自闭症谱系障碍 (ASD) 是一种发育和社交沟通障碍,影响着全球超过 7500 万人。最近的研究证据表明,与神经典型 (NT) 成年人相比,患有 ASD 的中年和老年人更容易被诊断出患有早发性阿尔茨海默病。与未患 ASD 的人相比,自闭症成年人患阿尔茨海默病的风险高 2.6 倍,到 2030 年,美国将有大约 70 万老年人被诊断出患有 ASD。重要的是,自闭症和大脑衰老实验室是最早研究自闭症成年人衰老性别差异的实验室之一。具体而言,自闭症成年人的衰老方面可能包括患阿尔茨海默病、帕金森病、短期言语记忆脆弱性和学习能力下降的可能性增加。因此,这项研究旨在检验以下假设:阿尔茨海默病相关基因 (APOE ε4) 会导致自闭症老年人的认知和大脑衰老加速。 APOE 是一种可能以不同等位基因形式出现的基因,APOE ε4 是患阿尔茨海默病的最强指标之一 (NIH 2021)。探索这一领域可以弥补自闭症成年人周围巨大的知识空白,从而增加对精准医疗的理解、资源和整合。
发展科学家长期以来,长期以来,中骑兵的新兴能力对社会世界和自我的深刻含义,在这里被称为超越思维,是一个标志性的发展阶段。在这项5年的纵向研究中,六十五名14-18岁的年轻人在心理上抓住社会故事的伦理,系统级别和个人含义,预测两个关键大脑网络的协调增长:未来会增加两个关键的大脑网络:默认模式网络,涉及反思,自动化和自动化学网络,并参与了专注于努力,专注于努力,专注于努力,专注于努力,涉及;发现独立于智商,种族和社会经济背景。这种神经发展预测了成年后期的身份发展,该发展预测了年轻成年的自我爱好和关系满意度,这是在发展的级联中。这些发现揭示了中级教育者神经发育的新颖预测指标,并提出了与青少年倾向的重要性,即通过在社会和个人相关性上对问题的复杂观点和情感进行积极的态度,例如通过公民志趣相投的教育方法。
使用超级计算机,研究人员搜索了包含数百万个分子的化学文库,以找到最适合该模型的分子。然后,Karolinska Institutet的研究同事在实验中测试了预测与受体结合的分子。出乎意料的大量分子激活了TAAR1,其中最有效的一个在动物实验中也表现出了有希望的影响。
自发的大脑活动为外部需求期间人类认知处理的基础奠定了基础。基于功能磁共振成像(fMRI)的神经影像学研究确定了自发(内在)脑动力学的特定特征,这些特征与一般认知能力的个体差异相关,即智力。然而,fMRI研究本质上受到时间分辨率低的限制,因此阻止了关于毫秒内神经波动的结论。在这里,我们使用了来自144名健康成年人的静止状态脑电图(EEG)录音(EEG)录音,以测试是否可以从智力上的个体差异(Raven的先进的渐进式矩阵得分)来预测,可以从时间上高度分辨的内在脑脑sig-nals的复杂性中预测。我们比较了大脑信号复杂性的不同操作(多尺度熵,香农熵,模糊熵和微骨与智能关系的特定特征)。结果表明,大脑信号复杂性度量与智力之间的关联具有较小的效应大小(R; 0.20),并且在不同的空间和时间尺度上有所不同。具体来说,较高的智力得分与神经处理的局部方面的复杂性较低,而属于默认模式网络的任务阴性大脑区域的活动较少。最后,我们结合了大脑信号复杂性的多个测量方法,以表明可以通过样品中的多模式(10倍交叉验证)以及在独立的样品(外部复制,n = 57)中进行多模型的多模型来显着预测单个智力得分。总的来说,我们的结果强调了智力和内在的大脑动力学之间关联的时间和空间依赖性,并提出mul-timodal方法是对复杂人类特征的未来神经科学研究的有希望的手段。
尽管运动前感觉运动区域的 β 波段事件相关去同步 (b-ERD;13 – 30 Hz) 受运动速度的调节,但目前的证据并不支持两者之间存在严格的单调关联。鉴于 b-ERD 被认为可以提高信息编码能力,我们检验了以下假设:它可能与运动的预期神经计算成本(此处称为动作成本)有关。至关重要的是,与中速或“首选”速度相比,慢速和快速运动的动作成本都更大。31 名右利手参与者在记录他们的脑电图时执行了速度控制的伸手任务。结果显示,速度对 β 功率的强大调节,与中速相比,高速和低速运动的 b-ERD 均显著更高。有趣的是,与低速和高速运动相比,参与者更经常选择中速运动,这表明中速运动被认为成本较低。与此一致,动作成本建模揭示了一种跨速度条件的调制模式,与 b -ERD 的调制模式非常相似。事实上,线性混合模型表明,估计的动作成本对 b -ERD 变化的预测效果明显优于对速度的预测。这种与动作成本的关系特定于 beta 功率,因为在平均 mu 波段(8 – 12 Hz)和 gamma 波段(31 – 49 Hz)波段中的活动时未发现这种关系。这些结果表明,增加 b -ERD 可能不仅会加快运动速度,而且可以通过分配额外的神经资源来促进高速和低速运动的准备,从而实现灵活的运动控制。
TILs:肿瘤浸润淋巴细胞;PFS:无进展生存期;NSCLC:非小细胞肺癌;抗 CTLA-4:抗细胞毒性 T 细胞淋巴细胞-4;PD-L1:程序性死亡配体 1;RTK:Eph 受体酪氨酸激酶;NK:自然杀伤细胞;NGS:靶向下一代测序;DCB:持久临床益处;NDB:无持久益处;OS:总生存期;DFS:无病生存期;GDSC:癌症药物敏感性基因组学;KM:Kaplan-Meier;GO:基因本体论;KEGG:京都基因与基因组百科全书;TCGA:癌症基因组图谱;BER:碱基切除修复;HR:同源重组;MMR:错配修复;FA:范康尼贫血;NER:核苷酸切除修复;NHEJ:非同源末端连接; DSB:DNA 双链断裂;SSB:单链断裂;miRNA:微小RNA;
在开发新药和确定其副作用时 [ 1 ],制药科学依赖于统计学和计算机科学等相关科学分支的发现。此过程中的一个重要步骤是确定药物与药理靶标之间的相互作用。尽管可以通过体外结合试验可靠地确认相互作用的存在(例如,参见 [ 2 – 5 ]),但此类方法昂贵且耗时 [ 6 ]。为了解决这一瓶颈,已经设计并实施了计算方法来估计相互作用的概率。因此,可以根据计算机方法选择最有希望进行体外实验的候选药物。药物开发的成本进一步强调了预测药物-靶标相互作用的重要性。虽然估计数字各不相同,但他们一致认为,将一种新药推向市场需要花费数亿美元,有关概述例如,参见 [ 7 ]。此外,该过程可能总共需要 10 多年。药物-靶标相互作用预测(DTI)技术有望减少上述成本和时间,并支持药物重新定位[8],即使用现有药物来治疗尚未用该药物治疗的疾病。
Emeline Pierrieau,Bastien Berret,Jean-Françoislepage,Pierre-Michel Bernier。从动机到行动:动作成本更好地预测前体β波段活动的变化,而不是速度。Neuroscience杂志,2023年,第JN-RM-0213-23。10.1523/jneurosci.0213-23.2023。hal-04154996
