晚年抑郁症 (LLD) 很常见,会导致残疾,并使患痴呆症的风险加倍。冷漠症可能会造成认知能力下降的额外风险,但对其病理生理学的了解尚不清楚。虽然已经使用扩散张量成像 (DTI) 评估了白质 (WM) 的改变,但该模型不能准确地表示 WM 的微观结构。我们假设更复杂的多室模型将提供 LLD 和冷漠症的新生物标志物。研究纳入了 56 名个体(LLD n = 35,26 名女性,75.2 ± 6.4 岁,冷漠评估量表得分(41.8 ± 8.7)和健康对照者,n = 21,16 名女性,74.7 ± 5.2 岁)。在本文中,我们通过沿纤维束直接插入微观结构指标,采用基于纤维束的方法来研究 LLD 和冷漠症的新型扩散模型生物标志物。我们进行了多元统计分析,并结合主成分分析来降维数据。然后,我们通过展示文献中经典报道的 LDD 修改,同时报告 LLD 中冷漠的生物学基础的新结果,测试了我们框架的实用性。最后,我们旨在研究冷漠与不同纤维束中微观结构之间的关系。我们的研究表明,新的纤维束,如纹状体运动前束,可能与 LLD 和冷漠有关,这为重度抑郁症中的冷漠机制带来了新的启示。我们还发现了 5 个不同束的扩散 MRI 指标的统计变化,这些变化此前曾在严重认知障碍痴呆症中报告过,这表明这些束之间的这些改变都与动机和认知有关,可能解释了冷漠如何成为退行性疾病的前驱阶段。
图1。细胞迁移和入侵测定。使用RGO-PEI UT和RGO-PEI MS对GL261细胞系对细胞迁移和侵袭的抑制作用。在与RGO-PEI UT,RGO-PEI MS孵育之前,将细胞粘附在Matrigel上,或者在24小时内没有任何RGO-PEI。核用图像中的蓝色染色的DAPI染色。数据作为平均迁移和入侵细胞数量比各自对照的比率表示。该值表示平均值±SEM,来自两个独立实验的总计n = 4,每个实验都具有重复的测量。*** p <0.0001,**** p <0.00001。图像代表了每种条件(比例尺:500 µm)。
图 4 小鼠大脑皮层流向路径的模拟结果。(A)五条选定路径上的压力(mmHg)分布,包括贯穿动脉、毛细血管和升静脉沿线的所有分叉(B-D)。主要贯穿动脉 1-3 上的 Ht 分布,(E)整个路径 Ht,指示贯穿动脉 1 的位置。Ht 沿着三条最长的贯穿动脉分为两部分;蓝色圆圈表示侧支,红色圆圈表示主支(主),虚线表示 (F) 贯穿动脉 1、(G) 贯穿动脉 2 和 (H) 贯穿动脉 3 处的 Ht 理想分布,其中纵轴和横轴分别表示侧支和主 Ht。
我们应该指出,微管组装-解组装动力学需要微管蛋白(微管的主要成分)与 GTP 结合,并将该鸟苷三磷酸 (GTP) 水解为鸟苷二磷酸 (GDP)(有关综述,例如,请参阅 Avila,1990 年;Beckett 和 Voth,2023 年)。脑微管蛋白含有特定的 β 亚基同型,这种同型几乎只存在于脊索动物的神经元中(Sullivan 和 Cleveland,1984 年)。此外,该神经元 β 亚基存在特定的翻译后磷酸化,而在其他 β 微管蛋白同型中未发现这种修饰(Diaz-Nido 等人,1990 年)。由微管蛋白组成的微管在脑中非常丰富。通过使用灵敏的放射免疫分析法测量猪不同器官(包括大脑)胞质中的微管蛋白水平,发现微管蛋白占猪脑总可溶性蛋白质的 20±5%(Hiller 和 Weber,1978;Diez 等,1984)。值得注意的是,在外周组织中发现的微管蛋白的量比在大脑中发现的微管蛋白的量低 10 到 20 倍。此外,脑微管含有几种微管相关蛋白(MAP),可稳定这些聚合物,包括 tau 蛋白(Avila,1990)。脑微管有三个特定特征可将其与其他来源的微管区分开来:(a)它们存在于
缩写:ACC,前扣带皮层;ACE2,血管紧张素转换酶2;ALFF,振幅低频波动;BBB,血脑屏障;BCT,脑连接工具箱;CC,胼胝体;CMB,脑微出血;COMMIT2,微结构信息纤维束成像2的凸优化模型;CSD,约束球面反卷积;DT,扩散张量;DW-MRI,扩散加权MRI;FA,分数各向异性;FBA,基于固定单元的分析;FC,纤维横截面;FD,纤维密度;FDC,纤维密度和横截面;FOD,纤维方向分布;FOV,视野;GM,灰质;ICU,重症监护病房;MD,平均扩散率; N Acc,伏隔核;NBS,基于网络的统计数据;OFC,眶额皮质;RT-PCR,实时逆转录聚合酶链反应;SyN,对称标准化;UF,钩束;WM,白质。* 通讯作者:意大利马里奥内格里 IRCCS 农业研究所生物医学工程系,Villa Camozzi via GB Camozzi, 3, 24020 Ranica (BG)。电子邮件地址:alberto.arrigoni@marionegri.it (A. Arrigoni)、sara.bosticardo@univr.it (S. Bosticardo)、gpezzetti@asst-pg23.it (G. Pezzetti)、sofia.poloni@ marionegri.it (S. Poloni)、serena.capelli@marionegri.it (S. Capelli)、 anapolitano@asst-pg23.it (A. Napolitano), andrea.remuzzi@unibg.it (A. Remuzzi), rzangari@ fontazionefrom.it (R. Zangari), llorini@asst-pg23.it (FL Lorini), msessa@asst-pg23.it (M. Sessa), alessandro.daducci@univr.it (A. 达杜奇),anna.caroli@marionegri.it (A. Caroli),sgerevini@asst-pg23.it(S. Gerevini)。
SorLA 由基因 SORL1 编码,是 VPS10P 结构域受体基因家族的细胞内分选受体。尽管 SorLA 最受认可的是其在神经元细胞内区室之间运送靶蛋白的能力,但最近的数据表明,其小胶质细胞表达也与脑部疾病(包括胶质母细胞瘤 (GBM))的发病机制高度相关。在这里,我们探究了 SorLA 对胶质瘤相关小胶质细胞和巨噬细胞 (GAM) 功能特性的影响。在 GBM 微环境中,GAM 被重新编程并失去了引发抗肿瘤反应的能力。相反,它们获得了胶质瘤支持表型,这是促进胶质瘤进展的关键机制。我们对已发表的 GBM 患者 scRNA 测序数据进行了重新分析,结果显示 GAM 的功能表型与 SORL1 表达水平相关,这通过体外模型得到了进一步证实。此外,我们证明 SorLA 抑制小胶质细胞分泌 TNF α,从而限制这些细胞的炎症潜力。最后,我们表明 SorLA 的缺失加剧了小鼠胶质瘤模型中小胶质细胞的促炎症反应并抑制了肿瘤生长。
扩散磁共振成像在脑白质中对组织微观结构的体内敏感性独特,在发育过程中经历了重大变化,并且在几乎every的神经系统疾病中受到损害。然而,面临的挑战是开发针对人类MRI扫描中几分钟的细胞特征的生物标志物。在这里,我们量化了多区域扩散建模框架对轴突的密度,方向和完整性的灵敏度和特异性。我们证明,使用基于机器学习的估计量,我们的生物物理模型捕获了轴突在早期发育,急性缺血和多发性硬化症中的文化变化(总n = 821)。微观结构映射的方法论广泛适用于临床环境和大型成像联盟数据,以研究发展,衰老和病理学。
p <.05 a,在右sloc的种子区域进行事后种子到素的分析,该区域在峰值坐标处的多伏氧化 - 多毒素模式分析。该分析表明,在产后生长失败(PGF)的儿童中,SLOC和双侧上顶叶(SPL)(SPL)(红色和黄色簇)之间的功能连通性降低。颜色栏表示组间差异的F统计量,阈值在p <.001和错误的发现率校正(p <.05)。b,功能连接性是从SLOC作为种子到以下区域的:左SPL(L Spl),右SPL(R Spl),左SLOC(L SLOC),右下颞下流(R ITG),左额极(L fp),左侧额极(L FP),左下枕层(左下)侧面枕皮层(L ILOC)和左侧左侧(liLoc)和左侧(左侧)和左侧(lus)和lus(lus)。错误条表示SDS。
传统上,颅内压(ICP)和部分脑组织氧合(PBTO 2)一直是用于指导严重创伤性脑损伤患者(TBI)患者的主要侵入性颅内测量。受伤后,大脑会产生增加的代谢需求,这可能需要增加葡萄糖的氧化代谢。同时,代谢和电功能障碍也可能导致无法满足这些需求,即使没有缺血或颅内压增加。脑微透析具有准确测量包括乳酸,丙酮酸,甘油和葡萄糖在内的各种溶质的局部浓度的能力。实验和临床数据表明,细胞代谢的这种测量可以产生有关患者生理状态的关键信息,并有助于限制次要损害。脑损伤中的葡萄糖管理仍然是一个尚未解决的问题。由于代谢功能障碍引起的全身性葡萄糖水平可能与全身性葡萄糖保持不相成,因此测量脑细胞外葡萄糖浓度的测量可以提供更多的预测性信息,并证明是更好的生物标志物,以避免对处于风险的脑组织的次要受伤。基于从脑微透析中获得的数据,可以进行特定的干预措施,例如ICP定向治疗,血糖增量,癫痫发作控制和/或脑氧优化,以最小化或预防次要损伤。因此,实质代谢功能的微透析测量值提供了临床上有价值的信息,这些信息无法通过标准ICU设置中的其他监视辅助功能获得。
体外血脑屏障(BBB)的组织工程正在迅速扩展,以应对模仿BBB的天然结构和功能的挑战。这些模型中的大多数利用2D常规微流体技术。然而,3D微血管模型提供了更紧密地概括体内微脉管系统的细胞结构和多细胞排列,并且还可以重新创建血管床的分支和网络拓扑。从这个角度来看,我们讨论了当前的3D脑微血管建模技术,包括模板,打印和自组装毛细管网络。此外,我们解决了生物矩阵和流体动力学的使用。最后,将确定关键挑战以及未来的方向,这些方向将改善下一代大脑微脉管模型的发展。