阿尔茨海默氏病(AD)是最常见的神经退行性疾病,约占全球痴呆症病例的70%。患者逐渐表现出认知能力下降,例如记忆力丧失,失语和人格和行为变化。研究表明,线粒体功能障碍在AD的发作和进展中起关键作用。线粒体功能障碍主要导致氧化应激增加,线粒体动力学失衡,线粒体受损和线粒体基因组异常。这些线粒体异常与淀粉样蛋白β和Tau蛋白质病理学密切相关,共同加速了神经退行性过程。本综述总结了线粒体在AD开发中的作用,最新的研究进展,并探讨了线粒体靶向AD的治疗策略的潜力。靶向与线粒体相关的途径可能会显着改善未来AD患者的生活质量。
Seshadri博士是一位经过董事会认证的神经科医生,专门研究行为和老年神经病学。在过去的15年中,她从国立卫生研究院获得了持续的资金,总计8300万美元的研究。此外,她还获得了享有声望的赠款,其中包括比尔·盖茨(Bill Gates)的“部分云”奖,该奖项认可了治疗阿尔茨海默氏病的创新方法。她拥有480多个研究出版物,她的作品在包括《纽约时报》,ABC和时间在内的全国媒体上都有150多次。她还教下一代卫生保健领导者,在过去的10年中指导45位临床医生。
本次会前会议的计划由美国国家老龄化研究所和阿尔茨海默病协会联合制定。本次会前会议的注册由阿尔茨海默病协会独自管理和协调,注册费用不会与美国国家老龄化研究所共享。如果您对注册有任何疑问,请联系阿尔茨海默病协会。
Mariam Hanna博士:您好,我是Mariam Hanna博士,这是过敏症主师,该节目将神话与医学分开,破译过敏并了解免疫系统。 想象一下反复的鼻窦感染,一种永不消失的咳嗽,一轮抗生素,然后是另一种抗生素。 肺炎在这里,鼻窦感染通常感到不适。 与这种疾病作斗争的患者知道自己有时急性不适。 那么,只有这种抱怨的感觉,一种整体的疾病,您永远无法摇晃。 这就是病人向我描述它的方式。 他们在从高级癌症治疗中恢复的道路上发现,他们实际上将其换成了另一种疾病:获得的免疫缺陷。 它总是让我想到这个著名的蜘蛛侠语录:“巨大的力量造成了巨大的责任。” 晚期癌症疗法的时代包括针对免疫系统特定部位的各种新型治疗方法,但针对这些部位具有后果。 调整免疫系统,无论是使用化学治疗剂还是靶向治疗方法来解决逃避免疫系统的细胞,都不是新的。 它效果很好,但可能会长期影响免疫系统,从而导致免疫缺陷。Mariam Hanna博士:您好,我是Mariam Hanna博士,这是过敏症主师,该节目将神话与医学分开,破译过敏并了解免疫系统。想象一下反复的鼻窦感染,一种永不消失的咳嗽,一轮抗生素,然后是另一种抗生素。肺炎在这里,鼻窦感染通常感到不适。与这种疾病作斗争的患者知道自己有时急性不适。那么,只有这种抱怨的感觉,一种整体的疾病,您永远无法摇晃。这就是病人向我描述它的方式。他们在从高级癌症治疗中恢复的道路上发现,他们实际上将其换成了另一种疾病:获得的免疫缺陷。它总是让我想到这个著名的蜘蛛侠语录:“巨大的力量造成了巨大的责任。”晚期癌症疗法的时代包括针对免疫系统特定部位的各种新型治疗方法,但针对这些部位具有后果。调整免疫系统,无论是使用化学治疗剂还是靶向治疗方法来解决逃避免疫系统的细胞,都不是新的。它效果很好,但可能会长期影响免疫系统,从而导致免疫缺陷。
英国拥有庞大而复杂的医疗保健系统,国家医疗服务体系 (NHS) 为患者开出的绝大多数药品提供资金。该系统的复杂性意味着,NHS 药品报销没有单一途径,也没有通用报销清单。NHS 是否以及如何资助某种产品,通常取决于 NHS 使用它的环境。然而,英国国家健康和护理卓越研究所 (NICE) 的指导在确定 NHS 是否支持使用某种产品方面发挥着重要作用。英国对品牌药品实行价格控制政策,但一般来说,仿制药的价格由市场力量决定。NHS 药品支出持续增加,尽管增长率因产品类型而异。造成这种情况的原因包括人口增长和老龄化、特殊需求,以及更昂贵的高科技和罕见疾病药物进入英国。尽管政府增加了对 NHS 的资助,特别是为应对 COVID-19,但药品预算仍然面临巨大的下行压力。鉴于此,NHS 和其他州政府机构直接或间接地参与药品定价和政策的趋势明显。因此,定价和报销的格局越来越复杂。与 NHS 的商业谈判和采购计划通常会对产品的实际售价产生重大影响。
Objective: We investigated brain cortical activity alterations, using a resting-state 256-channel high- density EEG (hd-EEG), in Alzheimer's (AD) and Parkinson's (PD) disease subjects with mild cognitive impairment (MCI) and correlations between quantitative spectral EEG parameters and the global cogni- tive status assessed by Montreal Cognitive Assessment (MoCA) 分数。方法:15个AD-MCI,11个PD-MCI和十个年龄匹配的健康控制(HC)进行了HD-EEG记录和神经心理学评估。脑脊液生物标志物分析以获得良好的特征组。EEG光谱特征,并研究了三组之间的差异以及与MOCA的相关性。结果:与对照组相比,AD-MCI和PD-MCI的α2/alpha1比的α2/alpha1比显着降低。在PD-MCI中观察到明显更高的theta和较低的β/theta比。MOCA评分与theta功率以及alpha2和beta功率以及alpha2/alpha1和alpha/theta比率直接相关。结论:这项研究强调了AD-MCI和PD-MCI患者的脑电图模式的显着差异,并指出了EEG参数在两种神经退行性疾病中可能的替代标志物的作用。明显的能力:除了完善的生物标志物外,我们的发现还可以支持神经退行性疾病中认知功能障碍的早期检测,并可以帮助监测疾病的进展和治疗反应。
摘要 蛋白质的正确折叠对于维持功能性活细胞至关重要。因此,蛋白质的错误折叠和聚集与多种疾病有关,其中非天然分子间相互作用形成具有低自由能的大型高度有序的淀粉样蛋白聚集体。一个例子是阿尔茨海默病 (AD),其中淀粉样蛋白-β (Aβ) 肽聚集成淀粉样蛋白原纤维,这些原纤维在 AD 患者的大脑中沉积为神经斑块。淀粉样蛋白原纤维的成核是通过形成较小的成核前簇(即所谓的低聚物)进行的,这些低聚物被认为具有特别的毒性,因此在 AD 病理学中具有潜在重要性。Aβ 聚集的详细分子机制知识对于设计针对这些过程的 AD 治疗非常重要。然而,由于低聚物物种的丰度低且多分散性高,因此很难通过实验研究它们。本文使用自下而上的生物物理学在受控的体外条件下研究了 Aβ 低聚物。主要使用天然离子迁移质谱法研究高纯度重组 Aβ 肽,以监测水溶液中低聚物的自发形成。质谱法能够分辨单个低聚物状态,而离子迁移率则提供低分辨率结构信息。这与其它生物物理技术以及理论建模相辅相成。还研究了调节内在因素(如肽长度和序列)或外在因素(如化学环境)的低聚物。研究了与两个重要的生物相互作用伙伴的相互作用:伴侣蛋白和细胞膜。我们展示了 Aβ 低聚物如何组装并形成可能与继续生长为淀粉样蛋白原纤维有关的延伸结构。我们还展示了不同的淀粉样蛋白伴侣蛋白如何与不断增长的聚集体相互作用,从而改变和延迟聚集过程。这些相互作用取决于伴侣和客户肽中的特定序列基序。另一方面,膜模拟胶束能够稳定 Aβ 寡聚体的球状致密形式,并抑制形成淀粉样纤维的延伸结构的形成。这可能有助于体内毒性物质的富集。与膜模拟系统的相互作用被证实高度依赖于 Aβ 肽异构体和膜环境的特性,例如头部电荷。还展示了如何添加设计的小肽结构来抑制膜环境中 Aβ 寡聚体的形成。
FitterFly是一家ISO-13485认证的数字健康公司,专门用于2型糖尿病的数字疗法。我们提供营养,健身,压力和睡眠管理的生活方式干预措施,旨在减少和维持健康的血糖水平和体重。我们结合了尖端技术和个性化的教练来做到这一点。我们的结果已在全球顶级糖尿病以及代谢健康会议和出版物上呈现和/或出版。
摘要 多靶点药物是治疗阿尔茨海默病的一种有前途的方法。本文描述了一类新的 5-取代吲唑衍生物,它们具有多靶点特性,包括胆碱酯酶和 BACE1 抑制。因此,对一类新的 5-取代吲唑进行了合成和评估。药理学评价包括对 AChE/BuChE 和 BACE1 酶的体外抑制试验。此外,还对 BuChE 进行了相应的竞争研究。此外,还根据 ORAC 测定计算了抗氧化特性。此外,还研究了它们对 Raw 264.7 细胞的抗炎特性和对人神经母细胞瘤 SH-SY5Y 细胞的神经保护作用。药理学测试结果表明,这些 5-取代吲唑衍生物 1 – 4 和 6 中的一些可以同时作为 AChE/BuChE 和 BACE1 抑制剂。此外,一些吲唑衍生物表现出抗炎(3、6)和神经保护(1-4和6)作用,具有抗氧化作用,可对抗A b 诱导的人类神经母细胞瘤SH-SY5Y细胞死亡。
结构磁共振成像 (sMRI),尤其是纵向 sMRI,通常用于在阿尔茨海默病 (AD) 临床诊断期间监测和捕捉病情进展。然而,目前的方法忽视了 AD 的渐进性,大多依赖单一图像来识别 AD。在本文中,我们考虑利用受试者的纵向 MRI 进行 AD 分类的问题。为了解决学习纵向 3D MRI 时缺失数据、数据需求和随时间发生的细微变化等挑战,我们提出了一个新模型 LongFormer,它是一种混合 3D CNN 和变压器设计,可从图像和纵向流对中学习。我们的模型可以充分利用数据集中的所有图像,并有效地融合时空特征进行分类。我们在三个数据集(即 ADNI、OASIS 和 AIBL)上评估我们的模型,并将其与八种基线算法进行比较。我们提出的 LongFormer 在对来自所有三个公共数据集的 AD 和 NC 对象进行分类方面取得了最先进的性能。我们的源代码可从 https://github.com/Qybc/LongFormer 在线获取。