Large-scale visualisation of α-synuclein oligomers in Parkinson's disease brain tissue
Notice bibliographique
Résumé
Parkinson's disease (PD) is a common neurodegenerative condition characterised by the presence in the brain of large intraneuronal aggregates, known as Lewy bodies and Lewy neurites, containing fibrillar α-synuclein. According to the amyloid hypothesis, these large end-stage species form from smaller soluble protein assemblies, often termed oligomers, which are proposed as early drivers of pathogenesis. To date, however, this hypothesis has remained controversial, at least in part because it has not been possible to directly visualise oligomeric aggregates in human brain tissue. Therefore, their presence, abundance and distributions have remained elusive. Here, we present ASA-PD (Advanced Sensing of Aggregates - Parkinson's Disease), an imaging method to generate large-scale α-synuclein oligomer maps in post-mortem human brain tissue. We combined autofluorescence suppression with single-molecule fluorescence methods, which together, enable the detection of nanoscale α-synuclein aggregates. To demonstrate the utility of this platform, we captured ~1.2 million oligomers from the anterior cingulate cortex in human post-mortem brain samples from PD and healthy control patients. Our data revealed a specific subpopulation of nanoscale oligomers that represent an early hallmark of the proteinopathy that underlies PD. We anticipate that quantitative information about oligomer distributions provided by ASA-PD will enable mechanistic studies to reveal the pathological processes caused by α-synuclein aggregation.
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 | 0,000 | 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 ».