A mathematical model of aging-related and cortisol induced hippocampal dysfunction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The hippocampus is essential for declarative memory synthesis and is a core pathological substrate for Alzheimer's disease (AD), the most common aging-related dementing disease. Acute increases in plasma cortisol are associated with transient hippocampal inhibition and retrograde amnesia, while chronic cortisol elevation is associated with hippocampal atrophy. Thus, cortisol levels could be monitored and managed in older people, to decrease their risk of AD type hippocampal dysfunction. We generated an in silicomodel of the chronic effects of elevated plasma cortisol on hippocampal activity and atrophy, using the systems biology mark-up language (SBML). We further challenged the model with biologically based interventions to ascertain if cortisol associated hippocampal dysfunction could be abrogated. RESULTS: The in silicoSBML model reflected the in vivoaging of the hippocampus and increased plasma cortisol and negative feedback to the hypothalamic pituitary axis. Aging induced a 12% decrease in hippocampus activity (HA), increased to 30% by acute and 40% by chronic elevations in cortisol. The biological intervention attenuated the cortisol associated decrease in HA by 2% in the acute cortisol simulation and by 8% in the chronic simulation. CONCLUSION: Both acute and chronic elevations in cortisol secretion increased aging-associated hippocampal atrophy and a loss of HA in the model. We suggest that this first SMBL model, in tandem with in vitroand in vivostudies, may provide a backbone to further frame computational cortisol and brain aging models, which may help predict aging-related brain changes in vulnerable older people.
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.
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 découle