Frequent Alzheimer’s disease neuropathological change in patients with glioblastoma
Notice bibliographique
Résumé
Abstract Background The incidence of brain cancer and neurodegenerative diseases is increasing with a demographic shift towards aging populations. Biological parallels have been observed between glioblastoma and Alzheimer’s disease (AD), which converge on accelerated brain aging. Here, we aimed to map the cooccurrence of AD neuropathological change (ADNC) in the tumor-adjacent cortex of patients with glioblastoma. Methods Immunohistochemical screening of AD markers amyloid beta (Abeta), amyloid precursor protein (APP), and hyperphosphorylated tau (pTau) was conducted in 420 tumor samples of 205 patients. For each cortex area, we quantified ADNC, neurons, tumor cells, and microglia. Results Fifty-two percent of patients (N = 106/205) showed ADNC (Abeta and pTau, Abeta or pTau) in the tumor-adjacent cortex, with histological patterns widely consistent with AD. ADNC was positively correlated with patient age and varied spatially according to Thal phases and Braak stages. It decreased with increasing tumor cell infiltration (P < .0001) and was independent of frequent expression of APP in neuronal cell bodies (N = 182/205) and in tumor necrosis-related axonal spheroids (N = 195/205; P = .46). Microglia response was most present in tumor cell infiltration plus ADNC, being further modulated by patient age and sex. ADNC did not impact patient survival in the present cohort. Conclusions Our findings highlight the frequent presence of ADNC in the glioblastoma vicinity, which was linked to patient age and tumor location. The cooccurrence of AD and glioblastoma seemed stochastic without clear spatial relation. ADNC did not impact patient survival in our cohort.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».