Mit der Alzheimer-Krankheit assoziierter SNP Rs708727 in SLC41A1 kann das Risiko für die Parkinson-Krankheit erhöhen: Bericht aus erweiterter slowakischer Studie Teil 2

2.2. Genetische Analysen

Die genetischen Analysen wurden an den A1-SNPs rs11240569, rs708727 und rs823156 in der Kohorte von 508 Parkinson-Patienten (im Vergleich zu 150 Patienten in der Pilotstudie) und der Kohorte von 472 Kontrollpersonen (im Vergleich zu 120 Kontrollen in der Pilotstudie) durchgeführt [37]. Somit war die Anzahl der PD-Patienten und der Kontrollprobanden in dieser Studie im Vergleich zur Pilotstudie um das 3,{10}fache bzw. 3,9fache erhöht.

Viele Menschen leiden mit zunehmendem Alter unter Gedächtnisverlust, bei Menschen mit Parkinson-Krankheit können die Gedächtnisveränderungen jedoch ausgeprägter sein. Allerdings sollten wir nicht davon ausgehen, dass Menschen mit Parkinson-Krankheit zwangsläufig unter einem Gedächtnisverlust leiden, denn es gibt Dinge, die wir tun können, um ihnen dabei zu helfen, ihr Gedächtnis aufrechtzuerhalten.

Erstens kann die regelmäßige Durchführung einiger Gehirntrainingsaktivitäten Menschen mit Parkinson-Krankheit dabei helfen, ihr Gedächtnis zu verbessern. Zu diesen Aktivitäten können gehören: Sudoku machen, Brettspiele spielen, Rätsel lösen und mehr. Durch diese Aktivitäten können sie ihr Gedächtnis trainieren, ihre Gehirnfunktion verbessern und ihnen helfen, ihren Geisteszustand aufrechtzuerhalten.

Zweitens hat die Ernährung auch einen sehr wichtigen Einfluss auf das Gedächtnis von Parkinson-Patienten. In die Ernährung können wir einige protein- und nährstoffreiche Lebensmittel wie Fisch, Bohnen, Nüsse usw. aufnehmen. Diese Lebensmittel können uns helfen, gesund zu bleiben und unser Gedächtnis zu verbessern.

Schließlich kann regelmäßige Bewegung auch Menschen mit Parkinson dabei helfen, ihr Gedächtnis zu verbessern. Sport hilft uns nicht nur, körperlich gesund zu bleiben, sondern, was noch wichtiger ist, verbessert unsere Gehirnfunktion. Durch regelmäßige Bewegung können sie ihre Herz-Lungen-Funktion steigern, die Elastizität ihrer Muskeln und Knochen verbessern und ihr Gedächtnis verbessern.

Alles in allem hängt es von ihrem Lebensstil und ihren Essgewohnheiten ab, ob Menschen mit Parkinson-Krankheit unter Gedächtnisverlust leiden, und auch davon, ob sie auf Dinge wie Gehirntraining und Bewegung achten. Solange wir auf diese Aspekte achten, glaube ich, dass das Gedächtnis von Patienten mit Parkinson-Krankheit effektiv verbessert werden kann. Es ist ersichtlich, dass wir unser Gedächtnis verbessern müssen. Cistanche deserticola kann das Gedächtnis erheblich verbessern, da Cistanche deserticola ein traditionelles chinesisches Arzneimittel mit vielen einzigartigen Wirkungen ist, darunter die Verbesserung des Gedächtnisses. Die Wirksamkeit von Hackfleisch beruht auf einer Vielzahl von darin enthaltenen Wirkstoffen, darunter Carbonsäuren, Polysaccharide, Flavonoide usw. Diese Inhaltsstoffe können über verschiedene Kanäle die Gesundheit des Gehirns fördern.

Klicken Sie auf Möglichkeiten zur Verbesserung der Gehirnfunktion

In the sub-cohort of 96 PD patients and 100 controls, we also examined A1 SNPs rs9438393, rs56152218, and rs61822602 (first identified in the PD sub-cohort by the Sanger sequencing and afterward by RFLP analysis of the sub-cohort of controls). They were not analyzed in the pilot study (37]. The allele and genotype count and frequencies (fq) for each particular A1 SNP in the PD and the control cohorts are summarized in Table 3. The minor allele fa was, for rs11240569 (C>A) in unserer Gesamtkohorte (PD-Fälle + Kontrollprobanden), ungefähr vergleichbar mit dem von den gnomAD- und ExAC-Datenbanken gemeldeten Minor-Allel-Gesamtpopulations-fq-Bereich (MATPFR), wie folgt: fqo (beobachtet) vs. für (gemeldet) {{1 }} % vs. 29-30 %.

Der Minor-Allel-fq für rs708727 (G > A) in unserer Gesamtkohorte war höher als MATPFR in den gnomAD- und ExAC-Datenbanken (fq, vs. für=40 % vs. 29-30 %), war aber vergleichbar mit das Nebenallel fq rs708727, das für die europäische Bevölkerung in der ALFA-Datenbank gemeldet wurde (41 %). Der FQ des Minor-Allels rs823156 (A > G) in unserer Gesamtkohorte betrug 17 % und war damit niedriger als MATPFR in den gnomAD- und ExAC-Datenbanken (23–30 %), war jedoch mit dem FQ des Minor-Allels rs823156 vergleichbar, der für die europäische Bevölkerung in gemeldet wurde die ALFA-Datenbank (18 %).

Die Häufigkeit des Minor-Allels von rs9438393 (A > G) in der Gesamtkohorte betrug 40 % und war damit deutlich höher als die in den Datenbanken gnomAD und TOPMED angegebene MATPFR von 26–29 %, war jedoch mit dem Minor-Allel von rs9438393 vergleichbar In der ALFA-Datenbank gemeldete Allelhäufigkeit für die europäische Bevölkerung (41 %). Das Nebenallel von rs56152218 (T > C) war in der Gesamtkohorte mit einem fq von 38 % vorhanden, was innerhalb der MATPFR von 32–46 % liegt, die in den Datenbanken ALSPAC, TOPMED und ALFA (europäische Bevölkerung) gemeldet wird.

Interessanterweise ist in der vietnamesischen, koreanischen und katarischen Bevölkerung das Nebenallel T und nicht C, wie es in der europäischen Bevölkerung beobachtet wurde [https://www.ncbi.nlm.nih.gov/snp/?term{0} }rs56152218, abgerufen am 2. August 2021)]. Der fq des Nebenallels in rs61822602 (G > T) betrug 12 %. Dies ist vergleichbar mit den T-Allelhäufigkeiten, die in den Datenbanken ALSPAC und TWINSUK gemeldet werden (12 % bzw. 13 %), liegt jedoch weit über dem fq des T-Allels, das in der ALFA-Datenbank in der europäischen Bevölkerung gemeldet wird (6 %).

Alle getesteten A1-SNPs in unseren PD- und Kontrollkohorten befanden sich im Hardy-Weinberg-Gleichgewicht (HWE; Tabelle 4).

Als nächstes berechneten wir die Odds Ratios (OR) des Minor-Allels und der Genotypen, die das Minor-Allel enthalten, für jeden getesteten SNP. Diese Ergebnisse sind in Tabelle 5 zusammengefasst. Der GA-Genotyp in rs708727 war in unserer Population mit PD (OR=1.42 (1.08–1.87), p=0.01) assoziiert. Darüber hinaus haben wir die Assoziation bestimmter genotypischer Kombinationen für jeden getesteten SNP mit Parkinson in rezessiven, dominanten und vollständig überdominanten genetischen Modellen getestet (Tabelle 6). In Übereinstimmung mit früheren Daten identifizierten wir eine Assoziation des rs708727-Minor-Allels (A) mit PD in dominanten (GG vs. GA + AA) und vollständig überdominanten (GG + AA vs. GA) genetischen Modellen (ORD {{16}). }.36 (1.05–1.77), p=0.02 bzw. ORCOD=1.34 (1.04–1.72), p=0.02). Die übrigen SNPs zeigten in den getesteten genetischen Modellen keinen Zusammenhang mit der Parkinson-Krankheit (Tabelle 6).

Wir haben auch die Gleichheit der Populationsanteile jeder genotypischen Kombination getestet, die aus Dubletten, Drillingen, Vierlingen, Fünflingen oder Sexteln der getesteten SNPs in der PD-Kohorte (N {{0}}) und der Kontrollkohorte ( N=100), um die Größe der Auswirkung der Wechselwirkungen zwischen den getesteten A1-SNPs auf die Anfälligkeit für die Entwicklung einer Parkinson-Krankheit in unserer Bevölkerung zu untersuchen. Insgesamt 12 genotypische Kombinationen (zwei Dubletten, sieben Drillinge und drei Vierlinge, Tabelle 7) mit signifikant (p < 0.05, 10 Genotypen; p < 0,06, zwei Genotypen ) Es wurden unterschiedliche Zahlen in der PD- und der Kontrollkohorte identifiziert (Tabelle 7). Nach Cohens Kriterien [39], die die Unterschiede in den Proportionen beschreiben, zeigte nur das Triplett GG(rs708727) + AG(rs823156) + CC(rs61822602) von den 12 Genotypen den „mittleren“ Größenunterschied, der durch Cohens h(2arcsin√ prp1) definiert wird –2arcsin√ prp2) Größer oder gleich 0,5.

Der h-Wert für die verbleibenden 11 Genotypen lag zwischen 0.32 und 0.46 und lag somit innerhalb des h-Intervalls von 0.2 bis 0.5, was definiert kleine Unterschiede in den Proportionen (Tabelle 7) [39]. Daher könnte das Triplett GG(rs708727) + AG(rs823156) + CC(rs61822602) klinisch bedeutsam sein, und zukünftige Untersuchungen dieses Genotyps hinsichtlich der PD-Anfälligkeit sollten durchgeführt werden. Für rs11240569, rs708727 und rs823156 führten wir die gleiche Art von Analyse mit Quelldaten aus der Kohorte von 508 PD-Patienten und der Kohorte von 472 Kontrollen durch. Vier Genotypen, zwei Duplikate (GG(rs11240569) + AG(rs708727), GG(rs708727) + AG(rs823156)) und zwei Drillinge (GG(rs11240569) + GG(rs708727) + AA(rs823156), (GG(rs11240569) + GG(rs708727) + AG(rs823156)), mit signifikant (p < 0,05) unterschiedlichen Zählwerten in der PD- und Kontrollkohorte, wurden identifiziert. Cohens h, das für jeden der vier Genotypen berechnet wurde, lag unter dem Schwellenwert von 0,2 [39]. und daher war der Unterschied zwischen den Bevölkerungsanteilen zwischen den getesteten Gruppen in allen vier Fällen vernachlässigbar.

Das Alter, gefolgt vom männlichen Geschlecht, gilt als wichtigster Risikofaktor für das Auftreten einer idiopathischen Parkinson-Krankheit [37]. In unserer Pilotstudie korrelierte das Erkrankungsalter der idiopathischen Parkinson-Krankheit in der Kohorte von 15 0 Parkinson-Patienten nicht mit dem Vorhandensein einer genotypischen Kombination für die SNPs rs11240569, rs708727 und rs823156 [37]. Hier haben wir das Erkrankungsalter der Parkinson-Krankheit mit (1) dem Vorhandensein jeder genotypischen Kombination für die SNPs rs11240569, rs708727 und rs823156 in der Gruppe von 508 Parkinson-Patienten (Abbildung 2) und (2) mit dem Vorhandensein jeder dieser Kombinationen korreliert Genotypische Kombination für die SNPs rs11240569, rs708727, rs823156, rs9438393, rs56152218 und rs61822602 in der Unterkohorte von PD-Patienten, zufällig ausgewählt aus der PD-Kohorte für die A1-Promotorsequenzierung (Abbildung 3). Bezüglich des Erkrankungsalters ergab eine einfaktorielle ANOVA-Analyse, dass es keinen signifikanten (p < 0,05) Unterschied zwischen den genotypischen Subpopulationen für jeden der getesteten SNPs sowohl in der großen PD-Kohorte als auch in der Subkohorte der Parkinson-Krankheit gab Patienten. Somit hat kein bestimmter Genotyp in den getesteten SNPs Einfluss auf das Erkrankungsalter der idiopathischen Form der Parkinson-Krankheit. Dies steht in voller Übereinstimmung mit der Schlussfolgerung unserer Pilotstudie [37].

Wir haben die gleiche Art von Analyse auch für jeden der getesteten SNPs in Teilpopulationen von Frauen und Männern durchgeführt, die aus der großen Kohorte (N=508) und der Unterkohorte (N=96) abgeleitet wurden. ) von PD-Patienten. Wie in den ergänzenden Abbildungen S1–S3 gezeigt, besteht kein signifikanter (p < 0.05) Zusammenhang zwischen dem Erkrankungsalter und dem Vorhandensein einer bestimmten Genotypkombination in den getesteten SNPs rs11240569, rs708727, rs823156, rs9438393, rs56152218, und rs61822602 in den geschlechtsspezifischen Untergruppen wurde entweder aus der großen PD-Kohorte (NM=306, NF=202) oder der für die A1-Promotorsequenzierung ausgewählten PD-Unterkohorte (NM {{20}) abgeleitet. }, NF=42).

2.3. RandomForest Machine Learning (RF-ML)

Alle A1-SNPs wurden auf ihre Fähigkeit getestet, mit RF-ML zwischen Parkinson-Patienten und Kontrollpersonen zu unterscheiden. Der RF-ML-Algorithmus wurde anhand unserer Daten trainiert und die diskriminierende Bedeutung einzelner SNPs durch ein technisches Konstrukt, bekannt als Graphentiefe, bewertet [37,40]. Wie in unserer Pilotstudie [37] wurde die Vorhersagefähigkeit der getesteten SNPs durch ROC-Kurven (Receiver Operating Characteristic) bzw. AUC (Fläche unter der ROC-Kurve) visualisiert und quantifiziert. Die Unterscheidungsfähigkeit von Prädiktoren liegt innerhalb des AUC-Intervalls von 100 % (maximale Unterscheidungsfähigkeit) bis 50 % (minimale Unterscheidungsfähigkeit); AUC < 50 % bedeutet keine Unterscheidungsfähigkeit.

Der RF-Algorithmus wurde in den folgenden Modi trainiert: (1) mit drei oder sechs (Tabelle 8) bestimmten A1-SNPs (jeder SNP, drei Genotypen (AMAM/AMAm/AmAm, wobei AM für Hauptallel und Am für Nebenallel steht), als Prädiktor (drei oder sechs RF-Modelle, eines für jedes SNP), (2) mit genotypischen Duplikaten der gepaarten SNPs als Prädiktoren (drei RF-Modelle (drei SNPs) oder 15 RF-Modelle (sechs SNPs), eines für jedes Paar). SNPs; Tabelle 8), (3) mit genotypischen Tripletts der drei SNPs als Prädiktoren (ein RF-Modell (drei SNPs) oder 20 RF-Modelle (sechs SNPs), eines für jedes Triplett von SNPs; Tabelle 8), (4) mit genotypische Vierlinge der sechs SNPs als Prädiktoren (15 RF-Modelle, eines für jedes Vierling; Tabelle 8), (5) mit genotypischen Fünflingen der sechs SNPs als Prädiktoren (sechs RF-Modelle, eines für jedes Fünfling; Tabelle 8) und ( 6) mit einem genotypischen Sextuplett (ein RF-Modell, Tabelle 8).

Wenn also Einlinge, Dubletten, Drillinge, Vierlinge, Fünflinge und das Sechsling von A1-SNPs als Prädiktoren verwendet wurden, waren sie nicht in der Lage, zwischen den PD-Patienten und den Kontrollen zu unterscheiden (Tabelle 8). Daher haben die A1-SNPs laut RF-ML-Analyse und in Übereinstimmung mit der Pilotstudie [37] kein Potenzial, als Unterscheidungsmerkmal zwischen Kontrollpersonen und PD-Patienten zu dienen, und haben in Bezug auf PD in der slowakischen Bevölkerung keinen prädiktiven oder diagnostischen Wert .

3. Diskussion

Der PARK16-Locus hat in der wissenschaftlichen Gemeinschaft aufgrund seiner Assoziation mit der Parkinson-Krankheit und seiner diskutierten Rolle bei der Definition der Anfälligkeit für diese komplexe Erkrankung Aufmerksamkeit erregt. Im Jahr 2019 berichteten wir über eine Pilotstudie, in der wir den Zusammenhang der drei A1-SNPs, nämlich rs11240569, rs708727 und rs823156, mit der idiopathischen Form der Parkinson-Krankheit in der slowakischen (westslawischen) Bevölkerung analysierten. Der berichtete Zusammenhang von rs11240569 und rs823156 mit der Anfälligkeit für Parkinson, hauptsächlich in asiatischen/orientalischen Bevölkerungsgruppen, wurde in unserer Studie nicht gefunden [37]. Mit Frequentist-Statistiken (konservative genetische Analysen) oder RF-ML-Analysen konnte kein Zusammenhang bestätigt werden [37].

Die größte Einschränkung unserer Pilotstudie war jedoch die relativ geringe Anzahl von Patienten/Probanden in der PD- und Kontrollkohorte (150 bzw. 120). Wir betonten, dass die Daten aus statistischer Sicht aufgrund der geringen Stichprobengröße in beiden Kohorten und aufgrund der geringen statistischen Aussagekraft der durchgeführten Analysen vorsichtig interpretiert werden müssen [37]. Dennoch konnten wir durch die Verwendung des ML-Ansatzes, der erheblich kleinere Stichprobengrößen als herkömmliche Frequentist-Statistiken oder ungefähre Bayes'sche Berechnungen erfordert, mit Sicherheit die Fähigkeit bestimmter A1-SNPs untersuchen, zwischen Parkinson-Patienten und Kontrollpersonen zu unterscheiden. In allen Fällen ergab der ML-Ansatz im Wesentlichen keine diagnostische und prädiktive Relevanz der SNPs rs11240569, rs708727 und rs823156 in der slowakischen Bevölkerung [37].

In dieser Studie haben wir nicht nur die drei oben genannten SNPs untersucht, sondern auch die drei SNPs (rs9438393, rs56152218 und rs61822602), die in der Promotorregion von A1 lokalisiert sind. Diese SNPs wurden durch die Sequenzierung von 96 PD-Proben identifiziert, gefolgt von der RFLP-Analyse der Kontrollproben und der RFLP-Verifizierung der sequenzierten PD-Proben. Unsere genetischen Analysen haben im Wesentlichen keinen Zusammenhang zwischen den drei neu untersuchten SNPs und der Parkinson-Krankheit ergeben. Das Gleiche gilt für rs11240569 und rs823156, die in den PD- und Kontroll-Unterkohorten (96/100) sowie in den Kohorten von 508 PD-Patienten und 472 Kontrollpersonen analysiert wurden. Diese Ergebnisse stimmen vollständig mit dem Ergebnis der Pilotstudie überein [37]. In den großen Kohorten ist rs708727 jedoch mit einem erhöhten Parkinson-Risiko in der slowakischen Bevölkerung verbunden.

Nach unserem besten Wissen hat bisher keine Studie einen direkten Zusammenhang zwischen A1 SNP rs708727 und einem veränderten Risiko für die Entwicklung einer Parkinson-Krankheit hergestellt [19,37]. In unserer erweiterten Studie (im Vergleich zur Pilotstudie [37]) ist das Minor-Allel A in rs708727 mit einem erhöhten Risiko für den Ausbruch der Parkinson-Krankheit verbunden, wenn es in dominanten [40] (ORD=1.36 (1,05–) getestet wird. 1,77), p=0,02) oder völlig überdominante [41] (ORCOD=1,34 (1,04–1,72), p=0,02) Modelle (Tabelle 5). Daher könnte das Vorhandensein des Nebenallels (A) in rs708727 mit einem erhöhten Risiko für die Entwicklung einer Parkinson-Krankheit verbunden sein. Während Sanchez-Mut et al. [27] und Wang et al. [42] haben eindeutig gezeigt, dass das Vorhandensein des Nebenallels A in rs708727 die Methylierung des PM20D1-Promotors (und damit seine Expression) auf dosisabhängige (quantitative) Weise verändert, die am besten passenden genetischen Modelle in unserer Studie deuten darauf hin, dass das Vorhandensein eines rs708727-A-Allels ausreicht, um die Anfälligkeit für den Ausbruch der Parkinson-Krankheit zu verändern. Die PD-Anfälligkeit (Phänotyp), d. h. ob eine oder zwei Kopien des Nebenallels in rs708727 (Genotyp) vorhanden sind, muss noch im Detail geklärt werden.
Sanchez-Mut et al. haben PM20D1 (lokalisiert im PARK16-Locus und kodierend für die Peptidase-M20--Domäne, die das Protein-Eins-Enzym mit Hydrolase- und Peptidase-Aktivitäten enthält; N-Fett-Acylaminosäure-Synthase/Hydrolase) als quantitatives Methylierungs- und Expressionsmerkmal identifiziert Locus (mQTL) gekoppelt an einen AD-Risiko-assoziierten Haplotyp, der Enhancer-ähnliche Eigenschaften aufweist und den PM20D1-Promotor über eine Haplotyp-abhängige, CTCF (CCCTC-Bindung) Transkriptionsfaktor-vermittelte Chromatinschleife kontaktiert [27]. Durch den Vergleich von Proben von gesunden Kontrollpersonen und Patienten mit AD im fortgeschrittenen Stadium haben sie herausgefunden, dass PM20D1 bei Patienten mit AD durchweg eine Promotorhypermethylierung aufweist [27]. A1 SNP rs708727 korreliert mit dem Grad der PM20D1-DNA-Methylierung im menschlichen Frontalcortex und Hippocampus [27], ebenso wie SNP rs960603 [27]. Wang und Kollegen haben im Rahmen ihrer Arbeit zum peripheren Blut Daten erhalten, die bestätigen, dass PM20D1 ein mQTL ist, der hauptsächlich durch den AD-Risiko-assoziierten A1-SNP rs708727 vermittelt wird [42].

Darüber hinaus zeigen ihre Längsschnittdaten, dass die Hypomethylierung vor dem symptomatischen Einsetzen der AD erfolgt, möglicherweise um die zunehmende Expression von PM20D1 zur Aktivierung seiner Schutzfunktion zu erleichtern [42]. Das Fortschreiten der Alzheimer-Krankheit ist durch einen zunehmenden Methylierungsgrad in den CpG-Inseln im DMR (differentiell methylierte Region) des PM20D1-Promotors bei AD-Patienten gekennzeichnet, was letztendlich zur Hemmung der Gentranskription und -expression führt [27,42,43]. PM20D1 wurde auch mit Diabetes [44], Fettleibigkeit [45] und Multipler Sklerose [46] in Verbindung gebracht, und da es innerhalb des PARK16-Locus lokalisiert ist, wird eine mögliche Beteiligung/Assoziation mit PD angenommen [47].

Trotz des Mangels an molekularmechanistischen Analysen spekulieren wir angesichts unserer aktuellen Daten, dass AD und Parkinson (und andere seltenere neurodegenerative Erkrankungen) nicht nur „bekannte“ pathophysiologische Mechanismen (z. B. gestörte Mitophagie, Retromer und Proteasom) gemeinsam haben Funktionen), aber auch epigenetische Mechanismen, wie die A1 rs708727-abhängige Regulierung der PM20D1-Expression [27,42]. Unsere Arbeit erhöht indirekt den Bedarf an einer detaillierten Aufklärung der Rolle endogener N-Acylaminosäuren (NAAs), die von PM20D1 in der Pathobiologie von Parkinson und anderen neurodegenerativen Erkrankungen metabolisiert werden. Es ist mittlerweile bekannt, dass NAAs und N-Acyl-Konjugate von Neurotransmittern (NAANs) eine wichtige Rolle bei der Neuromodulation spielen [48,49]. Hinweise auf einen Zusammenhang zwischen der PM20D1-Expression und N-Acyldopamin (NADA) wurden durch die jüngste Arbeit von Song et al. geliefert. Diese Autoren haben gezeigt, dass die Deletion von kir6.2 (einer porenbildenden Untereinheit der ATP-empfindlichen K+-Kanäle) zu einer verringerten Anzahl von Mitochondrien und einer geringeren ATP-Produktion über einen Anstieg der PM20D1-Spiegel und von Wirkstoffen führt, die die mitochondriale Atmung entkoppeln , einschließlich NADA, im Mittelhirn der Maus [49].

NADA ist ein starker Inhibitor der 5-Lipoxygenase (5-LOX) und hat eine auf das Gehirn beschränkte Verteilung, wobei die Konzentrationen im Striatum am höchsten und anderswo sehr niedrig sind [48,50,51]. 5-LOX katalysiert die Synthese von Leukotrien oder 5-HpETE (5-Hydroperoxy-Eicosatetraensäure) aus Arachidonsäure und wurde aufgrund seiner Beteiligung an Neuroinflammationen mit Neurodegeneration (AD und PD) in Verbindung gebracht [51, 52]. Wir schlagen daher vor, dass die verringerte PM20D1-Expression, die daraus resultierende geringere Häufigkeit von NADA und die erhöhte Aktivität von 5-LOX erheblich zur Pathologie der Parkinson-Krankheit (und anderer neurodegenerativer Erkrankungen) beitragen.

Sanchez-Mut und Mitarbeiter haben gezeigt, dass die Überexpression von PM20D1 im murinen AD-Hippocampus zu einer Verbesserung des Lernens führt, während sein Abbau die Amyloid-Plaque-Belastung erhöht [27]. Sowohl die Pathologien vom Lewy-Typ als auch vom Alzheimer-Typ sind bei der PD-bedingten Demenz wichtig [53]. Ein erheblicher Teil der PD-Patienten leidet während der Krankheit unter einer Verschlechterung der Demenz [54]. Unter Berücksichtigung dieser Beobachtungen spekulieren wir darüber, ob die RS708727--verknüpfte Aktivität, die PM20D1 zum Schweigen bringt, zum Ausbruch der PD-Demenz beiträgt und ob die Überwachung der PM20D1-Aktivität als prognostischer Parameter für den Ausbruch der PD-Demenz dienen kann.

Zuvor veröffentlichte Arbeiten deuten auf eine Beteiligung von Mg2+-Transportern an der Pathobiologie der Parkinson-Krankheit hin [18–22,55]. A1 ist der Schlüsselakteur bei der Mg-Homöostase somatischer Zellen und wurde direkt mit der Parkinson-Krankheit in Verbindung gebracht [20–22]. Punktmutationen in A1, die zu Substitutionen p.A350V, p.R244H und p.R285Q führen, wurden mutmaßlich mit Parkinson in Verbindung gebracht, und es wird angenommen, dass sowohl der Funktionsmangel als auch der Funktionsverlust von Mutationen in A1 schädliche Folgen für Neuronen haben Beitrag zum PD-Phänotyp [20–22]. Diese Arbeit weist indirekt auf die Möglichkeit hin, dass nicht nur Störungen der A1-Kernfunktion (Na+/Mg2+-Austausch), sondern auch die A1--verknüpfte (rs708727) epigenetische Regulation der PM20D1-Expression (und -Aktivität) dazu beitragen die Pathobiologie der Parkinson-Krankheit.

In dieser Studie haben wir das genotypische Triplett GG(rs708727) + AG(rs823156) + CC(rs61822602) als potenziell klinisch bedeutsam identifiziert (h größer oder gleich 0,5). Interessanterweise ist rs708727 mit dem Genotyp GG Teil des Tripletts. Angesichts früherer Untersuchungen ist jedoch zu erwarten, dass der Genotyp, der das Nebenallel A in rs708727 enthält, mit einem potenziellen PD-Risiko im Zusammenhang mit diesem Triplett verbunden ist. Derzeit können wir keine Kommentare zu molekularen/genetischen/epigenetischen Wechselwirkungen abgeben, an denen die SNPs im Triplett GG(rs708727) + AG(rs823156) + CC(rs61822602) beteiligt sind, und somit auch nicht zu einem mutmaßlichen Beitrag dieses Tripletts zu einer Summe des Risikos eines PD-Ausbruchs.

In unserer Pilotstudie verwendeten wir RF-ML zur Auswertung und Interpretation unserer Daten [37]. Der Hauptvorteil der RF-ML-Datenanalyse besteht in zweierlei Hinsicht: (1) Sie ermöglicht die Quantifizierung der Unterscheidungsfähigkeit von SNPs zwischen PD-Patienten und Kontrollpersonen [37] und (2) sie erfordert geringere Stichprobengrößen für die Auswertung die diskriminierende Bedeutung einzelner SNPs oder ihrer Kombinationen [37]. Darüber hinaus umgeht RF-ML das p-Wert-Problem, das häufig mit größeren Stichproben einhergeht, selbst wenn diese verfügbar sind [56]. Wie in unserem vorherigen Bericht wurde gezeigt, dass keiner der getesteten A1-SNPs in unserer Kohorte die Fähigkeit besitzt, zwischen PD-Patienten und Nicht-PD-Probanden zu unterscheiden (Tabelle 8). Daher können wir davon ausgehen, dass keiner der getesteten A1-SNPs als PD/Nicht-PD-Diskriminator in der slowakischen Bevölkerung geeignet ist.

Bezüglich des Zusammenhangs von A1 rs708727 mit einem veränderten Parkinson-Risiko scheint das Ergebnis unserer RF-ML-Analyse auf den ersten Blick widersprüchlich zu sein (Tabellen 5 und 6 vs. Tabelle 8). Jakobsdottir et al. In ihren logistischen Regressions- und ROC-Kurvenanalysen zeigten sie, dass selbst starke genetische Assoziationen nicht automatisch eine wirksame Unterscheidung zwischen Fällen und Kontrollen garantieren [57]. Obwohl es sich bei SNPs mit signifikantem OR um schlechte Klassifikatoren handelt, könnten sie für die Aufstellung ätiologischer Hypothesen sehr wertvoll sein [57]. In unserem Fall verfügt A1 SNP rs708727 über keine Klassifizierungskraft hinsichtlich der Parkinson-Krankheit und hat daher keine klinische Bedeutung. Der schwache, aber signifikante Zusammenhang mit dem veränderten Parkinson-Risiko ermöglichte es uns jedoch, über die Beteiligung von rs708727 an der Pathobiologie der Parkinson-Krankheit in ähnlicher oder gleicher Weise wie bei AD zu spekulieren [27].

4. Materialien und Methoden

4.1. Studienteilnehmer (Grundmerkmale)

Insgesamt wurden 980 Probanden in die Studie einbezogen (508 PD-Patienten und 472 Kontrollpersonen, die die Einschlusskriterien erfüllten). Die idiopathische Form der Parkinson-Krankheit wurde von Neurologen in fünf PD-Diagnosezentren (in Martin, Bratislava, Trencin, Zvolen und Kosice) gemäß den PD-Diagnosekriterien der MDS (Movement Disorder Society) diagnostiziert. Alle Patienten wurden mit einer Standard-Anti-PD-Therapie behandelt. Das Durchschnittsalter der PD-Patienten betrug 68,4 ± 9,6 Jahre. Das durchschnittliche Erkrankungsalter betrug 61,7 ± 10,7 Jahre. Der jüngste Fall wurde im Alter von 34 Jahren diagnostiziert, der älteste mit 89 Jahren. Die PD-Gruppe bestand aus 202 weiblichen (F) und 306 männlichen (M) Patienten und somit betrug das F:M-Verhältnis 1:1,5.

Die Kontrollkohorte der Probanden bestand aus aus- und einreisenden Patienten der Klinik für Arbeitsmedizin und Toxikologie (Universitätsklinikum Martin (UHM)) und der Klinik für Neurologie (UHM). In die Kontrollstudiengruppe wurden nur Patienten aufgenommen, bei denen zuvor keine neurodegenerative oder neuropsychiatrische Erkrankung wie Diabetes mellitus oder Osteoporose diagnostiziert worden war (alle Krankheiten, die vermutlich mit einer veränderten A1-Expression und einer Deregulierung der A1-Funktion verbunden sind). Das Durchschnittsalter der Kontrollprobanden betrug 68,3 ± 11,6 Jahre. Die Kontrollgruppe bestand aus 208 weiblichen und 264 männlichen Personen, sodass das F:M-Verhältnis in der Kontrollgruppe 1:1,3 betrug.

Die Unterkohorte der Parkinson-Patienten, in der die A1-Promotorregion sequenziert wurde, bestand aus 96 zufällig ausgewählten Probanden. Das F:M-Verhältnis betrug 1:1,3 (42 Frauen und 54 Männer). Das Durchschnittsalter der Patienten in der PD-Subkohorte betrug 67,{{10}} ± 9,5 Jahre. Die Kontrollsubkohorte bestand aus 41 Frauen und 59 Männern, sodass das F:M-Verhältnis 1:1,4 betrug. Das Durchschnittsalter der Probanden in der Kontrollsubkohorte betrug 59,8 ± 5,0 Jahre.

Diese Studie wurde von der Ethikkommission der Jessenius-Fakultät für Medizin der Comenius-Universität (JFM CU) genehmigt. Die Zulassung wurde unter der ID: EK 66/2019 erfasst. Alle Studienteilnehmer unterzeichneten Einverständniserklärungen.

4.2. Probenverarbeitung

Blutproben wurden in EDTA-behandelten BD Vacutainer®-Röhrchen (Becton, Dickinson and Company, Franklin Lakes, NJ, USA) gesammelt. Genomische DNA wurde aus frischen (UHM) oder gefrorenen Blutproben (andere PD-Zentren) unter Verwendung des Wizard® Genomic DNA Purification Kit (Promega Corporation, Maddison, WI, USA) gemäß dem Protokoll des Herstellers isoliert. Isolierte DNA-Proben wurden bei –80 °C gelagert.

4.3. Genotypisierung

Die Genotypisierung wurde an 358 PD-Proben und 352 Kontrollproben durchgeführt. Die Ergebnisse dieser Experimente wurden zusammen mit den zuvor von Cibulka et al. berichteten Ergebnissen analysiert. [37]. Die SNPs rs11240569, rs708727 und rs823156 wurden mithilfe der TaqMan®-Genotypisierungssonden C_34251_20/rs11240569, C_375742_10/rs823156 und C_9238453_10/rs708727 (alle Thermo Fisher Scientific, Waltham, MA USA) auf die gleiche Weise wie zuvor berichtet [37].

4.4. Sanger-Sequenzierung

Die Promotorregion wurde in vier überlappende Fragmente/Amplikons aufgeteilt, da sie für einen einzelnen Sequenzierungslauf zu lang war. Vor der Sequenzierung wurden die Zielregionen amplifiziert. Primer wurden mit dem Online-Tool Primer3Plus [https://primer3plus.com/cgi--bin/dev/primer3plus.cgi (abgerufen am 3. Mai 2018)] entworfen. Jedes Primerpaar wurde mit dem PCR-Online-Tool UCSC [http://www.genome.ucsc.edu/cgi--bin/hgPcr (abgerufen am 3. Mai 2018)] auf das Vorhandensein mehrerer Amplifikationsprodukte überprüft.

Die zur Amplifikation der vier Fragmente verwendeten Primer und PCR-Programme sind in den ergänzenden Tabellen S1 und S2 zusammengefasst. Die Zusammensetzungen der Mastermischungen für jedes Fragment sind in SA3 zusammengefasst. Die Fragmente 3 und 4 haben einen hohen Gehalt an G- und C-Nukleotiden (67,4 % bzw. 71,9 %). Die Reaktionsausbeute wurde durch die Zugabe des 10× GC Rich Enhancer (Solis Biodyne, Tartu, Estland) erhöht. Das PCR-Produkt wurde mit NucleoSpinTM Gel und einem PCR Clean-up Kit (Macherey-Nagel GmbH&Co. KG, Düren, Deutschland) gereinigt. Im nächsten Schritt wurde das gereinigte PCR-Produkt auf eine geeignete Konzentration für die Vorsequenzierungs-PCR (SA4, SA5) verdünnt. In der PCR vor der Sequenzierung wurden nur Vorwärtsprimer (fw) verwendet. Der Reaktionsmix enthielt außerdem BigDye Terminator v3.1 (Applied Biosystems, Waltham, MA, USA) und Didesoxynukleotide.

Als Ergebnis erhielten wir eine Mischung aus Produkten unterschiedlicher Größe, die mit fluoreszenzmarkierten Didesoxynukleotiden terminiert waren. Anschließend wurden die Produkte mit dem SigmaSpin Sequencing Reaction Clean-Up Kit (Sigma-Aldrich, St. Louis, MO, USA) gemäß dem Protokoll des Herstellers gereinigt. Ein Volumen von 3 µL des gereinigten Produkts wurde zusammen mit 12 µL hochwertigem entionisiertem Formamid (Applied Biosystems, Waltham, MA, USA) in eine 96--Wellplatte überführt. Die Mischung wurde 5 Minuten lang bei 95 °C in einem Thermocycler denaturiert. Die Fragmente wurden auf dem 8-Mikrokapillargerät ABI 3500 (Applied Biosystems, Waltham, MA, USA) getrennt. Sequenzen wurden mit der Chromas-Software (Technelysium Pty Ltd., South Brisbane, Australien) exportiert und visualisiert. FASTA-Dateien wurden auf BLAST (Basic Local Alignment Search Tool) hochgeladen und mit dem menschlichen Referenzgenom (Version GRCh38.p12) abgeglichen.

Die Vorhersage der Transkriptionsfaktor-Bindungsstellen und ihrer Veränderungen wurde mit dem Online-Tool ConSite durchgeführt [verfügbar unter: http://consite.genereg.net/ (abgerufen am 3. September 2020)] [38]. Sequenzen mit dem Haupt-Allel und dem Neben-Allel wurden hochgeladen und Spektren der Transkriptionsfaktoren (TF) erstellt. Die Analyse wurde ohne Voreinstellung der Mindestspezifität durchgeführt. Änderungen in den TF-Bindungsprofilen basierend auf dem Vorhandensein von Varianten sind in Tabelle 2 zusammengefasst.

4.5. RFLP-Analyse (Restriction Fragment Length Polymorphism).

Die Komponenten des Reaktionsmixes und die PCR-Bedingungen der amplifizierten PCR sind in SA6 und SA7 zusammengefasst. Das Online-In-Silico-Tool NEBCutter 2.0 [http://nc2.neb.com/NEBcutter2 / (abgerufen am 14. Februar 2020)] wurde verwendet, um Einschränkungen der Amplicons zu entwerfen. Die folgenden Restriktionsenzyme wurden für die RFLP-Analyse ausgewählt: Hpy166II (Nachweis von rs9438393), NIaIII (Nachweis von rs56152218) und BmrI (Nachweis von rs61822602). Alle Enzyme wurden von New England Biolabs gekauft. Für die Variante rs144056491 konnten wir kein RFLP-Experiment entwerfen, da kein geeignetes Enzym verfügbar war. Nach der Restriktion erwarteten wir, dass die in SA8 zusammengefassten Fragmente die Ausbeute bilden würden. Nach der Restriktion wurden die Produkte durch Agarosegelelektrophorese (NIaIII und Hpy166II 1 % Gel; BmrI 2 % Gel) aufgetrennt und dann auf einem PharosFX-Instrument (Bio-Rad Laboratories) sichtbar gemacht. Für jedes SNV wurden Genotypen bestimmt.

4.6. Datenanalyse

Die Daten wurden mit R [R Core Team (2021); untersucht und analysiert; R: eine Sprache und Umgebung für statistische Berechnungen. R Foundation for Statistical Computing, Wien, Österreich. URL https://www.R-project.org/, ver. 4.0.5 (2021-03-31)]. Eine genetische Assoziationsstudie (GAS) und eine Leistungsanalyse wurden unter Verwendung der R-Bibliotheken HardyWeinberg [Jan Graffelman (2015); Erforschung diallelic genetischer Marker: Das HardyWeinberg-Paket. Journal of Statistical Software, 64(3), 1-23. URL https://www.jstatsoft.org/v64/i03/], DescTools [Andri Signorelli et al. (2021); DescTools: Tools für deskriptive Statistik. R-Paketversion 0.99.41.], Epitools [Tomas J. Aragon (2020); epitools: Epidemiologie-Tools. R-Paketversion 0.5-10.1. URL https://CRAN.R-project.org/package=epitools], pwr [Stephane Champely (2020); pwr: Grundfunktionen für die Leistungsanalyse. R-Paketversion 1.3-0. URL https://CRAN.R-project.org/package=pwr] und ein selbst entwickelter Code. Die prädiktive Modellierung von RandomForest wurde mit der R-Bibliothek randomForestSRC durchgeführt [Ishwaran H. und Kogalur UB (2021); Fast Unified RandomForests for Survival, Regression, and Classification (RF-SRC), R-Paketversion 2.11.0.]. Die Daten wurden von der R-Bibliothek beeswarm visualisiert [Aron Eklund (2021); beeswarm: The Bee Swarm Plot, eine Alternative zu Stripchart. R-Paketversion 0.3.1. URL https://CRAN.R-project.org/package=beeswarm]. Eine einfaktorielle ANOVA wurde verwendet, um die Nullhypothese der Gleichheit des mittleren Erkrankungsalters der Bevölkerung für die drei Genotyp-Subpopulationen für jeden SNP zu testen. Befunde mit einem p-Wert unter 0,05 wurden als statistisch signifikant angesehen.

5. Schlussfolgerungen

Zusammenfassend deuten unsere Daten auf eine schwache, aber signifikante Assoziation von A1 SNP rs708727 mit Parkinson in dominanten und überdominanten genetischen Modellen in einer slowakischen Population hin. Keiner der anderen getesteten A1-SNPs (rs11240569, rs823156, rs9438393, rs56152218 und rs61822602) war in keinem der getesteten genetischen Modelle mit der Krankheit assoziiert. RF-ML-Analysen ergaben, dass alle getesteten A1-SNPs schlechte Klassifikatoren/Prädiktoren für Parkinson sind, sodass ihre Verwendung in der klinischen Praxis als diagnostische oder prognostische Marker vernachlässigbar bleibt. Die Assoziation von rs708727 mit PD erlaubte uns jedoch zu spekulieren, dass das PD-Risiko-assoziierte Minor-Allel (G > A) in rs708727 über die Störung der epigenetischen Regulation der PM20D1-Expression zum Ausbruch und Fortschreiten der Krankheit beiträgt, ein Mechanismus, von dem bekannt ist, dass er eine Rolle spielt in der Pathobiologie der AD. Diese Hypothese sollte weiter untersucht werden, um eine schlüssige Aussage zu treffen. Darüber hinaus sollte ein möglicher Zusammenhang zwischen PD-assoziierter Demenz und rs708727 geklärt werden.

Autorenbeiträge:

Konzeptualisierung, MK; Methodik, MK, MC, MG (Marian Grendar) und MB; Software, MG (Marian Grendar); Validierung, MC, MB und MK; formale Analyse, MK, MG (Marian Grendar), MC, AS, ZL, ZP, TS, SS und MG (Milan Grofik); Untersuchung, MC und MB; Datenkuration, MC, MB, MG (Marian Grendar), MG (Milan Grofik), JN, VN und EK; Schreiben – Originalentwurfsvorbereitung, MK; Schreiben – Rezension und Bearbeitung, MC, MG (Marian Grendar) und ZP; Visualisierung, MK, MC und MG (Marian Grendar); Aufsicht, MK; Projektverwaltung, MC, MK, MG (Milan Grofik), JN, JB, VH, VN, EK, MS und BV; Finanzierungseinwerbung, MK Alle Autoren haben die veröffentlichte Version des Manuskripts gelesen und sind damit einverstanden.

Finanzierung:

Diese Arbeit wurde von der Slowakischen Agentur für Forschung und Entwicklung, Fördernummer APVV-19-0222, und der Agentur für wissenschaftliche Fördermittel des Ministeriums für Bildung, Wissenschaft, Forschung und Sport der Slowakischen Republik und der Slowakischen Akademie der Wissenschaften, Fördernummer VEGA, unterstützt 1/0554/19, beide an MK

Erklärung des Institutional Review Board:

Die Studie wurde von der Ethikkommission der Jessenius-Fakultät für Medizin der Comenius-Universität (JFM CU) genehmigt. Die Genehmigung wurde unter der ID: EK 66/2019 erfasst.

Einverständniserklärung:

Von allen an der Studie beteiligten Probanden wurde eine Einverständniserklärung eingeholt.

Erklärung zur Datenverfügbarkeit:

Der vollständige Datensatz ist im Artikel enthalten. Art und Umfang der enthaltenen Daten ermöglichen eine weitere Metaanalyse. Alle Informationen zur Studie sind auf Anfrage beim entsprechenden Autor erhältlich.

Danksagungen:

Wir danken allen Studienteilnehmern und ihren Familienangehörigen. Unser Dank gilt auch Martin Marak (JFM CU) für seine kompetente technische Unterstützung des Projekts, Jan Radvanszky und Rastislav Hekel (beide GENETON sro) für hilfreiche Ratschläge zu A1-Promoter-Analysen und Theresa Jones für die sprachliche Bearbeitung des Projekts Manuskript.

Interessenskonflikte:

Die Autoren geben an, dass kein Interessenkonflikt besteht.

Verweise

1. Tatarkova, Z.; de Baaij, JHF; Grendar, M.; Aschenbach, JR; Racay, P.; Bos, C.; Sponder, G.; Hoenderop, JGJ; Röntgen, M.; Turcanova Koprusakova, M.; et al. Die Aufnahme von Mg2+ über die Nahrung und der Na+/Mg2+-Austauscher SLC41A1 beeinflussen Komponenten der mitochondrialen Energetik in murinen Kardiomyozyten. Int. J. Mol. Wissenschaft. 2020, 21, 8221. [CrossRef] [PubMed]

2. Yamanaka, R.; Tabata, S.; Shindo, Y.; Hotta, K.; Suzuki, K.; Soga, T.; Oka, K. Die mitochondriale Mg2+-Homöostase entscheidet über den zellulären Energiestoffwechsel und die Anfälligkeit für Stress. Wissenschaft. Rep. 2016, 6, 30027. [CrossRef] [PubMed]

3. Dudev, T.; Grauffel, C.; Lim, C. Wie native und fremde Metallkationen ATP binden: Auswirkungen auf Lithium als therapeutisches Mittel. Wissenschaft. Rep. 2017, 7, 42377. [CrossRef] [PubMed]

4. Kolisek, M.; Zsurka, G.; Samaj, J.; Weghuber, J.; Schweyen, RJ; Schweigel, M. Mrs2p ist ein wesentlicher Bestandteil des wichtigsten elektrophoretischen Mg2+-Einstromsystems in Mitochondrien. EMBO J. 2003, 22, 1235–1244. [CrossRef] [PubMed]

5. Schindl, R.; Weghuber, J.; Romanin, C.; Schweyen, RJ Mrs2p bildet in Mitochondrien einen Mg2+-selektiven Kanal mit hoher Leitfähigkeit. Biophys. J. 2007, 93, 3872–3883. [CrossRef] [PubMed]

6. Kolisek, M.; Sponder, G.; Pilchova, I.; Cibulka, M.; Tatarkova, Z.; Werner, T.; Racay, P. Magnesium Extravaganza: Ein kritisches Kompendium der aktuellen Forschung zu zellulären Mg2+-Transportern außer TRPM6/7. Rev. Physiol. Biochem. Pharmakol. 2019, 176, 65–105. [CrossRef]

7. Kubota, T.; Shindo, Y.; Tokuno, K.; Komatsu, H.; Ogawa, H.; Kudo, S.; Kitamura, Y.; Suzuki, K.; Oka, K. Mitochondrien sind intrazelluläre Magnesiumspeicher: Untersuchung durch simultane Fluoreszenzbildgebung in PC12-Zellen. Biochim. Biophys. Acta 2005, 1744, 19–28. [CrossRef]

8. Sponder, G.; Abdulhanan, N.; Fröhlich, N.; Mastrototaro, L.; Aschenbach, JR; Röntgen, M.; Pilchova, I.; Cibulka, M.; Racay, P.; Kolisek, M. Überexpression des Na+/Mg2+-Austauschers SLC41A1 schwächt die überlebensfördernde Signalübertragung. Oncotarget 2017, 9, 5084–5104. [CrossRef] [PubMed]

9. Yamaguchi, H.; Wang, HG Die Proteinkinase PKB/Akt reguliert das Zellüberleben und die Apoptose durch Hemmung der Bax-Konformationsänderung. Oncogene 2001, 20, 7779–7786. [CrossRef]

10. Vauzour, D.; Vafeiadou, K.; Rice-Evans, C.; Williams, RJ; Spencer, JP Die Aktivierung überlebensfördernder Akt- und ERK1/2-Signalwege liegt den antiapoptotischen Wirkungen von Flavanonen in kortikalen Neuronen zugrunde. J. Neurochem. 2007, 103, 1355–1367. [CrossRef]

11. Muddapu, VR; Dharshini, SAP; Chakravarthy, VS; Gromiha, MM Neurodegenerative Erkrankungen – Ist Stoffwechselmangel die Ursache? Vorderseite. Neurosci. 2020, 14, 213. [CrossRef] [PubMed]

12. Pathak, D.; Berthet, A.; Nakamura, K. Energieversagen: Trägt es zur Neurodegeneration bei? Ann. Neurol. 2013, 74, 506–516. [CrossRef] [PubMed]

13. Dharshini, SAP; Taguchi, YH; Gromiha, MM Untersuchung der Energiekrise bei der Alzheimer-Krankheit mithilfe einer Transkriptomstudie. Wissenschaft. Rep. 2019, 9, 18509. [CrossRef] [PubMed]

14. Zweig, G.; Shirihai, OS Das Zusammenspiel zwischen mitochondrialer Dynamik und Mitophagie. Antioxid. Redox-Signal. 2011, 14, 1939–1951. [CrossRef] [PubMed]

15. Zhao, W.; Zhang, W.; Ma, H.; Yang, M. NIPA2 reguliert die Osteoblastenfunktion durch Modulation der Mitophagie bei Typ-2-Diabetes-Osteoporose. Wissenschaft. Rep. 2020, 10, 3078. [CrossRef]
16. Nadler, MJ; Hermosura, MC; Inabe, K.; Perraud, AL; Zhu, Q.; Stokes, AJ; Kurosaki, T.; Kinet, JP; Penner, R.; Scharenberg, AM; et al. LTRPC7 ist ein Mg. ATP-regulierter zweiwertiger Kationenkanal, der für die Lebensfähigkeit der Zelle erforderlich ist. Nature 2001, 411, 590–595. [CrossRef]

17. Kolisek, M.; Nestler, A.; Vormann, J.; Schweigel-Röntgen, M. Das menschliche Gen SLC41A1 kodiert für den Na+/Mg2+-Austauscher. Bin. J. Physiol. Zellphysiologie. 2012, 302, C318–C326. [CrossRef]

For more information:1950477648nn@gmail.com