Glial reactivity correlates with synaptic dysfunction across aging and Alzheimer’s disease
Notice bibliographique
Résumé
Previous studies suggest glial and neuronal changes may trigger synaptic dysfunction in Alzheimer’s disease (AD), but the link between their markers and synaptic abnormalities in the living brain remains unclear. We investigated the association between glial reactivity and synaptic dysfunction biomarkers in cerebrospinal fluid (CSF) from 478 individuals in cognitively unimpaired (CU) and cognitively impaired (CI) individuals. We measured amyloid-β (Aβ), phosphorylated tau (pTau181), astrocyte reactivity (GFAP), microglial activation (sTREM2), and synaptic markers (GAP43, neurogranin). CSF GFAP levels were associated with presynaptic and postsynaptic dysfunction, independent of cognitive status or Aβ presence. CSF sTREM2 levels were related to presynaptic markers in cognitively unimpaired and impaired Aβ+ individuals, and to postsynaptic markers in cognitively impaired Aβ+ individuals. Notably, CSF pTau mediated the relationships between GFAP or sTREM2 and synaptic dysfunction. Our findings, validated in two independent cohorts (TRIAD and ADNI), reveal a distinct pattern of glial contribution to synaptic degeneration. This study shows that glial reactivity is linked to synaptic dysfunction in aging and Alzheimer’s disease, with tau pathology mediating these effects–highlighting the potential of synaptic biomarkers track disease progression.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».