Park等人使用3XTG-AD小鼠模型研究了肺炎(K.肺炎)感染对阿尔茨海默氏病(AD)病理学的影响。他们发现,肺炎,尤其是在抗生素引起的营养不良的情况下,可以违反肠道屏障,进入血液并浸润大脑,从而导致神经炎症并损害神经行为功能。营养不良是天然人类菌群中存在的生物类型,尤其是肠道中的生物之间的失衡,可能导致许多疾病。肺炎感染的小鼠在海马和额叶皮质等大脑区域中的促炎细胞因子(例如IL-1β,IL-6,IL-8,TNF-α)的水平增加,与神经性障碍相关,与神经性障碍相关。抗生素治疗加剧了K.肺炎的定殖和扩散,突出了营养不良在引起感染和神经炎症反应中的作用。Park等人的研究支持感染,肠道营养不良和AD病理学之间的可能联系,这表明脆弱人群中与医疗保健相关的感染和抗生素使用可能会通过肠脑轴加速神经变性[1]。
睡眠对身心健康至关重要。睡眠不足或睡眠剥夺会导致血压升高 [1]、体重增加 [2、3]、糖尿病和心脏病风险增加 [4-6] 以及免疫系统功能障碍 [7]。就心理健康而言,睡眠问题(嗜睡症或失眠症)是许多精神疾病的特征,尤其是痴呆、精神分裂症、躁郁症、重度抑郁和焦虑症 [8-11]。睡眠具有多种功能,包括恢复大脑能量储备 [12、13]、清除清醒状态下的代谢副产物 [14-16] 以及维持注意力和记忆功能 [17-20]。一些研究已经探讨了睡眠与大脑结构之间的关系。 Lifebrain 联盟 (N = 1299) [21] 的研究表明,睡眠质量较低和存在睡眠问题与一生中海马体积减小有关,而 Framingham 心脏研究 (N = 2060) [22] 的研究表明,较长的睡眠时间与整体大脑体积较低有关。对于人类连接组计划 (N = 974) 的一个子样本,较短的睡眠时间及较差的睡眠质量与扣带回、中颞叶及眶额皮质部分皮质内髓鞘含量较低有关 [23]。在几个较小规模的研究中,
基于英国生物银行的全脑功能连接,我们建立了一个机器学习模型,通过重复交叉验证框架识别个体过去(扫描前约 8.9 年,N = 35 882)、现在(N = 31 367)和未来(随访约 2.4 年,N = 3 138)血压水平的神经表征。我们研究了多个潜在协变量的影响,并评估了这些模型在不同情况下的普遍性。在控制多个混杂因素的同时,预测模型在预测和实际收缩压/舒张压和脉压之间实现了显著的相关性。对未服用抗高血压药物的参与者的预测比对目前服用药物的患者更准确。此外,这些模型在种族、影像中心、药物治疗状态、参与者就诊、性别、年龄和体重指数等不同环境下表现出强大的普遍性。已识别的连接模式主要涉及小脑、前额叶、前岛叶、前扣带皮层、上缘回和楔前叶,这些区域是中枢自主神经网络的关键区域,参与认知处理,且易受阿尔茨海默病的神经退化影响。结果还显示,默认模式和额顶叶网络在预测未来血压水平和接受药物治疗的参与者中参与度更高。
我们评估了英国生物银行(UKB)多基因风险评分(PRS)发行,一套针对28种疾病的PRS和25种定量性状,这些特征已在UKB的个人提供,使用统一的PRS评估管道。我们还发布了一个基准软件工具,以对同一疾病或性状的不同PRS进行类似类似的性能评估。广泛的基准测试显示了UKB版本中的PRS,以优于一组广泛的76个已发表的PRS。对于许多疾病和特征,我们还验证了一个单独的队列中的PRS算法(100,000个基因组项目)。在同一组个人上为53个特征的PRS可用性也允许对其性质进行系统评估,而这些PRS的功率增加为其潜在的临床益处增加了证据。
犬乳腺肿瘤具有作为转化肿瘤学中自然发生的乳腺癌模型的巨大潜力,因为它们与人类乳腺肿瘤具有相同的环境风险因素、关键组织学特征、激素受体表达模式、预后因素和遗传特征。我们旨在开发允许对犬乳腺肿瘤 (CMT) 进行功能分析的体外工具,因为我们对驱动这些异质性肿瘤生长的潜在生物学了解甚少。我们建立了来自 16 名患者的 24 个类器官系的长期培养,包括来自正常乳腺上皮或良性病变的类器官。CMT 类器官重现了它们所来自的原发组织的关键形态学和免疫组织学特征,包括激素受体状态。此外,遗传特征(驱动基因突变、DNA 拷贝数变异和单核苷酸变异)在肿瘤-类器官对中得到保留。我们展示了 CMT 类器官如何成为体外药物测定的合适模型,并可用于研究特定突变是否可预测治疗结果。此外,我们可以对 CMT 类器官进行基因改造,并使用它们进行汇集的 CRISPR/Cas9 筛选,其中文库表示得到准确维护。总之,我们提出了一个强大的 3D 体外临床前模型,可用于转化研究,其中可以从同一患者体内繁殖来自正常、良性和恶性乳腺组织的类器官,以研究肿瘤发生。
。CC-BY 4.0 国际许可下可用(未经同行评审认证)是作者/资助者,他已授予 bioRxiv 永久展示预印本的许可。它是此预印本的版权持有者此版本于 2024 年 6 月 11 日发布。;https://doi.org/10.1101/2024.06.07.597771 doi:bioRxiv 预印本
。cc-by-nc-nd 4.0国际许可证是根据作者/资助者提供的,他已授予Medrxiv的许可证,以永久显示预印本。(未通过同行评审认证)
玛丽亚·埃格尼亚·马奎特(MariaEugéniaMarquet 3.23.24玛丽亚·埃格尼亚·马奎特(MariaEugéniaMarquet 3.23.24
摘要 目的 探索睡眠模式、睡眠类型、质量以及健康和生活方式因素对认知表现的影响之间的细微关系。 设计、设置、参与者 这项横断面分析使用了英国生物银行数据库中的普通最小二乘回归,评估了 26,820 名年龄在 53-86 岁之间的参与者,分为两组:组 1(10,067 名参与者,56% 为女性;完成了流体智力/推理、配对、反应时间和前瞻性记忆的所有四项认知测试)和组 2(16,753 名参与者,56% 为女性;仅完成了配对和反应时间两项认知评估)。 暴露 参与者自我报告的睡眠时间、睡眠类型和质量。通过标准化计算机测试评估认知功能。分析根据人口统计学和合并症协变量进行了调整。主要结果和措施 根据睡眠参数和健康和生活方式因素(包括性别、年龄、血管和心脏状况、糖尿病、酒精摄入量、吸烟习惯和体重指数)评估认知表现得分。 结果 回归分析显示,在队列 1 中,正常睡眠时间(7-9 小时)与认知得分呈正相关(β =0.0567,95% CI 0.0284 至 0.0851),而延长睡眠时间对两个队列的得分产生负面影响(队列 1:β =-0.188,95% CI -0.2938 至 -0.0822;队列 2:β =-0.2619,95% CI -0.3755 至 -0.1482)。 时间类型区别,特别是中间类型和晚间类型,与卓越的认知功能相关。性别、年龄、心绞痛、高血压、糖尿病、酒精摄入量和吸烟是重要的认知影响因素。结论和相关性 本研究描述了睡眠变量、健康和生活方式因素在决定认知结果方面的多方面和微妙的关系。这些发现强调了睡眠质量对认知健康的重要作用。
抽象背景当前的痴呆症风险评分在始终如一地识别不同年龄和地理位置的处于危险中的个体方面取得了有限的成功。目的我们旨在使用两个同龄人:英国生物库和英国Whitehall II研究,为中年英国人口开发和验证新型痴呆症风险评分。方法,我们将英国生物库队列分为训练(n = 176 611,80%)和测试样本(n = 44 151,20%),并使用了Whitehall II队列(n = 2934)进行外部验证。我们使用Cox Lasso回归来从28个候选预测因子中选择最强的入射痴呆预测指标,然后使用竞争风险回归进行风险评分。调查结果我们的风险评分称为英国生物银行痴呆症风险评分(UKBDRS),包括年龄,教育,痴呆症的父母历史,材料剥夺,糖尿病,中风,抑郁,高血压,高胆固醇,家庭占用和性别的病史。分数在英国生物库测试样本(曲线下(AUC)0.8,95%CI 0.78至0.82)和白厅队列(AUC 0.77,95%CI 0.72至0.81)中具有很强的歧视精度。UKBDR还大大优于最初在澳大利亚同伙(澳大利亚国立大学阿尔茨海默氏病风险指数),芬兰(心血管风险因素,衰老和痴呆症评分)和英国(Dementia风险评分)的其他三个广泛使用的痴呆症风险评分。临床意义我们的风险评分代表了一个易于使用的工具,可以识别英国有痴呆症风险的人。需要进一步的研究来确定其他人群中该分数的有效性。
