引言甲状腺激素(THS)对于大脑发育至关重要,并且在整个生命中都极大地影响了大脑功能(1-5)。TH依靠特定的细胞膜转运蛋白进入大脑和神经细胞,包括单羧酸盐转运蛋白8(MCT8;由Slc16a2在X染色体中编码)(6)。MCT8在TH信号传导中起关键作用,如在SLC16A2中携带功能丧失突变的男孩中观察到的深刻表型所表明的那样,这表明在关键的发育阶段脑甲状腺功能低下。患有Allan-Herndon-Dudley综合征(AHDS)的患者表现出特征性的血清异常(高三碘硫代氨酸[T3] [T3],低甲状腺素[T4]和反向T3,伴有严重且可逆性的神经系统依赖性的甲状腺蛋白质正常或稍有升高的甲状腺素(正常或略有升高)。该假设主要是环境的,但也来自一项研究,该研究确定了脑皮质中的TH含量约为50%,而神经元分化,突触发生,突触发生和髓鞘形成胎儿的脑切片的异常(8、9)。也有MRI研究表明在生命的最初几年(8,9),但尚不清楚它是否持续到成年(10)。为了更深入地了解AHDS的病理生理学,研究人员研究了表达非功能性MCT8的动物模型的大脑,并研究了源自诱导的多磷脂干细胞(IPSC)的神经细胞(IPSC),发现MCT8在通过TH通过血液 - 脑屏障(11-13)中起作用。在小鼠神经元中似乎是这种情况,因此,MCT8介导TH转运到脑实质的概念被广泛接受。尽管在人脑中广泛表达MCT8(13-16)这一事实支持MCT8在T3转运到神经细胞中的更广泛作用。
基于奖励的学习和决策是了解注意力缺陷多动障碍(ADHD)的症状的主要候选人。但是,只有有限的证据可用于多动症中所见变化的神经计算基础。这涉及动态变化的环境中的灵活行为适应,这对于患有多动症的人来说是具有挑战性的。先前的一项研究表明,青少年多动症的选择转换升高,伴随着内侧前额叶皮层中的学习信号。在这里,我们使用概率逆转学习实验(fMRI)研究了与年龄和性别匹配的对照(n = 17)相比,我们研究了ADHD(n = 17)的年轻人(n = 17)。任务需要持续学习,以指导灵活的行为适应变化的奖励意外事件。为了解开行为数据的神经计算基础,我们使用了加固学习(RL)模型,该模型为fMRI数据的分析提供了信息。ADHD患者的表现比对照组较差,尤其是在逆转之前的试验中,即奖励调解稳定时。这种模式是由“嘈杂”选择切换产生的,无论先前的反馈如何。RL建模显示,ADHD患者的负反馈降低了增强敏感性和增强的学习率。在神经水平上,这反映在ADHD中左后顶叶皮层中选择概率的降低表示。由于样本量相对较小,这些神经计算发现仍然是初步的。建模显示了对未选择选项的学习的边缘降低,这与学习信号的边缘减少相似,该学习信号纳入了左侧腹侧纹状体中的未选择选项。在一起,我们表明,多动症中的灵活行为受损是由于选择过度切换(“超灵活性”),这取决于学习环境,这可能是有害的或有益的。在计算上,这是由于对加强的敏感性而引起的,我们检测到了注意力控制网络中的神经相关性,特别是在顶叶皮层中。
在一项药代动力学研究中,非人类灵长类动物的两项实验室研究,有25种成年普通摩尔果会接受单个平方剂量的丁丙诺啡SR(0.15 mg/kg,n = 8)或ethiqa Xr(0.1 mg/kg,n = 6,n = 6,0.15 mg/kg,n = 6,0.15 mg/kg,n = 3,和0.2 mg/kg/kg/kg/kg/kg,根据红斑和肿胀的总检查对注射部位反应进行评分。在所有组的剂量后8小时和24小时内都注意到轻度镇静。体重相对于基线的体重在所有组的基线均减少,除了ethiqa XR 0.15 mg/kg;但是,这些减少在临床上并不显着(<占体重的10%)。对任何一种配方的注射div>粉末载导致剂量依赖性的笼子运动增加。丁丙诺啡SR和埃塞卡XR急性注射部位均表现出急性坏死和炎症。慢性两种药物的炎症程度总体相似。但是,在质上有所不同。Burprenorphine SR注射部位主要与巨噬细胞和中性粒细胞相关,而埃塞克XR位点与巨噬细胞和多核巨细胞和胆固醇裂解有关,响应于车辆培养基。6
玛丽贝塞斯达国家卫生研究院国家癌症研究所生物特征分支机构员工研究员。1971年8月至1972年8月。北伊利诺伊大学数学科学系助理教授,1972年9月至1977年9月。北伊利诺伊大学数学科学系副教授,1977年9月至1981年8月。1981年8月至1982年5月,肯塔基大学统计学系访问副教授。肯塔基大学统计学系副教授兼数学科学咨询实验室主任,1982年8月至1986年5月。肯塔基大学统计系统计学系教授兼数学科学咨询实验室,1986年8月至1989年8月。。 统计局董事长兼肯塔基大学医学中心校园生物统计学咨询部主任,1990年8月至1998年7月。。肯塔基大学统计系统计学系教授兼数学科学咨询实验室,1986年8月至1989年8月。统计局董事长兼肯塔基大学医学中心校园生物统计学咨询部主任,1990年8月至1998年7月。统计系教授,肯塔基大学医学中心校园的生物统计学咨询部主任,1989年8月至2000年12月。 统计系教授和肯塔基州公共卫生学院,生物统计学咨询部主任,2001年1月至2004年6月。 统计系教授。 艺术与科学学院兼主席,公共卫生学院生物统计学系,2004年7月至2016年。 艺术与科学学院统计学系2017年至今教授。 艾伦·安德森(Allen-Anderson统计系教授,肯塔基大学医学中心校园的生物统计学咨询部主任,1989年8月至2000年12月。统计系教授和肯塔基州公共卫生学院,生物统计学咨询部主任,2001年1月至2004年6月。 统计系教授。 艺术与科学学院兼主席,公共卫生学院生物统计学系,2004年7月至2016年。 艺术与科学学院统计学系2017年至今教授。 艾伦·安德森(Allen-Anderson统计系教授和肯塔基州公共卫生学院,生物统计学咨询部主任,2001年1月至2004年6月。统计系教授。艺术与科学学院兼主席,公共卫生学院生物统计学系,2004年7月至2016年。艺术与科学学院统计学系2017年至今教授。 艾伦·安德森(Allen-Anderson艺术与科学学院统计学系2017年至今教授。艾伦·安德森(Allen-Anderson
个人如何从正面和负面的奖励反馈中学习并据此做出决策,可以通过强化学习的计算模型形式化(Sutton and Barto 1998)。RL 模型的核心是奖励预测误差 (RPE),它反映了已实现奖励和预期奖励之间的差异。从神经上讲,预测误差由中脑多巴胺的阶段性释放发出信号(Hollerman and Schultz 1998,Schultz 2013),同时纹状体和其他大脑区域的神经活动也相应出现(Pine, Sadeh et al. 2018)。人类功能性神经影像学研究报告了中脑、纹状体和几个皮质区域中 RPE 的相关性(O'Doherty, Dayan et al. 2004,D'Ardenne, McClure et al. 2008,Daw, Gershman et al. 2011,Deserno, Huys et al. 2015)。 RL 神经行为相关性的个体差异确实与人类多种多巴胺测量方法有关,包括药理学操作(Pessiglione、Seymour 等人 2006 年、Westbrook、van den Bosch 等人 2020 年、Deserno、Moran 等人 2021 年)、神经化学正电子发射断层扫描 (PET)(Deserno、Huys 等人 2015 年、Westbrook、van den Bosch 等人 2020 年、Calabro、Montez 等人 2023 年)和特定基因型(Frank、Moustafa 等人 2007 年、Dreher、Kohn 等人 2009 年)。
a和b显示了按收入水平快速CKD进展的调整后比值比;和C和D,根据收入水平启动KRT的调整危险比。y轴显示了优势比(a,b)和危害比(c,d)的对数尺度;圈子是点估计值;误差线表示95%顺式。收入十分位数为1表示最低,10表示最高。对年龄,性别,吸烟,体重指数,腰围,血红蛋白,收缩压,低密度脂蛋白胆固醇,高密度脂蛋白胆固醇,甘油三甘油三酸酯,血糖,血糖,尿酸,尿酸,尿酸,高血压,心血管疾病,癌症,蛋白质症,耐蛋白质症和耐受性。CKD表示慢性肾脏疾病; KRT,肾脏替代疗法。CKD表示慢性肾脏疾病; KRT,肾脏替代疗法。
摘要:肌电图 (EMG) 在识别缺血性中风引起的神经肌肉改变方面具有宝贵的肌电表现,可作为诊断缺血引起的步态障碍的潜在标记。本研究旨在开发一个可解释的机器学习 (ML) 框架,通过可解释的人工智能 (XAI) 技术区分中风患者和健康个体的肌电模式。该研究包括 48 名在康复中心接受治疗的中风患者(平均年龄 70.6 岁,65% 为男性),以及 75 名健康成年人(平均年龄 76.3 岁,32% 为男性)作为对照组。在步态实验室的室内地面行走期间,从放置在双下肢股二头肌和外侧腓肠肌上的可穿戴设备记录 EMG 信号。我们部署了 Boosting ML 技术,利用 EMG 步态特征识别中风相关的步态障碍。此外,我们还采用了 XAI 技术,例如 Shapley 加法解释 (SHAP)、局部可解释模型不可知解释 (LIME) 和 Anchors,以解释 EMG 变量在中风预测模型中的作用。在评估的 ML 模型中,GBoost 模型在与训练数据集进行交叉验证时表现出最高的分类性能 (AUROC:0.94),并且在使用测试 EMG 数据集进行评估时也表现出色 (AUROC:0.92,准确率:85.26%)。通过 SHAP 和 LIME 分析,研究发现有助于区分中风组和对照组的 EMG 频谱特征与右侧股二头肌和外侧腓肠肌有关。这种可解释的基于 EMG 的中风预测模型有望成为预测中风后步态障碍的客观工具。它的潜在应用可以通过提供可靠的 EMG 生物标志物极大地帮助管理中风后康复,并解决缺血性中风患者的潜在步态障碍。
丹尼尔·P·查普曼(Daniel P. PN40爱尔兰,三一学院神经科学研究所,都柏林三一学院,都柏林,D02 PN40爱尔兰4号,麦克斯·普朗克人类发展中心,麦克斯·普朗克人类发展研究所,德国14195,柏林,德国,德国,柏林,5药理学和生理学部门,6个神经科学部,乔治敦大学医学机构,DC,DC,2005.77777。心理健康,墨尔本脑中心,墨尔本大学,墨尔本,墨尔本,维多利亚州3052,澳大利亚和8号儿童与大脑发展计划,加拿大高级研究所(CIFAR),多伦多,安大略省,安大略省,加拿大MSG IMI,加拿大IMI
自噬 - 溶酶体途径的损害越来越涉及帕金森氏病(PD)。GBA1突变引起溶酶体储存障碍Gaucher病(GD),是PD的最常见遗传危险因素。GBA1突变已显示会引起自噬 - 溶酶体损伤。 不良细胞成分的自噬降解有缺陷与多种病理有关,包括正常蛋白质稳态的丧失,特别是α-突触核蛋白和先天免疫功能障碍。 在PD和GD中观察到后者。 在这里,我们将讨论自噬和免疫失调之间的机理联系,以及这些病理学在肠道和大脑之间在这些疾病中的沟通中的可能作用。 在神经性GD(NGD)的蝇模型中的最新工作显示肠自噬缺陷导致胃肠道功能障碍和免疫激活。 雷帕霉素治疗部分逆转了自噬阻滞并降低了免疫活性,与生存率增加并改善了运动能力。 肠道微生物组的改变是神经炎症的关键驱动力,研究表明,在NGD蝇中消除了微生物组,而PD的小鼠模型可以改善脑部炎症。 在这些观察结果之后,将溶酶体 - 自噬途径,先天免疫信号传导和微生物组营养不良症讨论为PD和GD中的潜在治疗靶标。 本文是讨论会议问题的一部分,“理解神经变性中的内聚糖网络”。GBA1突变已显示会引起自噬 - 溶酶体损伤。不良细胞成分的自噬降解有缺陷与多种病理有关,包括正常蛋白质稳态的丧失,特别是α-突触核蛋白和先天免疫功能障碍。在PD和GD中观察到后者。在这里,我们将讨论自噬和免疫失调之间的机理联系,以及这些病理学在肠道和大脑之间在这些疾病中的沟通中的可能作用。在神经性GD(NGD)的蝇模型中的最新工作显示肠自噬缺陷导致胃肠道功能障碍和免疫激活。雷帕霉素治疗部分逆转了自噬阻滞并降低了免疫活性,与生存率增加并改善了运动能力。肠道微生物组的改变是神经炎症的关键驱动力,研究表明,在NGD蝇中消除了微生物组,而PD的小鼠模型可以改善脑部炎症。在这些观察结果之后,将溶酶体 - 自噬途径,先天免疫信号传导和微生物组营养不良症讨论为PD和GD中的潜在治疗靶标。本文是讨论会议问题的一部分,“理解神经变性中的内聚糖网络”。
免疫系统与肠道菌群之间的双向相互作用是各种生理功能的关键因素。免疫相关疾病,例如癌症和自身免疫性,以及免疫调节疗法的效率与微生物组变异有关。尽管已证明Covid-19感染会引起微生物营养不良,但仍在研究与疫苗接种相关的炎症反应是否也会影响微生物群。在这里,我们研究了COVID-19-19S疫苗接种对肠道微生物组在健康和免疫受损的个体中的时间影响;后者包括原发性免疫效率和癌症患者的免疫疗法患者。我们发现,肠道微生物组在疫苗接种后保持稳定,这与同类群跨越不同的免疫状态,疫苗反应和微生物组成无关。在所有评估的水平上,包括多样性,门,物种和功能能力,稳定性都是明显的。我们的结果指示了肠道微生物组对由Covid-19疫苗触发的免疫变化的弹性,并建议对微生物组介导的过程的影响最小(如果有)影响最小。这些发现的勇气接种疫苗的接受性,尤其是与在Covid-19感染期间观察到的显着微生物组变化形成对比时。