Retinal Manifestations of Alzheimer’s Disease: MicroRNAs and Microglial Phenotypes
Notice bibliographique
Résumé
Abstract Background As part of the CNS, retina is a promising site for studying Alzheimer’s disease (AD) and developing potential biomarkers for accessible screening and early diagnosis. Our group has previously investigated retinal amyloid beta (Aβ) deposition, glial cell degeneration, drusen aggregation, microRNA (miRNA) analysis in AD mouse models, and in vivo fluorescence in the retinas from AD donor eyes and AD animal models. We report on our updated work on miRNA expression in mouse models and microglia morphology in the human AD retina. Method Ten candidate miRNAs were investigated in the brain and eye tissues and tear fluids of transgenic APP‐PS1 mice, non‐carrier siblings, and wildtype (WT, C57BL/6J) controls at young (∼3months) and old (∼10months) ages. 3D microglia morphology was quantitatively and qualitatively analysed in Z‐stacks of human donor retinal tissues stained for microglia (IBA1), activated microglia (CD68) and retinal vessels (UEA‐lectin). Result Relative miRNA expression levels were similar in APP‐PS1 mice and non‐carrier siblings compared with WT, suggesting the miRNAs were mostly intergenic. Relative miRNA expression was lower in neocortex‐hippocampus, eye tissues, and tear fluids compared to other regions in young transgenic mice, but the same regions showed higher relative miRNA expression in old transgenic mice. miRNAs associated with Aβ misfolding (miRNA‐101a, ‐15a and ‐342) and proinflammation (miRNA‐125b, ‐146a, and ‐34a) showed significant upregulation in tear fluids with disease progression tracked by cortical Aβ load and reactive astrogliosis. Custom software analysis suggest distinct populations of microglia in the AD retina vs. age‐matched control human retina based on 1) morphology (e.g., ramified to amoeboid), 2) their activation state and 3) retinal vessel proximity. Conclusion Our results demonstrate the non‐invasive potential for analysis of miRNAs from tear fluids and the in vivo imaging of the retinal microglial for tracking AD 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 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 | 0,000 |
| 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 | 0,001 | 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 ».