APOEε4 potentiates the relationship between amyloid-β and tau pathologies
Notice bibliographique
Résumé
Abstract APOEε4 is the most well-established genetic risk factor for sporadic Alzheimer’s disease and is associated with cerebral amyloid-β. However, the association between APOEε4 and tau pathology, the other major proteinopathy of Alzheimer’s disease, has been controversial. Here, we sought to determine whether the relationship between APOEε4 and tau pathology is determined by local interactions with amyloid-β. We examined three independent samples of cognitively unimpaired, mild cognitive impairment and Alzheimer’s disease subjects: (1) 211 participants who underwent tau-PET with [ 18 F]MK6240 and amyloid-PET with [ 18 F]AZD4694, (2) 264 individuals who underwent tau-PET with [ 18 F]Flortaucipir and amyloid-PET with [ 18 F]Florbetapir and (3) 487 individuals who underwent lumbar puncture and amyloid-PET with [ 18 F]Florbetapir. Using a novel analytical framework, we applied voxel-wise regression models to assess the interactive effect of APOEε4 and amyloid-β on tau load, independently of age and clinical diagnosis. We found that the interaction effect between APOEε4 and amyloid-β, rather than the sum of their independent effects, was related to increased tau load in Alzheimer’s disease-vulnerable regions. The interaction between one APOEε4 allele and amyloid-β was related to increased tau load, while the interaction between amyloid-β and two APOEε4 alleles was related to a more widespread pattern of tau aggregation. Our results contribute to an emerging framework in which the elevated risk of developing dementia conferred by APOEε4 genotype involves mechanisms associated with both amyloid-β and tau aggregation. These results may have implications for future disease-modifying therapeutic trials targeting amyloid or tau pathologies.
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 ».