Synapse dysfunction and astrocyte reactivity are associated independently of amyloid‐β and tau pathologies
Notice bibliographique
Résumé
Abstract Background Biomarkers of astrocyte reactivity have the potential to improve diagnostic precision, disease monitoring, and treatment efficacy. Glial fibrillary acidic protein (GFAP) protein is expressed in astrocytes, which is important to synaptic plasticity, cell communication, and reactive gliosis. Method Cerebrospinal fluid (CSF) biomarkers were measured in participants of the McGill TRIAD cohort. 75 individuals (>50 years old, 44 cognitively unimpaired (CU), and 31 with cognitive impairment (CI)), had available Aß and tau‐PET. We measured CSF GFAP and synaptic markers (growth‐associated protein 43 (GAP‐43), neurogranin (Ng), synaptotagmin 1 (SYT1), presynaptic protein synaptosomal‐associated protein 25 (SNAP‐25)). Linear regressions adjusted for age, sex, clinical diagnosis, and Aß/tau‐PET were used to test the associations between astrocyte reactivity and synaptic function. Result Demographic information is shown in Table 1. We found an association between CSF GFAP and presynaptic markers (GAP‐43: p<0.0001, ß = 0.1076; SYT1: p<0.0001, ß = 0.0024; SNAP‐25 long: p<0.0001, ß = 0.0008) as well as postsynaptic markers (Ng: p<0.05, ß = 0.0066) independently of Aß and tau burden (Figure 1). Conclusion Our biomarker results support experimental literature suggesting that astrocyte reactivity plays a role in downstream synaptic dysfunction independent of the brain levels of Aß and tau tangles pathologies. This supports in vitro literature suggesting that therapeutic interventions targeting astrocyte reactivity can contribute to halting 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».