长期记忆设置需要可靠的快递员
长期记忆设置需要可靠的快递员大脑是用来学习的。每一次经历,我们的神经元都会分支出来建立新的联系,建立我们的长期记忆回路。科学家称这种特性为可塑性,指的是适应和随着经验改变的能力。斯
大脑是用来学习的。每一次经历,我们的神经元都会分支出来建立新的联系,建立我们的长期记忆回路。科学家称这种特性为可塑性,指的是适应和随着经验改变的能力。
斯克里普斯研究所官网7月13日消息
为了发生可塑性,我们神经元的突触或连接点也必须不断地重塑和适应。因为斯克里普斯研究所(Scripps Research Institute)神经科学家 Sathya Puthanveettil 博士实验室的新研究,神经元突触可塑性的机制变得更加清晰。
科学家们已经了解到,突触可塑性需要从神经元的细胞体到其树突臂和突触连接的复杂中继。就像一个 24 小时开放的港口和高速公路网络,一个由微管道路和机器人般的快递员组成的内部运输系统将细胞的重要货物运送到最远的地方。运输的货物允许核糖体细胞器组装,读取各种 RNA 指令,并根据需要在树突中构建新的蛋白质。
在近日发表在《细胞报导》(Cell Reports)上的一项研究中,Puthanveettil 的团队报告说,在运输网络的信使分子中,有两个驱动蛋白家族成员,KIF5C 和 KIF3A。研究小组发现,如果 KIF5C 被敲除,神经元分支树突和形成输入接收棘的能力就会受到影响。Kif5C 的功能获得改善了这些特征。
研究于2021年7月13日发表在《Cell Reports》(最新影响因子:8.109)杂志上
该研究的第一作者、Puthanveettil 实验室的研究助理 Supriya Swarnkar 博士说,对这些过程的细节的辨别指出了神经系统疾病的可能原因,并提供了新的治疗方向。她说,这些驱动蛋白(Kifs)发挥着重要作用。
“形成记忆的能力取决于神经元从细胞体到突触的长距离运输系统的正常运作,”Swarnkar 说。“而且许多研究报告了 Kifs 突变与神经系统疾病之间的联系,包括智力障碍、自闭症和 ALS。”
在结构上,许多驱动蛋白家族蛋白质类似于行走的机器人,这是科幻小说中的东西。它们有一个承载货物的平台,以及两条腿状的附属物,它们沿着微管以向前行走的方式来回移动。事实上,它们被称为分子机器。这些非凡的步行机器人背着他们的货物移动,直到他们到达突触目的地并存放他们的包裹。
神经科学家 Sathya Puthanveettil 博士
Puthanveettil 说,这些分子机器有 46 种不同类型,专门用于运送不同类型的货物。科学家们开始了解哪些 Kif 携带哪些货物。
Puthanveettil 的团队预计 KIF5C 的货物可能包含各种 RNA。DNA 的表亲,编码基因并驻留在细胞核中,RNA 从 DNA 转录而来,将其遗传指令带到细胞的细胞质中,构建由基因编码的蛋白质,并帮助调节细胞活动。每个不同的 RNA 都有不同的工作。
通过分离 KIF5C 及其货物的复合物,然后对 RNA 进行测序,他们记录了大约 650 种依赖 KIF5C 的不同信使RNA。
值得注意的是,这包括提供启动蛋白质构建的代码的 RNA,称为 EIF3G。如果它没有在需要的时间和地点出现,则不会制造突触可塑性所需的化合物。Puthanveettil 说,根据经验重塑突触和学习的能力受损。
为了更好地理解Kifs在长期记忆储存和回忆中的作用,该团队在细胞和小鼠中进行了功能丧失和功能增加的研究,重点是参与多种学习形式的背侧海马CA1神经元。
小鼠研究表明,KIF5C 的缺失会减少空间和恐惧相关的记忆。另一方面,如果背侧海马体中的 KIF5C 增强,则记忆会得到增强和放大。这些细胞表现出突触传递增强、树突臂的树枝化、神经元的臂状延伸以及接收信号的蘑菇刺的喷发。蘑菇棘密度与记忆和突触可塑性相关。
斯克里普斯研究所鸟瞰
总之,该研究为解决各种神经精神疾病提供了新的思路。Puthanveettil 说,智力障碍、抑郁、癫痫、阿尔茨海默病——任何可以从神经元树突中关键蛋白的或多或少表达中受益的事物都可能对增强或减少这些分子信使做出反应。
参考文献
Source:St George's, University of London
Machine-Learning Can Identify Signs of Alzheimer’s in Patients Recalling the Story of Cinderella
Reference:
Natasha Clarke et al, A Comparison of Connected Speech Tasks for Detecting Early Alzheimer's Disease and Mild Cognitive Impairment Using Natural Language Processing and Machine Learning, Frontiers in Computer Science (2021). DOI: 10.3389/fcomp.2021.634360
免责声明
本公众号上的医疗信息仅作为信息资源提供与分享,不用于或依赖于任何诊断或治疗目的。此信息不应替代专业诊断或治疗。在做出任何医疗决定或有关特定医疗状况的指导之前,请咨询你的医生。
-
隐藏的酶网络解释了阿尔茨海默病中脑突触的丧失2020-12-08
-
TIRF-SIM看免疫突触,如何完全用“镜子”讲故事?2020-10-12