MétaCan
Menu
← Retour à la cohorte
Enregistrement W4406223736 · doi:10.1002/alz.094387

Microglial activation impacts amyloid‐β effects on reactive astrogliosis

2024· article· en· W4406223736 sur OpenAlexaff
João Pedro Ferrari‐Souza, Guilherme Povala, Bruna Bellaver, Pâmela C.L. Ferreira, Firoza Z Lussier, Douglas Teixeira Leffa, Cristiano Schaffer Aguzzoli, Carolina Soares, Giovanna Carello‐Collar, Wyllians Vendramini Borelli, Joseph Therriault, Nesrine Rahmouni, Arthur C. Macedo, Stijn Servaes, Jenna Stevenson, Serge Gauthier, Diogo O. Souza, Lucas Porcello Schilling, Mychael V. Lourenco, Dana Tudorascu, Pedro Rosa‐Neto, Tharick A. Pascoal, Eduardo R. Zimmer

Notice bibliographique

RevueAlzheimer s & Dementia · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroinflammation and Neurodegeneration Mechanisms
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésAstrogliosisAmyloid (mycology)NeuroscienceChemistryMedicinePsychologyPathologyCentral nervous system

Résumé

récupéré en direct d'OpenAlex

Abstract Background Glial reactivity is a key phenomenon in Alzheimer’s disease (AD) and is closely associated with amyloid‐ß (Aß) pathology. Although compelling experimental data suggest that microglial activation modulates reactive astrogliosis, it remains to be elucidated whether microglial activation influences the association of Aß pathology with reactive astrogliosis in the living AD human brain. Here, we tested the association of microglial activation and Aß pathology with reactive astrogliosis in individuals across the aging and AD clinical spectrum. Method We studied 101 participants (62 cognitively unimpaired [CU], 26 with mild cognitive impairment [MCI], and 13 with AD dementia) from the Translational Biomarkers in Aging and Dementia (TRIAD) cohort. Individuals had available positron emission tomography (PET) for Aß ([18F]AZD4694) and microglial activation ([11C]PBR28), as well as magnetic resonance imaging. We further assessed reactive astrogliosis with plasma glial fibrillary acidic protein (GFAP). Linear regression analyses were used to investigate the associations between Aß, microglial activation and GFAP. Result Demographic characteristics of the study population are reported in Table 1. Regression analyses revealed a significant positive association between Aß PET burden and plasma GFAP levels in microglial activation‐positive but not in microglial activation‐negative individuals (Fig. 1A). A significant interaction between continuous values of Aß PET burden and [11C]PBR28 PET uptake on plasma GFAP levels (Fig. 1B) supported that microglial activation affects the association of Aß pathology with reactive astrogliosis. Analysis of variance further confirmed that the model with the interaction term was the most adequate to describe the association of Aß PET and microglial activation PET with plasma GFAP (P = 0.007). In additional analyses investigating the topography of the observed findings, we found that higher Aß PET burden was associated with higher plasma GFAP levels only in the presence of microglial activation positivity across Aß‐vulnerable cortical brain regions (Fig. 1C). Conclusion Our results suggest that microglial activation impacts Aß‐dependent reactive astrogliosis in the living AD brain. This can help to better understand the complementary roles of glial cells in neurodegenerative diseases, as well as provide insights for the development of novel therapeutic strategies for AD targeting the interplay between Aß and glial reactivity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,275
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetNeuroinflammation and Neurodegeneration Mechanisms→Travaux en français237 207→