XiaoMi-AI文件搜索系统
World File Search System帕金森氏
Mendelian随机化研究吸烟，酒精和咖啡与帕金森氏病有关
帕金森氏病（PD）被认为是一种多因素疾病，涉及遗传易感性和环境因素[1]。流行病学研究表明，一种引人注目的模式，其中几种生活方式行为，包括吸烟，酒精和咖啡，与PD相反[2]，这仍然是争议的，这些逆关联是否是因果关系。PD [3，4]中长期前代的存在增加了可能通过定义为结果先于和影响暴露的情况的反向因果关系来解释它们的可能性。例如，PD前阶段的特征是香烟的食欲不足[5]，而后来发展PD的患者可能会因在多巴胺奖励减少而在前驱阶段戒烟时可能更成功地戒烟[6]。
调查帕金森氏病和癌症之间共同遗传危险因素
（a）CRISPR/CAS9基因组编辑和重组成分组合在矢量中（请参阅材料和方法1），该材料和方法1）由A. tumefaciens递送至苹果叶条。该载体包含4个GRNA表达对靶DIPM1，DIPM4，HIPM和MLO基因的单位。转化后，将叶条带在补充卡纳米霉素和激素以进行再生的MS板上转移。（b）另外，通过粒子枪仅包含FRT位点之间的序列的编辑矢量的线性化片段。在这里，YFP的编码顺序在CAS9的5'上融合在一起，以检查成功交付并监视转换效率。（c）消除从编辑植物基因组中的编辑成分是通过热休克处理的激活FLP基因的表达
社论：基于人工智能的工具对帕金森氏病和其他运动障碍研究的贡献
帕金森氏病是第二频繁的神经退行性疾病，在60岁以上的成年人中影响约1％。其他运动障碍，例如多个系统萎缩，亨廷顿氏病，肌张力障碍或小脑共济失调，可能不那么普遍，但严重损害了患者的生活质量。不仅这些疾病中许多疾病的病理生理学不完全理解，而且诊断工具和治疗性干预措施也常常不足。机器学习（ML）是人工智能（AI）的主要特征，即基于计算机的智能，能够执行类似人类的任务。AI和ML在医疗保健环境中的应用可能参与开发和应用新的疾病诊断和治疗方法，药物发现过程，并深入研究某些疾病的病理生理学。在这里，我们使用基于AI/ML的工具介绍了一些科学文章，以诊断，预后和治疗帕金森氏病和其他运动障碍，包括其他也以多巴胺能功能障碍为特征的其他工具。这些是：通过对中脑MRI进行深入学习，帕金森氏病的分类。作者比较了PD患者和健康对照中四种方法的诊断性能（Welton等人）。易感性映射加权成像（SMWI）基于定量易感映射（QSM），允许准确的Nigrosome-1（N1）评估，并已用于开发帕金森氏病（PD）深度学习（DL）分类算法。数据表现出神经素敏感的（NMS）MRI可以通过揭示神经元素含量来改善自动定量N1分析（Fu等，2016; Shin等，2021; Sung等，2019）。本研究中比较的四种诊断方法是：（1）N1定量“ QSM-NMS”复合标记，（2）使用SMWI（“ Heuron IPD”）的N1形态异常的DL模型（3）DL模型，用于N1使用SMWI（“ Heuron ni Ni”）和（4）N1 smwi neuror n Neuror neuror neuror neuror neuror neuror neuror neuror neuror neuror neurorar neuror。
帕金森氏病和本质震颤中的认知变化和痴呆症
商标名称演示文稿将包括对测试的商品名称的讨论，以改善沟通。水星博士或其直系亲属的任何成员都没有与任何产品或提供商的制造商或要讨论的任何服务的相关财务利益或其他关系。
在帕金森氏病患者的泪液中检测α突触蛋白播种活性
预印本（未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。该版本的版权持有人于2025年1月17日发布。 https://doi.org/10.1101/2025.01.16.633314 doi：biorxiv Preprint
大麻素2型受体和帕金森氏病的研究进度
帕金森氏病（PD）具有运动障碍，包括震颤，胸肌，肌肉僵硬和失衡。PD还与许多非运动症状有关，例如认知障碍，痴呆和精神障碍。先前的研究确定了PD进展与诸如α-突触核蛋白聚集，线粒体功能障碍，炎症和细胞死亡之间的关联。大麻素类型2受体（CB 2受体）是一种跨膜G蛋白偶联受体，已作为内源性大麻素系统的一部分进行了广泛的研究。CB 2受体最近成为神经退行性疾病抗炎治疗的有希望的靶标。据报道，它可以调节有助于神经元细胞死亡的线粒体功能，氧化应激，铁转运和神经炎症。此外，CB 2受体还具有提供电生理过程的反馈，为PD处理提供了新的可能性。本综述总结了PD发病机理的基础机制。我们还讨论了CB 2受体在PD中扮演的潜在调节作用。
深度学习和步态分析在帕金森氏病中的作用：系统评价
摘要：帕金森氏病（PD）是世界上第二常见的运动障碍。它的特征是运动症状和非运动症状对受疾病影响的人们的独立性和生活质量产生深远影响，这增加了护理人员的负担。使用基于步态的PD和深度学习方法（DL）方法的定量步态数据正在逐渐成为支持和帮助临床决策的越来越有前途的方法，目的是提供定量和客观的诊断，以及疾病监测的其他工具。这将允许早期发现该疾病，评估进展和治疗干预措施。在本文中，作者通过使用首选的报告项目进行系统评价和荟萃分析（PRISMA）指南，对最近提出的新兴DL技术进行了系统评价。Scopus，PubMed和Web of Science数据库进行了六年的间隔（2018年，第一篇文章发表和2023年）。本综述中总共包括25篇文章，其中报告了使用可穿戴和不可磨损传感器对PD患者运动分析的研究。此外，这些研究还采用了DL网络来分类，诊断和监测目的。作者证明，卷积神经网络的PD领域有广泛的就业机会，用于分析可穿戴传感器和姿势估计网络的信号，以从视频中进行运动分析。此外，作者讨论了当前的困难，并强调了未来的PD监测和疾病进展的解决方案。
美国骨关节炎与帕金森氏病之间的关联（NHANES 2011-2020）
帕金森氏病（PD）是中枢神经系统普遍的退化性疾病，仅次于阿尔茨海默氏病（Hirtz等，2007）。流行病学研究表明，PD的发生率随着年龄的增长而上升（Savica等，2016）。主要的临床表现包括运动症状，例如静止震颤，肌肉僵硬，头肌动力和姿势不稳定性（Bledsoe等，2023）。特征性病理特征包括多巴胺能神经元变性和损失，α-突触核蛋白（α -syn）聚集以及Lewy身体的存在（Jankovic和Tan，2020年）。尽管PD的发病机理仍然难以捉摸，但新出现的证据表明炎症在疾病中的潜在作用。各种研究表明，炎症介质的水平升高可以激活小胶质细胞，从而导致多巴胺能神经元
帕金森氏病中步态冻结的丘脑sibe纳米签名
预印本（未通过同行评审认证）是作者/资助者。保留所有权利。未经许可就不允许重复使用。该版本的版权持有人于2025年1月17日发布。 https://doi.org/10.1101/2025.01.10.632393 doi：Biorxiv Preprint
帕金森氏病药物疗法临床试验管道：2024 Update
摘要。背景：在过去的五年中，我们的年度报告一直在跟踪帕金森氏病神经退行性疾病（PD）的新型药物疗法的临床发展。这些评论遵循了“有症状治疗”的进展（ST - 改善/减轻了病情的症状）和“疾病改良治疗”（DMT - 试图通过解决PD的潜在生物学来延迟/缓慢进展）。也已经努力根据其作用机理和药物类别进一步对这些实验治疗进行分类。方法：使用从临床中下载的试验数据进行了PD药物疗法的临床试验数据集。对截至2024年1月31日进行的所有活动进行了分解分析。该分析涉及根据作用机理（MOA）和药物靶标对试验进行分类。结果：截至2024年1月31日。在这些试验中，将76个（56％）分为ST试验，并指定为60（44％）。超过一半（58％）的试验处于第二阶段测试阶段，其次是阶段1（30％）和第3阶段（12％）。35个试验已注册，其余101次试验出现在至少一份早期报告中。结论：PD的药物开发管道保持稳健状态，在第1阶段和第2阶段进行了多种方法。再次，只有有限数量的DMT过渡到第3阶段。