A Multimodal Spectroscopic Imaging Method To Characterize the Metal and Macromolecular Content of Proteinaceous Aggregates (“Amyloid Plaques”)
Notice bibliographique
Résumé
Alzheimer's disease (AD) is a major international health and economic concern. A key pathological feature of AD is so-called "amyloid-β-plaques", or "Aβ-plaques", which are deposits of aggregated protein, enriched with the Aβ fragment of amyloid precursor protein. Despite their name, the deposits are not pure Aβ and have a heterogeneous, chemically complex composition that can include multiple proteins, lipids, and metal ions (Fe, Cu, or Zn). Despite extensive research, it is still uncertain whether Aβ-plaques are a cause or a consequence of AD pathology. Further characterization of the elemental and biochemical composition within and surrounding Aβ-plaques, and knowledge of how composition varies with disease state or progression, may provide important insight into the relationship between Aβ-plaques and AD pathology. With this aim in mind, herein we demonstrate a multimodal spectroscopic imaging workflow to better characterize the complex composition of Aβ-plaques. Our approach incorporates several spectroscopic imaging techniques, such as Fourier transform infrared spectroscopic imaging (FTIR), Raman microscopy, and X-ray fluorescence microscopy (XFM). While FTIR, Raman, and XFM have been used previously, mostly in isolation, to study Aβ-plaques, application of all three techniques, in combination with histology and fluorescence microscopy, has not been reported previously. We demonstrate that a multimodal workflow, incorporating all three methods on adjacent or serial tissue sections, can reveal substantial complementary information about the biochemical and elemental composition of Aβ-plaques. Information revealed by the method includes the relative content and distribution of aggregated protein, total lipid, lipid esters, cholesterol, and metals (Fe, Cu, or Zn).
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 | 0,000 |
| 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 ».