XiaoMi-AI文件搜索系统
World File Search SystemCerebrospinal
从大脑到生物标志物发现脑脊液的解密蛋白质分泌
摘要：脑脊液（CSF）是发现神经系统疾病生物标志物的重要基质。然而，CSF中蛋白质浓度的高动态范围阻碍了不靶向的质谱法检测最少丰富的蛋白质生物标志物。因此，对大脑内部的分泌过程有更深入的了解是有益的。在这里，我们旨在探讨脑蛋白是否以及如何预测CSF的分泌。通过将策划的CSF蛋白质组和人蛋白质图集的脑升高蛋白质组相结合，将脑蛋白分类为CSF或非CSF分泌。机器学习模型接受了一系列基于序列的特征的培训，以区分CSF和非CSF组，并有效地预测蛋白质的大脑起源。分类模型如果使用高置信度CSF蛋白，则在曲线下达到0.89的面积。最重要的预测特征包括亚细胞定位，信号肽和跨膜区域。分类器良好地概括为较大的大脑检测到的蛋白质组，并能够正确预测通过亲和力蛋白质组学鉴定的新型CSF蛋白。除了阐明蛋白质分泌的潜在机制外，受过训练的分类模型还可以支持生物标志物候选者的选择。关键字：脑蛋白质组，脑脊液，流体生物标志物，机器学习，蛋白质分泌■简介
脑脊液压力对脑折叠影响的数值研究
在过去的几十年中，层状材料的屈曲不稳定性一直是分析、实验和数值研究的主题。这些系统传统上被认为是无应力表面，而表面压力的影响研究不足。在这项研究中，我们开发了一个双层压缩的有限元模型，发现它在表面压力下的表现不同。我们研究了双层系统在两种压缩模式（外部施加和内部生长产生的）下的屈曲开始、初始波长和后屈曲行为。在各种刚度比（1 < μ f / μ s < 100）中，我们观察到在存在表面压力的情况下稳定性会降低，尤其是在低刚度对比度状态（μ f / μ s < 10）下。我们的结果表明压力边界条件对于双层系统稳定性分析的重要性，尤其是在软物质和生物物质物理学中，例如在脑脊液压力下大脑皮层的折叠，其中压力可能会影响形态发生和屈曲模式。[DOI：10.1115 / 1.4057020]
脑脊液压力对脑折叠影响的数值研究
在过去的几十年中，层状材料的屈曲不稳定性一直是分析、实验和数值研究的主题。这些系统传统上被认为是无应力表面，而表面压力的影响研究不足。在这项研究中，我们开发了一个双层压缩的有限元模型，发现它在表面压力下的表现不同。我们研究了双层系统在两种压缩模式（外部施加和内部生长产生的）下的屈曲开始、初始波长和后屈曲行为。在各种刚度比（1 < μ f / μ s < 100）中，我们观察到在存在表面压力的情况下稳定性会降低，尤其是在低刚度对比度状态（μ f / μ s < 10）下。我们的结果表明压力边界条件对于双层系统稳定性分析的重要性，尤其是在软物质和生物物质物理学中，例如在脑脊液压力下大脑皮层的折叠，其中压力可能会影响形态发生和屈曲模式。[DOI：10.1115 / 1.4057020]
阿尔茨海默病患者脑亚细胞组分和脑脊液中的细胞外基质变化
1 莱布尼茨神经生物学研究所 (LIN)，39118 马格德堡，德国 2 奥托冯格里克大学神经病学系，39120 马格德堡，德国 3 精神健康适应性和适应不良脑回路干预与研究中心 (CIRC)，耶拿-马格德堡-哈勒，07743 耶拿，德国 4 行为脑科学中心 (CBBS)，39104 马格德堡，德国 5 奥托冯格里克大学药理学和毒理学研究所，39120 马格德堡，德国 6 因斯布鲁克医科大学病理学、神经病理学和分子病理学研究所，6020 因斯布鲁克，奥地利 7 格拉茨医科大学病理学研究所分子生物医学诊断与研究中心，8036 格拉茨，奥地利 8 医学神经放射学系因斯布鲁克大学，6020 因斯布鲁克，奥地利 9 格拉茨医科大学神经放射学、血管和介入放射学系，8036 格拉茨，奥地利 10 德国神经退行性疾病中心 (DZNE)，39120 马格德堡，德国 * 通讯地址：cseidenb@lin-magdeburg.de
对阿尔茨海默氏病中脑脊液蛋白生物标志物的定量质谱分析
1标题2 3 3定量质谱分析分析4阿尔茨海默氏病中脑脊液蛋白生物标志物的定量质谱分析5 6作者7 8 Caroline M. Watson 1，Eric B. Dammer 1，Lingyan Ping 1，Duc M. Duc M. Duong M. Duong 2，Erica Modeste 1，Erica Modeste 1，E. 9 Kathleen Carter 2，E. 9 Kathleen Carter 2，Erik C. B. Blaine R. Roberts 1,2和10 Nicholas T. Seyfried 1,2* 11 12 13隶属关系14 1。埃默里大学医学院神经病学系15 2。埃默里大学医学院生物化学系16通讯作者：Nicholas T. Seyfried博士（nseyfri@emory.edu）;詹姆斯·J·拉（James J. Lah），医学博士17博士。 （jlah@emory.edu）; Allan I Levey，医学博士。 （alevey@emory.edu）18 19摘要20 21阿尔茨海默氏病（AD）是痴呆症的最常见形式，脑脊液液（CSF）22β-淀粉样蛋白（Aβ），TAU总tau和磷酸化的TAU提供了最敏感和特定的23个生物标记物来诊断。 但是，这些诊断生物标志物并不能反映淀粉样蛋白（A）和TAU（T）病理的AD大脑的复杂变化。 在这里，我们报告了选定的25个反应监测质谱法（SRM-MS）方法，具有同位素标记的标准标准26，用于CSF中的相对蛋白质定量。 生物标志物阳性（AT+）和负（AT-）CSF池27用作质量控制（QC）来评估测定精度。 我们检测到30个QC和133个对照（认知正常，AT），29 127个无症状（认知性正常，+AT+）和130个症状AD（认知性AD（认知性障碍），平均CV的平均CV为〜13％（认知正常），平均CV约为13％（认知正常）。 这证明了SRM-MS的实用程序33，以量化AD阶段的CSF蛋白生物标志物。埃默里大学医学院生物化学系16通讯作者：Nicholas T. Seyfried博士（nseyfri@emory.edu）;詹姆斯·J·拉（James J. Lah），医学博士17博士。（jlah@emory.edu）; Allan I Levey，医学博士。（alevey@emory.edu）18 19摘要20 21阿尔茨海默氏病（AD）是痴呆症的最常见形式，脑脊液液（CSF）22β-淀粉样蛋白（Aβ），TAU总tau和磷酸化的TAU提供了最敏感和特定的23个生物标记物来诊断。但是，这些诊断生物标志物并不能反映淀粉样蛋白（A）和TAU（T）病理的AD大脑的复杂变化。在这里，我们报告了选定的25个反应监测质谱法（SRM-MS）方法，具有同位素标记的标准标准26，用于CSF中的相对蛋白质定量。生物标志物阳性（AT+）和负（AT-）CSF池27用作质量控制（QC）来评估测定精度。我们检测到30个QC和133个对照（认知正常，AT），29 127个无症状（认知性正常，+AT+）和130个症状AD（认知性AD（认知性障碍），平均CV的平均CV为〜13％（认知正常），平均CV约为13％（认知正常）。这证明了SRM-MS的实用程序33，以量化AD阶段的CSF蛋白生物标志物。可以区分AT+ AT-个体的蛋白质包括SMOC1，GDA，14-3-3 31蛋白质以及参与糖酵解的蛋白质。可以区分认知障碍32的蛋白质主要是神经元蛋白（VGF，NPTX2，NPTXR和SCG2）。34 35背景和摘要36 37阿尔茨海默氏病（AD）在全球范围内影响超过4500万人，使其成为38种常见的神经退行性疾病1（https://wwwww.alz.alz.almedia/media/dia/dia/documents/alzheimers/alzheimers-39
使用自适应U-NET和局部卷积神经
根据2015年阿尔茨海默氏症的报告，世界上有4600万人患有痴呆症。疾病的诊断有助于医生更好地治疗患者。疾病的迹象之一与白质，灰质和脑脊液有关。因此，脑成像中三个组织的自动分割尤其是磁共振成像（MRI）在医学分析中起重要作用。在这项研究中，我们提出了一种有效的方法，可以在三维（3D）脑MRI中自动细分这些组织。首先，深度学习模型用于细分肯定和不确定的区域。在不确定的区域中，另一个深度学习模型用于对每个像素进行分类。在实验中，一种自适应U-NET模型，用于分割确定和不确定的区域，并且使用多个输入的局部卷积神经网络（CNN）模型仅在不确定区域中对每个像素进行分类。使用真实的图像数据库，Internet脑部分割存储库数据库评估我们的方法，其中有18人（IBSR 18）（https://www.nitrc.org/projects/ibsr），并与艺术方法进行比较。
使用自适应U-NET和局部卷积神经
根据2015年阿尔茨海默氏症的报告，世界上有4600万人患有痴呆症。疾病的诊断有助于医生更好地治疗患者。疾病的迹象之一与白质，灰质和脑脊液有关。因此，脑成像中三个组织的自动分割尤其是磁共振成像（MRI）在医学分析中起重要作用。在这项研究中，我们提出了一种有效的方法，可以在三维（3D）脑MRI中自动细分这些组织。首先，深度学习模型用于细分肯定和不确定的区域。在不确定的区域中，另一个深度学习模型用于对每个像素进行分类。在实验中，一种自适应U-NET模型，用于分割确定和不确定的区域，并且使用多个输入的局部卷积神经网络（CNN）模型仅在不确定区域中对每个像素进行分类。使用真实的图像数据库，Internet脑部分割存储库数据库评估我们的方法，其中有18人（IBSR 18）（https://www.nitrc.org/projects/ibsr），并与艺术方法进行比较。
脑脊液血红蛋白驱动蛛网膜下腔与出血相关的继发性脑损伤
脑蛛网膜下腔出血（SAH-SBI）后的继发性脑损伤是导致颅内动脉瘤破裂后患者不良预后的重要原因。缺乏诊断生物标志物和新型药物靶标表示未满足的需求。先前的实验证据表明，脑脊液（CSF-HB）中无细胞的血红蛋白是SAH-SBI的病理生理驱动力。这项研究的目的是研究CSF-HB和SAH-SBI之间的临床和病理生理关联。我们前瞻性地招募了47例连续的患者，并在动脉瘤破裂后的14天内每天收集了CSF样品。有非常有力的证据表明CSF-HB和SAH-SBI之间存在正相关。SAH-SBI的CSF-HB的诊断准确性显着超过了已建立的方法（曲线下的面积：0.89 [0.85-0.92]）。时间LC-MS/MS CSF蛋白质组学表明，伴有自适应巨噬细胞反应的红斑分解是动脉瘤破裂后CSF空间中发生的两个显性生物学过程。为了进一步研究CSF-HB和SAH-SBI之间的病理生理，我们探索了HB前体的血管收缩和脂质过氧化活性。这些实验表明，SAH-SBI患者的CSF-HB浓度阈值重叠的临界拐点重叠。选择性HB耗竭和解决HB效率的HAPTOGLOBIN或血红素舒适性血红素有效地减弱了患者CSF中CSF-HB的血管促进和脂质过氧化活性。共同，高CSF-HB水平与SAH-SBI之间的临床关联，潜在的病理生理基本原理以及抗果糖蛋白和血红蛋白在前视体实验中的有利作用将CSF-HB定位为CSF-HB作为一种非常有吸引力的生物标志物和潜在的药物靶标的CSF-HB。
正常的儿童大脑生长以及与脑脊液的普遍性别和拟人化关系
保留所有权利。未经许可就不允许重复使用。（未经同行评审证明）是作者/资助者，他已授予Medrxiv的许可证，以永久显示预印本。此预印版的版权持有人于2021年1月7日发布。 https://doi.org/10.1101/2020.05.19.20102319 doi：medrxiv Preprint
脑脊液生物标志物可区分特发性正常
Andreasson博士2.3，Henrik Zetterberg教授2,3,4.5，Kaj Blennow教授2.3，PeterHøgh博士6，MarianneAndreasson博士2.3，Henrik Zetterberg教授2,3,4.5，Kaj Blennow教授2.3，PeterHøgh博士6，Marianne