Magnetic resonance spectroscopy biomarkers in premanifest and early Huntington disease
Notice bibliographique
Résumé
OBJECTIVES: To evaluate in vivo brain metabolite differences in control subjects, individuals with premanifest Huntington disease (pre-HD), and individuals with early HD using ¹H magnetic resonance spectroscopy (MRS) and to assess their relationship with motor performance. METHODS: Eighty-five participants (30 controls, 25 pre-HD, and 30 early HD) were recruited as part of the TRACK-HD study. Eighty-four were scanned at 3 T with single-voxel spectroscopy in the left putamen. Disease burden score was >220 among pre-HD individuals. Subjects underwent TRACK-HD motor assessment including Unified Huntington's Disease Rating Scale (UHDRS) motor scoring and a novel quantitative motor battery. Statistical analyses included linear regression and one-way analysis of variance. RESULTS: Total N-acetylaspartate (tNAA), a neuronal integrity marker, was lower in early HD (∼15%) vs controls (p < 0.001). N-acetylaspartate (NAA), a constituent of tNAA, was lower in pre-HD (∼8%) and early HD (∼17%) vs controls (p < 0.05). The glial cell marker, myo-inositol (mI), was 50% higher in early HD vs pre-HD (p < 0.01). In early HD, mI correlated with UHDRS motor score (R² = 0.23, p < 0.05). Across pre-HD and early HD, tNAA correlated with performance on a tongue pressure task (R² = 0.30, p < 0.0001) and with disease burden score (R² = 0.17, p < 0.005). CONCLUSIONS: We demonstrate lower putaminal tNAA in early HD compared to controls in a cross-section of subjects. A novel biomarker role for mI in early HD was also identified. These findings resolve disagreement in the literature about the role of MRS as an HD biomarker. We conclude that putaminal MRS measurements of NAA and mI are promising potential biomarkers of HD onset and progression.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».