Correlations of blood and brain NMR metabolomics with Alzheimer’s disease mouse models
Notice bibliographique
Résumé
Alzheimer's disease (AD) is a complex, progressive neurodegenerative disorder, impacting millions of geriatric patients globally. Unfortunately, AD can only be diagnosed post-mortem, through the analysis of autopsied brain tissue in human patients. This renders early detection and countering disease progression difficult. As AD progresses, the metabolomic profile of the brain and other organs can change. These alterations can be detected in peripheral systems (i.e., blood) such that biomarkers of the disease can be identified and monitored with minimal invasion. In this work, High-Resolution Magic Angle Spinning (HRMAS) Nuclear Magnetic Resonance (NMR) spectroscopy is used to correlate biochemical changes in mouse brain tissues, from the cortex and hippocampus, with blood plasma. Ten micrograms of each brain tissue and ten microliters of blood plasma were obtained from 5XFAD Tg AD mice models (n = 15, 8 female, 7 male) and female C57/BL6 wild-type mice (n = 8). Spectral regions-of-interest (ROI, n = 51) were identified, and 121 potential metabolites were assigned using the Human Metabolome Database and tabulated according to their trends (increase/decrease, false discovery rate significance). This work identified several metabolites that impact glucose oxidation (lactic acid, pyruvate, glucose-6-phosphate), allude to oxidative stress resulting in brain dysfunction (L-cysteine, galactitol, propionic acid), as well as those interacting with other neural pathways (taurine, dimethylamine). This work also suggests correlated metabolomic changes within blood plasma, proposing an avenue for biomarker detection, ideally leading to improved patient diagnosis and prognosis in the future.
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 | 0,000 |
| 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 ».