Distinct neuroinflammatory mechanisms in Alzheimer’s disease and Frontotemporal Lobar Degeneration
Notice bibliographique
Résumé
Abstract Background Neuroinflammation is an important pathophysiological process in neurodegenerative diseases, such as Alzheimer’s disease (AD) and Frontotemporal Lobar Degeneration (FTLD). Limited studies have revealed distinct inflammatory markers between proteinopathies. Whether AD and FTLD have distinct neuroinflammatory profiles that relate to different clinical manifestations remains unclear. We assayed a large number of inflammatory proteins to delineate neuroinflammatory signatures across different proteinopathies. Method Using Olink Inflammation panels, we measured 737 inflammatory proteins in CSF from 22 AD [11 early‐onset (EOAD); 11 late‐onset (LOAD)], 45 FTLD patients and 5 healthy controls (HC). Multiple linear regression analyses were performed and comparison of expression between the groups was done by ANOVA F‐tests, adjusted for age, sex and age of onset, with FDR correction for multiple comparisons. The relationship between inflammatory markers and neurofilament light chain (NfL) was examined by Pearson correlation as well as linear regression analysis incorporating the interaction effect of NfL and disease groups. Result Out of 442 proteins that passed quality control, five neuroinflammatory proteins (PKLR, CAT, CXCL9, MMP1, MEPE) involved in extracellular matrix regulation, neuroprotection and chemoattractant activity were significantly downregulated in AD compared to HC (q<0.05, FDR‐corrected). Comparing AD and FTLD, 40 were significantly upregulated in AD (q<0.05, FDR‐corrected). C3, a pro‐inflammatory complement protein was significantly downregulated in AD compared to FTLD. Interestingly, seven inflammatory proteins were significantly correlated with NfL in AD following FDR correction: C7 (r = 0.79, q<0.05), LGALS9 (r = 0.72, q<0.05), LYVE1 ((r = 0.72, q<0.05), ADAMTS1 (r = 0.71, q<0.05), MRC1 (r = 0.69, q<0.05), SEMA3G (r = 0.69, q<0.05), and CCN2 (r = 0.68, q<0.05). No inflammatory proteins were correlated with NfL in FTLD. Comparing EOAD and LOAD, anti‐inflammatory cytokine TGF‐β, was upregulated in EOAD compared to LOAD (q<0.05, FDR‐corrected). A significant interaction effect of NfL and AD sub‐groups (EOAD and LOAD) was found with TNFRSF13B, CCL21, IL5RA, IL7, and MZB1 (q<0.05, FDR‐corrected), where except for IL7, all proteins were positively correlated with NfL in LOAD but not in EOAD. Conclusion AD and FTLD patients display distinct inflammatory profiles with varying relationships between inflammatory and neurodegenerative markers. EOAD and LOAD also showed distinct inflammatory patterns. Our results underscore that proteinopathy‐specific neuroinflammatory mechanisms are involved in disease pathogenesis.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».