MétaCan
Menu
← Retour à la cohorte
Enregistrement W7119759594 · doi:10.1002/alz70856_107533

Characterizing the relationship between neuroinflammation and neurodegeneration in AD and FTLD

2025· article· en· W7119759594 sur OpenAlexaff
Chloe Anastassiadis, Simrika Thapa, Anna Vasilevskaya, Kasey Cortez, Nico Paulo Dimal, Michelle Tsang, Blas Couto, David F. Tang‐Wai, Susan H. Fox, Gabor G. Kovacs, A. E. Lang, Pia Kivisäkk, Hyman Bt, Arnold Sm, Martin Ingelsson, Carmela Tartaglia

Notice bibliographique

RevueAlzheimer s & Dementia · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueAlzheimer's disease research and treatments
Établissements canadiensOntario Brain InstituteParkinson's Clinic of Eastern Toronto & Movement Disorders CentreToronto Western HospitalOccupational Cancer Research CentreUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésNeuroinflammationNeurodegenerationApolipoprotein EDiseaseMicrogliaInflammationCentral nervous systemAlzheimer's disease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Although immune dysregulation has been reported in many neurodegenerative diseases (NDDs), our understanding of shared vs disease-specific features is still lacking. Here, we analyze a large panel of inflammatory markers in Alzheimer's disease (AD) and frontotemporal lobar degeneration (FTLD)-related syndromes. METHOD: The cohort included 26 healthy controls (HC); 90 biomarker-positive AD patients (including 57 young-onset); 25 progressive supranuclear palsy (PSP) patients; and 16 patients clinically diagnosed with semantic variant primary progressive aphasia or frontotemporal dementia with motor neuron disease (FTD+/-MND group). Their CSF samples were tested for inflammation (737 proteins, Olink proximity extension assay) and neurodegeneration biomarkers (NfL, Aβ42, ptau181, total tau). All analyses were corrected for age, sex, and plate. RESULT: ANCOVAs showed alterations in distinct subsets of proteins in NDDs compared to HC: the AD group was characterized by increased levels of inflammatory markers, while the opposite was seen in PSP. The smaller FTD+/-MND cohort only showed differences in four proteins (Figure 1). Gene-set enrichment analysis (GSEA) highlighted the implication of cell signaling pathways (including the transmembrane receptor protein tyrosine kinase signaling (q<.05) and response to growth factor (q<.10) pathways) in PSP compared to HC. Principal component analysis (PCA) revealed a limited overlap between NDDs and HC (Figure 2). Differences between diagnoses were best captured by PC2 (10% variance). Among the biomarkers, ptau181 was the strongest correlate of PC1 (24% variance) and PC2 (q<.0001). In preliminary investigations of astrocytic contributions to these differences, YKL-40 levels (astrocytic reactivity) were measured for 22 PSP subjects. YKL-40 and ptau181 were associated with the levels of distinct sets of proteins (after correcting for disease duration and age at onset). In patients with low vs high YKL40, pathways related to white blood cell function (e.g. lymphocyte and neutrophil chemotaxis, chemokine binding) were the top differentially expressed pathways (q<.01). CONCLUSION: There are distinct inflammatory patterns in AD, PSP, and FTD+/-MND. AD is characterized by increases in inflammatory marker levels, while in PSP the opposite is seen. These differences appear to be related to ptau181-related pathology. Future directions include assessing the contributions of known mediators of neuroinflammation, such as astrocytic reactivity, APOE genotype, and age at onset, to these differences.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
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)0,0010,000

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 Opus0,053
Tête enseignante GPT0,321
Écart entre enseignants0,268 · 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'étudeObservationnel
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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetAlzheimer's disease research and treatments→Travaux en français237 207→