♻️#جهش #ژنی می تواند سرعت #زوال #عقل و #تخریب #حافظه را در #بیماری #آلزایمر افزایش دهد.
#BDNF #Val66Met predicts #cognitive #decline in the Wisconsin Registry for #Alzheimer's Prevention
پژوهشگران ژنتیک و نوروساینس دانشگاه ویسکانسین 🇺🇸 در بزرگترین پژوهش آزمایشی #ژنتیک بیماری های #نورودژنراتیو که به تازگی منتشر شده است دریافتند جهش ژنی در #آلل BDNF Val66Met می تواند تخریب کارکردهای #شناختی، بویژه حافظه، را در افراد دارای بیماری آلزایمر به شدت افزایش دهد.
🔆عامل تغذیه نورنی مغز (#BDNF) #پروتئینی است که توسط #ژنی به همین نام تولید می شود. این پروتیئن جزو خانواده ای از #پروتیئن ها به نام #نوروتروفین ها است که به نورون ها برا رشد، تخصصی شدن و زنده ماندن کمک می کند. شناسایی ژن BDNF و جهش آن که می تواند سالها پیش از بروز آلزایمر صورت بگیرد، کمک شایانی به #ژن تراپی برای کاهش عوارض #تخریب #شناختی و #حافظه در #سالمندی خواهد نمود که این امر بویژه در بیماران مبتلا به آلزایمر اهمیت شایانی دارد.
در این پژوهش #طولی، محققان بر 1023 نفر بالای 55 سال به مدت 13 سال بررسی صورت دادند؛ این افراد دارای ریسک بالای آلزایمر بودند، اما هنگام ورود به طرح سالم و بدون بیماری تشخیص داده شدند. همچنین، 140 نفر از این افراد نیز بجز آزمایش خون برای BDNF، تحت #تصویربرداری های #مغزی برای سنجش میزان #پلاک های #بتاآمیلویید قرار گرفتند. 32% از افراد مورد بررسی جهش ژنی در BDNF داشتند که مشخصاً تخریبهای شناختی و حافظه در آنها از باقی افراد بطور معناداری بیشتر بود. این افراد حتی بتاآمیلویید بیشتری نسبت به باقی گروه مورد بررسی داشتند
Abstract
Objective: To examine the influence of the #brain-derived #neurotrophic factor (#BDNF) #Val66Met #polymorphism on #longitudinal #cognitive trajectories in a large, #cognitively #healthy #cohort enriched for #Alzheimer disease (#AD) risk and to understand whether #β-amyloid (#Aβ) burden plays a moderating role in this relationship.
Methods: One thousand twenty-three adults (baseline age 54.94 ± 6.41 years) enrolled in the Wisconsin Registry for Alzheimer's Prevention underwent BDNF #genotyping and cognitive assessment at up to 5 time points (average follow-up 6.92 ± 3.22 years). A subset (n = 140) underwent #11C-Pittsburgh compound B (#PiB) scanning. Covariate-adjusted mixed-effects regression models were used to elucidate the effect of BDNF on #cognitive #trajectories in 4 cognitive domains, including #verbal #learning and #memory, #speed and #flexibility, #working #memory, and #immediate #memory. Secondary mixed-effects regression models were conducted to examine whether Aβ burden, indexed by composite PiB load, modified any observed BDNF-related cognitive trajectories.
Results: Compared to #BDNF #Val/Val #homozygotes, Met carriers showed steeper decline in verbal learning and memory (p = 0.002) and speed and flexibility (p = 0.017). In addition, Aβ burden moderated the relationship between BDNF and verbal learning and memory such that Met carriers with greater Aβ burden showed even steeper cognitive decline (p = 0.033).
Conclusions: In a middle-aged cohort with AD risk, carriage of the BDNF Met allele was associated with steeper decline in episodic memory and executive function. This decline was exacerbated by greater Aβ burden. These results suggest that the BDNF Val66Met polymorphism may play an important role in cognitive decline and could be considered as a target for novel AD therapeutics.
لینک منبع 👇🏻(further reading)👇🏻
http://www.neurology.org/content/early/2017/05/03/WNL.0000000000003980.short
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
#BDNF #Val66Met predicts #cognitive #decline in the Wisconsin Registry for #Alzheimer's Prevention
پژوهشگران ژنتیک و نوروساینس دانشگاه ویسکانسین 🇺🇸 در بزرگترین پژوهش آزمایشی #ژنتیک بیماری های #نورودژنراتیو که به تازگی منتشر شده است دریافتند جهش ژنی در #آلل BDNF Val66Met می تواند تخریب کارکردهای #شناختی، بویژه حافظه، را در افراد دارای بیماری آلزایمر به شدت افزایش دهد.
🔆عامل تغذیه نورنی مغز (#BDNF) #پروتئینی است که توسط #ژنی به همین نام تولید می شود. این پروتیئن جزو خانواده ای از #پروتیئن ها به نام #نوروتروفین ها است که به نورون ها برا رشد، تخصصی شدن و زنده ماندن کمک می کند. شناسایی ژن BDNF و جهش آن که می تواند سالها پیش از بروز آلزایمر صورت بگیرد، کمک شایانی به #ژن تراپی برای کاهش عوارض #تخریب #شناختی و #حافظه در #سالمندی خواهد نمود که این امر بویژه در بیماران مبتلا به آلزایمر اهمیت شایانی دارد.
در این پژوهش #طولی، محققان بر 1023 نفر بالای 55 سال به مدت 13 سال بررسی صورت دادند؛ این افراد دارای ریسک بالای آلزایمر بودند، اما هنگام ورود به طرح سالم و بدون بیماری تشخیص داده شدند. همچنین، 140 نفر از این افراد نیز بجز آزمایش خون برای BDNF، تحت #تصویربرداری های #مغزی برای سنجش میزان #پلاک های #بتاآمیلویید قرار گرفتند. 32% از افراد مورد بررسی جهش ژنی در BDNF داشتند که مشخصاً تخریبهای شناختی و حافظه در آنها از باقی افراد بطور معناداری بیشتر بود. این افراد حتی بتاآمیلویید بیشتری نسبت به باقی گروه مورد بررسی داشتند
Abstract
Objective: To examine the influence of the #brain-derived #neurotrophic factor (#BDNF) #Val66Met #polymorphism on #longitudinal #cognitive trajectories in a large, #cognitively #healthy #cohort enriched for #Alzheimer disease (#AD) risk and to understand whether #β-amyloid (#Aβ) burden plays a moderating role in this relationship.
Methods: One thousand twenty-three adults (baseline age 54.94 ± 6.41 years) enrolled in the Wisconsin Registry for Alzheimer's Prevention underwent BDNF #genotyping and cognitive assessment at up to 5 time points (average follow-up 6.92 ± 3.22 years). A subset (n = 140) underwent #11C-Pittsburgh compound B (#PiB) scanning. Covariate-adjusted mixed-effects regression models were used to elucidate the effect of BDNF on #cognitive #trajectories in 4 cognitive domains, including #verbal #learning and #memory, #speed and #flexibility, #working #memory, and #immediate #memory. Secondary mixed-effects regression models were conducted to examine whether Aβ burden, indexed by composite PiB load, modified any observed BDNF-related cognitive trajectories.
Results: Compared to #BDNF #Val/Val #homozygotes, Met carriers showed steeper decline in verbal learning and memory (p = 0.002) and speed and flexibility (p = 0.017). In addition, Aβ burden moderated the relationship between BDNF and verbal learning and memory such that Met carriers with greater Aβ burden showed even steeper cognitive decline (p = 0.033).
Conclusions: In a middle-aged cohort with AD risk, carriage of the BDNF Met allele was associated with steeper decline in episodic memory and executive function. This decline was exacerbated by greater Aβ burden. These results suggest that the BDNF Val66Met polymorphism may play an important role in cognitive decline and could be considered as a target for novel AD therapeutics.
لینک منبع 👇🏻(further reading)👇🏻
http://www.neurology.org/content/early/2017/05/03/WNL.0000000000003980.short
✅(در صورت جذابیت و علاقمندی به موضوع، مطلب را برای دیگران نیز بازنشر فرمایید).
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
♻️روشی جدید برای تشخیص #طول #عمر
#Precision #Radiology: #Predicting #longevity using feature #engineering and #deep #learning methods in a #radiomics framework
پژوهشگران دانشگاه آدلاید، دانشگاه کوینزلند، و انستیتو تکنیک های پیشرفته لیسبون در پژوهشی که به تازگی منتشر شده است، دریافتند سیستم های هوش مصنوعی قادرتند طول عمر افراد را با مرور #CTاسکن های #اندام های آنان پیش بینی کنند.
در این پژوهش که بر CTاسکن #سینه 48 بیمار صورت گرفت، سیستم های #هوش #مصنوعی (#AI) بر اساس #الگوریتم های #یادگیری #عمیق توانستند با 69 درصد دقت (همانند پیش بینی های معمول پزشکان) احتمال #مرگ #بیمار را در 5 سال آتی پیش بینی کنند. پژوهشگران نتوانستند مشخص کنند که برنامه های هوش مصنوعی دقیقاً بر اساس بررسی کدام بخش از تصاویر CTاسکن پیش بینی را صورت داده اند، اما پیش بینی ها در بیماری های وخیم مزمن (همچون #آمفیزم و بیماری های #قلبی) دقیق تر بود.
Abstract
#Precision #medicine approaches rely on obtaining precise knowledge of the true state of #health of an individual patient, which results from a combination of their #genetic risks and #environmental exposures. This approach is currently limited by the lack of effective and efficient non-invasive medical tests to define the full range of #phenotypic variation associated with individual #health. Such knowledge is critical for improved early intervention, for better #treatment #decisions, and for ameliorating the steadily worsening epidemic of chronic disease. We present proof-of-concept experiments to demonstrate how routinely acquired #cross-sectional #CT #imaging may be used to predict patient #longevity as a proxy for overall individual health and disease status using #computer image analysis techniques. Despite the limitations of a modest dataset and the use of off-the-shelf machine learning methods, our results are comparable to previous ‘manual’ clinical methods for longevity prediction. This work demonstrates that #radiomics techniques can be used to extract #biomarkers relevant to one of the most widely used outcomes in #epidemiological and #clinical research – #mortality, and that #deep #learning with convolutional #neural #networks can be usefully applied to radiomics research. Computer image analysis applied to routinely collected medical images offers substantial potential to enhance #precision #medicine initiatives.
لینک منبع 👇🏻(further reading)👇🏻
https://www.nature.com/articles/s41598-017-01931-w
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
#Precision #Radiology: #Predicting #longevity using feature #engineering and #deep #learning methods in a #radiomics framework
پژوهشگران دانشگاه آدلاید، دانشگاه کوینزلند، و انستیتو تکنیک های پیشرفته لیسبون در پژوهشی که به تازگی منتشر شده است، دریافتند سیستم های هوش مصنوعی قادرتند طول عمر افراد را با مرور #CTاسکن های #اندام های آنان پیش بینی کنند.
در این پژوهش که بر CTاسکن #سینه 48 بیمار صورت گرفت، سیستم های #هوش #مصنوعی (#AI) بر اساس #الگوریتم های #یادگیری #عمیق توانستند با 69 درصد دقت (همانند پیش بینی های معمول پزشکان) احتمال #مرگ #بیمار را در 5 سال آتی پیش بینی کنند. پژوهشگران نتوانستند مشخص کنند که برنامه های هوش مصنوعی دقیقاً بر اساس بررسی کدام بخش از تصاویر CTاسکن پیش بینی را صورت داده اند، اما پیش بینی ها در بیماری های وخیم مزمن (همچون #آمفیزم و بیماری های #قلبی) دقیق تر بود.
Abstract
#Precision #medicine approaches rely on obtaining precise knowledge of the true state of #health of an individual patient, which results from a combination of their #genetic risks and #environmental exposures. This approach is currently limited by the lack of effective and efficient non-invasive medical tests to define the full range of #phenotypic variation associated with individual #health. Such knowledge is critical for improved early intervention, for better #treatment #decisions, and for ameliorating the steadily worsening epidemic of chronic disease. We present proof-of-concept experiments to demonstrate how routinely acquired #cross-sectional #CT #imaging may be used to predict patient #longevity as a proxy for overall individual health and disease status using #computer image analysis techniques. Despite the limitations of a modest dataset and the use of off-the-shelf machine learning methods, our results are comparable to previous ‘manual’ clinical methods for longevity prediction. This work demonstrates that #radiomics techniques can be used to extract #biomarkers relevant to one of the most widely used outcomes in #epidemiological and #clinical research – #mortality, and that #deep #learning with convolutional #neural #networks can be usefully applied to radiomics research. Computer image analysis applied to routinely collected medical images offers substantial potential to enhance #precision #medicine initiatives.
لینک منبع 👇🏻(further reading)👇🏻
https://www.nature.com/articles/s41598-017-01931-w
📢کانال #دکترامیرمحمدشهسوارانی
🍃🌹🌸💐🌸🌹🍃
@DrAmirMohammadShahsavarani
Nature
Precision Radiology: Predicting longevity using feature engineering and deep learning methods in a radiomics framework
Scientific Reports - Precision Radiology: Predicting longevity using feature engineering and deep learning methods in a radiomics framework