XiaoMi-AI文件搜索系统
World File Search Systemamyloid
脑血流和淀粉样蛋白负荷对SUVR偏置的影响
抽象背景：尽管使用了广泛使用，但与分布量比（DVR）相比，半定量标准化吸收率（SUVR）可能会偏差。这种偏见可能是由脑血流变化（CBF）部分解释的，并且可能还取决于基础淀粉样蛋白β（Aβ）负担的程度。这项研究旨在将SUVR与DVR进行比较，并评估基本Aβ负担和CBF对SUVR偏置的影响，主要是认知未损害的参与者。根据双重时间窗口协议扫描参与者，其中[18 f]氟甲莫（n = 90）或[18 f] florbetaben（n = 31）。使用了两步简化的参考组织模型的基于验证的基于函数的实现来得出DVR和R 1参数图像，并在注射后90至110分钟计算出SUVR，所有这些都以小脑灰质作为参考组织。首先，使用线性恢复和平淡的altman分析将（区域）SUVR与DVR进行比较。然后，应用广义线性模型来评估（偏置）相对于DVR（偏置）是否可以通过r 1来解释全球皮质平均（GCA），前胎，后扣带回和眶额区域。结果：尽管相关性很高（GCA：R2≥0.85），但观察到SUVR相对于DVR的大量高估和比例偏置。在SUVR或SUVR偏置和R 1之间观察到负相关，尽管不显着。结论：目前的发现表明，SUVR相对于DVR的偏差与潜在的Aβ负担密切相关。Eudract编号：2018-002277-22，注册：25-06-2018。此外，在主要由认知未受损的个体组成的队列中，相对CBF对SUVR中偏差的影响似乎有限。关键字：阿尔茨海默氏病，淀粉样蛋白宠物，脑血流，定量，suvr偏见
早期的β-淀粉样蛋白在大脑中的积累与周围T细胞改变有关
[11C] -PIB-PET扫描。受试者在PIB SUVR> 1.265的截止水平下被认为是β-淀粉样蛋白阳性。 N.A.=未评估。（d）横截面II及其4个诊断组的特征。分组基于认知测试（健康对照主题= HC，轻度认知障碍= MCI）和由[18F] -Flutemetamol（FMM）-PET扫描测量的皮质β-淀粉样蛋白。受试者在fmm centiloid> 12的截止水平上被认为是β-淀粉样蛋白阳性。（e，f）t分布的随机邻居嵌入（TSNE）和所有CD45 + PBMC的群集和流量聚类在所有受试者中平均的I（e）（e）的所有受试者（tsne设置：迭代：迭代= 12'00 000，事件，事件= 10'000 = 10'000 = 10'000; permulation = 10'000; inii； （f）（TSNE设置：迭代= 4'000，事件= 10'000，Perplexity = 50; Flowsom设置：K15，合并为八个主要细胞种群）。（g，h）热图，用于鉴定八个主要的CD45 + PBMC簇。热图显示了横截面I（G）和横截面II（H）的Arcsinh转换的中位标记强度。
阿尔茨海默病患者的脑脊液清除率降低，脑淀粉样蛋白增加
摘要背景：在散发性阿尔茨海默病 (AD) 中，大脑淀粉样蛋白-β (Aβ) 沉积被认为是 Aβ 清除受损的结果，但这种关系在活体人类中尚未得到很好的证实。脑脊液清除是脑淋巴清除 (BGC) 的主要特征，已证明在 AD 小鼠模型中脑脊液清除异常。MRI 相位对比和鞘内注射对比剂研究报告称 AD 中的脑脊液流量减少。使用 PET 和 tau 示踪剂 18 F-THK5117，我们之前报告称 PET 示踪剂的心室脑脊液清除率在 AD 中降低并且与脑 Aβ 水平升高有关。方法：在本研究中，我们使用两种 PET 示踪剂，18 F-THK5351 和 11 C-PiB 来估算从 9 名正常对照和 15 名 AD 患者的早期动态 PET 帧计算出的脑脊液清除率。结果：我们观察到脑室脑脊液清除率测量值与 AD 的降低（r = 0.66，p < 0.01）相关（r = 0.66，p < 0.01）。我们还复制了脑室脑脊液清除率（18 F-THK5351）与脑 Aβ 负荷之间的显著关系（r = − 0.64，n = 24，p < 0.01）。通过增加样本量，我们扩展了观察范围，发现脑脊液清除率降低与皮质厚度和认知能力下降有关。结论：总体而言，研究结果支持以下假设：脑脊液清除失败是 AD 的一个特征，与 Aβ 沉积和 AD 病理有关。需要进行纵向研究以确定脑脊液清除失败是否是进行性淀粉样变性或其后果的预测因素。
使用果蝇淀粉样蛋白毒性模型研究阿尔茨海默氏病
下降，尽管它可能涉及言语和视觉空间处理的损害（Knopman等，2021）。疾病进展的特征是总体下降，其中最终丢失了步行，吞咽和说话等基本身体功能的能力。患者平均诊断后的8年生活，但可以在疾病的末期（阿尔茨海默氏症协会，2020年）居住20年。在全球范围内，2019年，痴呆症的成本估计为2.8万亿美元（Nandi等，2022）。由于AD与衰老过程密切相关，因为由于医疗保健的发展，全球预期寿命持续上升，因此AD的患病率有望相应地增加，到2050年，案件几乎三倍（Nichols等人，2019年）。在英国国王，痴呆症和AD是2022年的大多数死亡（死亡注册摘要统计数据，英格兰和威尔士，2022年）。具体来说，他们造成65,967人死亡。当前，尽管最近的临床试验表现出一些最初的希望，但目前尚无可用的治疗策略可以阻止疾病的进展或扭转其进展。
阿尔茨海默氏病超过淀粉样蛋白：未来治疗干预策略
神经退行性疾病包括影响大脑神经元存活和功能的各种医疗状况。神经元损失通常会导致认知功能下降和痴呆症的进步。痴呆是神经退行性疾病的常见分母。2015年世界痴呆症患者的WorldHealthoranizationsimationthenumber占4747万。随着人口的年龄，预计该数字在2030年将达到7563万，在2050年将达到1.3546亿。阿尔茨海默氏病是老年人最常见的痴呆症原因。痴呆症的自然病程，尤其是阿尔茨海默氏病，导致严重的残疾和依赖性。对护理人员和公共卫生系统的影响令人震惊。痴呆症的总估计成本为604亿美元（47.1亿英镑； 2010亿欧元），约占全球国内生产总值（www.who.int）的1％。痴呆症没有修改疾病的治疗。
转甲状腺素心脏淀粉样变性：对野生型变异和家族性淀粉样心肌病的见解
心脏淀粉样变性是一种复杂的疾病，涉及心肌中淀粉样纤维等异常蛋白质的积聚。这些沉积物会破坏心脏的正常功能，导致一系列心血管并发症，包括进行性心力衰竭。这种疾病属于浸润性心肌病，其特征是物质渗入心肌，影响心肌的结构和功能。淀粉样变性本身不是一种疾病，而是一组疾病，它们的共同特征是各种组织和器官中细胞外沉积不溶性纤维蛋白。淀粉样变性的分类基于参与这些淀粉样纤维形成的蛋白质前体的类型。淀粉样变性有几种类型，每种类型都与不同的前体蛋白有关 [1-3]。
用于特定细胞靶向和药物输送的多功能淀粉样蛋白寡聚纳米粒子
116 试剂和酶。除非另有说明，试剂和酶均从 Sigma-Aldrich（英国）购买。碳网格（400 平方目铜）从 Micro to Nano（荷兰）购买，醋酸铀酰溶液由巴塞罗那自治大学的显微镜服务部门提供。Sup35- 121 SAC 肽从 CASLO ApS（Scion 丹麦技术大学）购买。122 蛋白质的表达和纯化。克隆到带有 His6 标签的质粒 pET28(a) 中的 Sup35- 123 5aa-DHFR 的 cDNA 是从 GenScript 获得的。通过在 128 质粒 pET28(a)/Sup35-5aa-DHFR 上进行诱变，获得了构建体 pET28(a)/Sup35-8aa- 126 DHFR、pET28(a)/野生型 DHFR (DHFR-wt) 和 pET28(a)/ 127 Sup35-5aa-DHFR-Z。用相应的质粒转化大肠杆菌 BL21 (DE3)- 129 感受态细胞。130 然后，将转化细胞在 10 mL 溶源性肉汤 (LB) 中培养
验证机器学习模型以跨机构检测淀粉样蛋白病理
像建立阿尔茨海默病登记处的联盟 (CERAD) 这样的半定量评分方案是阿尔茨海默病 (AD) 神经病理学实践中最常用的方法。基于机器学习的计算方法最近为全幻灯片图像 (WSI) 生成了定量分数，这些分数与人类衍生的阿尔茨海默病病理半定量分数（例如 CERAD 的分数）高度相关。然而，此类模型的稳健性尚未在不同的队列中进行测试。为了验证以前发布的使用卷积神经网络 (CNN) 的机器学习算法并确定病理异质性是否会改变算法得出的测量值，对来自 Goizueta Emory 阿尔茨海默病中心脑库的 40 个病例进行了评估，这些病例显示了一系列病理诊断（包括有和没有路易体疾病 (LBD) 的 AD，和/或 TDP-43 阳性内含体）和 A β 病理水平。此外，为了提供更深入的表型分析，我们比较了灰质和整个组织中的淀粉样蛋白负担，两者的定量 CNN 评分与 CERAD 样评分显着相关。定量评分还显示出基于 AD 病理的清晰分层，包括有或没有其他诊断（包括 LBD 和 TDP-43 内含物）与没有显着神经变性的病例（对照病例）以及 NIA Reagan 评分标准。具体而言，AD + TDP-43 的伴随诊断组显示核心斑块的 CNN 评分明显高于 AD 组。最后，我们报告说，与关注病理最密集的视野中的计算评分相比，整个组织计算评分与 CERAD 样类别的相关性更好，这是根据 CERAD 指南进行神经病理学评估的实践标准。这些发现共同验证并扩展了 CNN 模型，使其对队列变化具有稳健性，并为未来将机器学习算法纳入神经病理学实践的研究提供了额外的概念验证。
使用 X 射线光子计数条探测器识别大脑中的淀粉样斑块
广泛认为，大脑中聚集的 β 淀粉样蛋白 (β A) 斑块与多种神经退行性疾病有关，而它们的识别有助于阿尔茨海默病的早期诊断。我们研究了使用带有硅条光子计数探测器的光谱 X 射线相干散射系统识别大脑 β A 蛋白斑块的可行性。这种方法基于大脑中淀粉样蛋白、白质和灰质的结构差异。我们模拟了一个能量和角度色散 X 射线衍射系统，该系统带有 X 射线笔形束和硅条传感器、能量分辨探测器。多色光束在几何上聚焦于大脑中感兴趣的区域。首先，修改了用于蒙特卡罗传输的开源 MC-GPU 代码以适应探测器模型。其次，模拟了有和没有 β A 的大脑模型，以评估该方法并确定获得可接受统计功效所需的辐射剂量。对于 15 厘米脑模型中 3、4 和 5 毫米大小的 β A 靶，所需的入射曝光量约为 0.44 mR，来自 60 kVp 钨光谱和 3.5 毫米的附加铝过滤。结果表明，所提出的 X 射线相干散射技术能够使用高能 X 射线光谱，因此有可能在可接受的辐射剂量水平内用于精确的体内检测和量化脑中的 β A。
在常染色体显性和零星阿尔茨海默氏病中区分淀粉样ββ
淀粉样蛋白β沉积是散发性阿尔茨海默氏病和常染色体主导的阿尔茨海默氏病的标志性病变之一，后者是由淀粉样蛋白β处理中涉及的基因突变引起的。尽管淀粉样蛋白β沉积是散发性阿尔茨海默氏病和常染色体主导的阿尔茨海默氏病的核心，但这些阿尔茨海默氏病亚型的某些差异在与淀粉样ambeta的空间模式方面存在观察到。Previous work has shown that the spatial pattern of amyloid-beta in individuals spanning the sporadic Alzheimer ' s disease spectrum can be reproduced with high ac- curacy using an epidemic spreading model which simulates the diffusion of amyloid-beta across neuronal connections and is constrained by individual rates of amyloid-beta production and clearance.然而，尚未研究是否可以以相同的方式对稀有的常染色体式阿尔茨海默氏病中的淀粉样蛋白-Beta沉积进行建模，如果是这样，如果是这样，淀粉样蛋白贝塔（Alzheimer）的淀粉样蛋白β的传播模式多么一致。我们利用流行病扩散模型作为数据驱动的方法，用于探测淀粉样蛋白β的传播模式在三个不同的大型成像数据集中的淀粉样蛋白β传播模式（2种散发性阿尔茨海默氏病，1个常染色体典型的阿尔茨海默氏病）。我们分别评估了每个数据集中的个体和个体内模型性能，并进一步识别了淀粉样蛋白β扩散的最可能受试者特异性的表述。我们将流行病扩散模型分别应用于阿尔茨海默氏病神经影像学计划（n = 737），开放式成像研究系列（n = 510）和主要遗传的阿尔茨海默氏症网络（n = 249），其中后两个使用相同的管道处理。使用在零星阿尔茨海默氏病的先前作品中定义的epcentres，流行病扩散模型对所有三个数据集中的淀粉样蛋白β沉积的区域模式进行了适度的预测。我们进一步发现，虽然大多数淀粉样蛋白β的最有可能的中心 - 积极对象与默认模式网络重叠，但常染色体占主导地位的13％