Synaptic Loss in Frontotemporal Dementia Revealed by [ <scp> <sup>11</sup> C </scp> ] <scp>UCB‐J Positron Emission Tomography</scp>
Notice bibliographique
Résumé
Objective Synaptic loss is an early feature of neurodegenerative disease models, and is severe in post mortem clinical studies, including frontotemporal dementia. Positron emission tomography (PET) with radiotracers that bind to synaptic vesicle glycoprotein 2A enables quantification of synaptic density in vivo. This study used [ 11 C]UCB‐J PET in participants with behavioral variant frontotemporal dementia (bvFTD), testing the hypothesis that synaptic loss is severe and related to clinical severity. Methods Eleven participants with clinically probable bvFTD and 25 age‐ and sex‐matched healthy controls were included. Participants underwent dynamic [ 11 C]UCB‐J PET, structural magnetic resonance imaging, and a neuropsychological battery, including the revised Addenbrooke Cognitive Examination, and INECO frontal screening. General linear models compared [ 11 C]UCB‐J binding potential maps and gray matter volume between groups, and assessed associations between synaptic density and clinical severity in patients. Analyses were also performed using partial volume corrected [ 11 C]UCB‐J binding potential from regions of interest (ROIs). Results Patients with bvFTD showed severe synaptic loss compared to controls. [ 11 C]UCB‐J binding was reduced bilaterally in medial and dorsolateral frontal regions, inferior frontal gyri, anterior and posterior cingulate gyrus, insular cortex, and medial temporal lobe. Synaptic loss in the frontal and cingulate regions correlated significantly with cognitive impairments. Synaptic loss was more severe than atrophy. Results from ROI‐based analyses mirrored the voxelwise results. Interpretation In accordance with preclinical models, and human postmortem evidence, there is widespread frontotemporal loss of synapses in symptomatic bvFTD, in proportion to severity. [ 11 C]UCB‐J PET could support translational studies and experimental medicine strategies for new disease‐modifying treatments for neurodegeneration. ANN NEUROL 2023;93:142–154
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».