MétaCan
Menu
← Retour à la cohorte
Enregistrement W7161953464 · doi:10.82308/5842

Modelling imaging biomarkers of Alzheimer's disease using animal models

2016· dissertation· en· W7161953464 sur OpenAlexaboutno aff
Maxime Parent

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineMedicine
ThématiqueDementia and Cognitive Impairment Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRadiomicsAnimal modelDisease

Résumé

récupéré en direct d'OpenAlex

La maladie d'Alzheimer est une maladie neurodégénérative progressive caractérisée par l'agrégation d'amyloïde-beta en plaques dans le cerveau ainsi que par la présence d'enchevêtrements neurofibrillaires intra-neuronales et par des pertes neuronales, menant éventuellement à un déclin cognitif et à la démence. Notre compréhension de l'interaction complexe entre ces manifestations pathophysiologiques reste incomplète, et les approches thérapeutiques basées sur la conceptualisation actuelle de cette pathologie n'ont pas encore abouties à des traitements suffisamment efficaces. Pour avancer les connaissances sur ces interactions pathologiques et pour mieux guider les interventions thérapeutiques, deux outils s'avèrent particulièrement essentiels : les biomarqueurs d'imagerie, permettant la quantification in vivo de l'accumulation pathophysiologique et de la neurodégénérescence qui précèdent l'apparition de symptômes cliniques; et les modèles animaux, qui peuvent être utilisés pour étudier l'expression spécifique de la pathologie dans un environnement contrôlé.La combinaison de modèles animaux avec des techniques d'imagerie multimodales fournissent une plateforme unique permettant de tester des prédictions générées par des modèles pathologiques théoriques ainsi que de valider de nouvelles avenues de potentiels biomarqueurs ou traitements pharmaceutiques. Nous avons mené ici plusieurs études démontrant l'utilité de telles approches pour la recherche sur la pathophysiologie de la maladie d'Alzheimer.Premièrement, grâce à une étude longitudinale et multimodale utilisant le modèle transgénique McGill-R-Thy1-APP de pathologie amyloïde-beta, nous avons montré que même en absence d'enchevêtrements neurofibrillaires, l'amyloïde-beta peut induire de la neurodégénérescence prononcée, telle que mesurée par des biomarqueurs de TEP et d'IRM ainsi que par des déclins de mémoire. Deuxièmement, sur le même modèle transgénique, nous avons trouvé un effet bénéfique de l'activation de la microglie sur la mémoire et la connectivité IRMf au repos. Finalement, en utilisant un modèle d'immunolésion chez le rat, nous avons validé l'utilisation du [18F]FEOBV en tant que radiotraceur pour la TEP permettant de mesurer des pertes spécifiques au niveau des synapses cholinergiques, pour ensuite confirmer cette conclusion avec une étude d'autoradiographie du [18F]FEOBV sur des tissus de cerveaux de patients avec la maladie d'Alzheimer.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,050
Tête enseignante GPT0,354
Écart entre enseignants0,304 · 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'étudeSimulation ou modélisation
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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDementia and Cognitive Impairment Research→Travaux en français237 207→