preencher a lacuna entre o sistema nervoso e o sistema muscular. Se alguma das etapas ou estruturas de sinalização estiver comprometida, podem ocorrer doenças. Dois exemplos de tais doenças são a Miastenia Gravis e a síndrome miastênica de Lambert-Eaton.

Miastenia grave

A miastenia gravis é uma doença autoimune na qual o sistema imunológico ataca os receptores de acetilcolina presentes nos terminais pós-sinápticos das junções neuromusculares. Isso causa fraqueza muscular porque a junção não pode mais iniciar os sinais necessários para contrair os músculos esqueléticos.

Afeta 1 em 10.000 indivíduos e afeta principalmente os músculos dos olhos e da face, resultando em queda das pálpebras, visão dupla e fraqueza facial. Também pode fazer com que as pessoas tenham dificuldade para andar e falar.

Síndrome Miastênica de Lambert-Eaton

A síndrome miastênica de Lambert-Eaton é outra doença autoimune, mas, neste caso, o sistema imunológico ataca os canais de cálcio (e provavelmente outras proteínas) no terminal pré-sináptico.

Curiosamente, esta doença é frequentemente associada ao câncer, com cerca de metade dos indivíduos afetados desenvolvendo a doença após o diagnóstico de câncer de pulmão de pequenas células. A síndrome miastênica de Lambert-Eaton causa principalmente fraqueza muscular nos braços e nas pernas, principalmente nos músculos mais próximos do tronco.


Assista o vídeo: Hopfield network (Fevereiro 2023).