XiaoMi-AI文件搜索系统
World File Search SystemNDD
用睡眠宏映射神经发育
睡眠持续时间和时机以及相应的脑电图活动反映了大脑的变化，这些变化支持认知和行为成熟，并可能为跟踪典型和非典型神经发育提供实际标记。为了建立和评估一个基于睡眠的大脑成熟度定量指标，我们使用了整夜的多聚会学数据，最初来自两个大型国家睡眠研究资源样本，跨越了儿童和青春期（总n = 4,013，年龄为2.5至17.5岁） （NCH）睡眠数据库，一个儿科睡眠诊所队列。在没有神经发育障碍的儿童（NDD）中，源自脑电图（EEG）的睡眠指标（EEG）在整个数据集中始终显示出与年龄相关的强大变化。在非比型眼运动（NREM）睡眠期间，纺锤体和缓慢的振荡进一步表现出特征性的发育模式，其发生率，时间耦合和形态。基于NCH中的这些指标，我们构建了一个模型来预测个人的年代年龄。模型以高精度执行（在持有的NCH样品中r = 0.93，在第二个独立复制样本中r = 0.85 - 小儿腺苷酸切除术试验（PATS））。总体而言，我们的结果表明睡眠体系结构为表征大脑成熟的敏感窗口提供了敏感的窗口，这表明了可扩展的，客观的基于睡眠的生物标志物来测量神经发育。基于EEG的年龄预测反映了临床上有意义的神经发育差异；例如，NDD儿童在预测的年龄中显示出更大的变异性，与年龄相匹配的非NDD儿童相比，患有唐氏综合症或智障儿童的大脑年龄预测（分别比其年代年龄少2.1和0.8岁）明显年轻。
通过计算机模拟方法研究 12 种黄酮类化合物作为阿尔茨海默氏症抑制剂的潜力
神经退行性疾病 (NDD) 是一种与年龄相关的疾病，其特征是大脑功能逐渐衰退。这种疾病影响了全球 8% 以上的成年人口，主要是阿尔茨海默病 (AD)。目前，NDD 治疗旨在缓解现有症状，因此迫切需要有效的药物。黄酮类化合物具有显著的药理特性，可用作神经保护剂。本研究旨在通过抑制乙酰胆碱酯酶 (AChE) 和单胺氧化酶 B (MAO-B) 受体来确定黄酮类化合物对抗 AD 的活性。该方法利用 AutoDockTools 4.2.6 程序进行分子对接研究。使用 SwissADME 进行药理特性分析，同时在 pkCSM 网络服务器中检查药代动力学和毒性。结果表明，α-香树脂醇和松脂醇分别是最有潜力的 AChE 和 MAO-B 抑制剂。化合物具有较低的能量结合值、抑制常数和与配体天然氨基酸残基的高相似性百分比。物理化学和药代动力学特性分析表明，这两种化合物可被人体接受且无毒性。这项研究表明，化合物α-香树脂醇和松脂醇可能成为治疗剂，主要作用是抑制AD进展中的AChE和MAO-B。
表观型 - 基因型 - setD1a和setD2染色质疾病中的相关性
种系病原变异在编码赖氨酸特异性组蛋白甲基转移酶基因setD1a和setD2的两个基因中与神经发育障碍（NDDS）相关，这些神经发育障碍（NDDS）具有发育延迟和先天异常的特征。setD1a和setD2基因产物在染色质介导的基因表达调节中起关键作用。已经检测到一系列染色质基因相关NDD的特异性甲基化发作，并通过改善变异致病性的解释来影响临床实践。为了研究SETD1A和/或SETD2相关的NDD是否与可检测的发作相关，我们使用基于下一代测序的测定法进行了> 2 M CpG的靶向全基因组甲基化分析。比较setD1a变异患者（n = 6）患者甲基化谱的比较没有揭示出强烈的甲基化发作的证据。对SETD2患者组的临床和遗传特征的综述表明，如前所述，截断突变的患者（n = 4，卢斯坎·卢姆综合症； MIM：616831）和具有MISSense CODON 1740的coDON 1740变体[P.Arg1740trp（n = 4 = 4）和P.Argn和P.Argn = 2 grn = arg n = arg n = arg n = arg n = arg n = arg n = arg n = arg 1 grn = 2 grn = rgn = rgn = rgn = rgn = 2 gln = rgn = rgn = rgn = rg1，两个SETD2亚组都表现出甲基化发作，该发作分别以甲基化和高甲基化事件为特征。在密码子1740亚组中，甲基化变化和临床表型在患有P.ARG1740TRP变体的人群中都更为严重。我们还注意到，具有SETD2 -NDD的10例病例中有2例发生了肿瘤。这些发现揭示了SetD2-NDDS中新型的表观遗传型 - 基因型 - 表型相关性，并预测了SETD2密码子1740致病变体的功能获取机制。
神经发育障碍的基于干细胞的器官模型
过去十年在鉴定神经发育疾病（NDDS）的遗传原因（包括孟德尔，de Novo和somatic，因素）的遗传原因中发生了爆炸。这些发现提供了了解细胞和分子机制以及潜在的基因基因和基因环境相互作用的机会，以支持新的疗法。基于干细胞的模型，尤其是人脑器官，可以在人类基因组的背景下捕获与疾病相关的等位基因，设计为反映与疾病相关的细胞复杂性和发育时机的方面。这些模型已将关键见解带入了像小头畸形，自闭症和局灶性癫痫一样多样化的NDD。但是内在的器官到甲状腺变异性，某些脑居住的细胞类型的低水平以及达到成熟度所需的较长培养时间会阻碍进展。最近的几个进展包括特定的形态梯度，各种脑细胞类型的混合物以及器官植入动物模型。与非人类灵长类动物器官的比较一起，人类NDD的机制正在出现。
tau及以后：神经退行性疾病的蛋白质组学分析，具有120个PLEX CNS病态小组
，采用DNA偶联的抗体将免疫复合物转化为报告基因DNA分子，可以用实时PCR（QPCR）或下一代测序（NGS）进行分析，以实现attomall的检测极限（低于Sub-FG/mL）和100s-Plex的能力。在这里，我们报告了一个120个圆环NULISA面板 - CNS疾病面板120 - 用于全面分析NDD。本小组包括良好的生物标志物，例如神经丝光，α-核蛋白和多种磷酸化的tau蛋白基（P-TAU181，P-TAU217和P-TAU231）以及与NDD有关的其他蛋白质。我们用血液（n = 38）和脑脊液（CSF）（n = 29）样品评估了该测定法的性能。只有10 mL等离子体或CSF，Nulisa表现出高灵敏度（血浆中的可检测性〜95％，CSF的〜80％）和高精度（中位CV〜6.0％）。线性模型分析确定了疾病和年龄匹配对照之间存在显着差异的已知蛋白和新型蛋白质。在高吞吐量系统中具有完全自动化（Argo HT
CRISPR-Cas9 在干细胞应用方面的进展...
摘要：干细胞研究进展迅速，由于其独特的自我更新和多能分化能力，为难治性疾病提供了有希望的治疗方法。干细胞在治疗遗传疾病、神经退行性疾病 (NDD)、心血管疾病和癌症方面发挥着关键作用。在遗传疾病中，将干细胞与 CRISPR-Cas9 等基因编辑工具相结合，可以精确纠正致病基因，而健康的干细胞则通过替换患病细胞来修复组织。对于 NDD，iPSC 可以分化为多巴胺能神经元，以取代受损的脑细胞并增强神经再生。在心血管疾病中，它们促进心肌和血管修复。在癌症中，干细胞增强抗肿瘤免疫力并将药物直接输送到肿瘤部位，从而提高治疗效果。尽管取得了这些突破，但挑战依然存在。高质量干细胞的生产有限，控制分化以防止肿瘤发生仍然至关重要。同种异体移植存在免疫排斥的风险，而使用胚胎干细胞则引发了伦理问题。需要制定监管框架和临床标准来确保安全性和有效性，同时解决道德和患者权利问题。随着不断创新，干细胞疗法将彻底改变医学，为复杂疾病提供新方法并改善全球健康。
一种多学科方法：CNS维修的再生医学和生物技术的进步
神经退行性疾病（NDDS）构成了重大的医学挑战，导致神经元丧失和功能下降。当前治疗主要关注症状管理，而不是解决潜在的病理。干细胞疗法和神经假体已成为减轻NDD的两种有前途但独特的方法。干细胞疗法旨在再生或修复受损的神经组织，而神经假体，包括深脑刺激（DBS）和脑部计算机界面（BCIS），调节大脑活动和恢复功能降低。本文探讨了结合这些疗法以解决细胞再生和功能障碍的潜在协同作用。通过将干细胞疗法的再生能力与神经假想增强神经交流的能力相结合，这种方法可以为治疗NDD提供更全面的策略。然而，仍然存在重大挑战，包括确保干细胞表面和整合，优化神经假体界面以及解决道德考虑。虽然临床前和早期临床研究显示出令人鼓舞的结果，但对于建立这种联合治疗模型的长期疗效和安全性是必要的。推进这种跨学科方法的信用定义了针对神经变性疾病的治疗范例并改善患者的预后。
开发Nulisaseq CNS疾病面板120 for ...
结果：我们开发了一个CNS疾病小组，该小组具有120个目标，该目标涉及NDD的各种途径和过程。使用10 µL血浆或CSF，NULISA表现出高灵敏度检测到血浆中约94％的靶标，而CSF中的〜81％，高精度为血浆中位数为5.4％的CV，CSF中位数CSF 9.1％。线性回归分析确定了已知和新型蛋白质，疾病和年龄匹配的对照之间的丰度有显着差异。
衍生的三培养作为神经炎症的体外模型
免疫系统和神经系统之间的相互作用是各种神经退行性疾病（NDD）的关键方面，但是模仿细胞间相互作用的生理相关模型的发展仍然是一个挑战。为了克服这一问题，可以利用人类诱导的多能干细胞技术来构建多细胞模型，并将人类病理生理学带入早期药物发现中，以开发针对神经蛋白浮肿的新疗法。相关生物疾病过程模型的开发和验证，例如小胶质细胞 - 神经元的交流，可以洞悉细胞相互作用，这些相互作用在识别凋亡神经元和调节神经元活性方面起作用，这在疾病进展中是至关重要的事件。将这些途径靶向人类模型中的读数结合，可以审讯和评估治疗学在营救主要，继发性，第二和第三级神经病理学特征方面的能力。
通过小型 CZT 传感器网络进行放射源定位的人工智能方法
我们提出了一种小型 (0.5 𝑐𝑚 3 ) 静态 CZT 传感器网络，由多个无方向性探测器 (NDD) 组成，能够在 3D 中定位固定辐射源。定位采用基于 AI 技术的融合算法执行。该算法基于多层 Perseptron 神经网络 (MLP) 和梯度提升决策树 (BDTG)。它们已使用基于 Geant4 框架的 SWORD 模拟软件生成的模拟数据进行训练。使用我们实验室使用的 137 𝐶𝑠 源 180 𝜇𝐶𝑖 的实验数据验证了算法的定位效率。在 5m x 2.8m x 2m 的监测范围内，垂直和水平方向的定位分辨率分别达到 10cm 到 15cm 量级，深度方向的定位分辨率小于 20cm 量级。