Video Experimental Relacionado
Updated: Jan 7, 2026

Mouse Footpad Inoculation Model to Study Viral-Induced Neuroinflammatory Responses
Published on: June 14, 2020
Ciencia básica y patogénesis
Anil R Wadhwani1, David C Goldberg2, Philip L De Jager3
1Department of Neurology, University of Pennsylvania Perelman School of Medicine, Philadelphia, PA, USA.
La metilación diferencial del ADN (DNAm) puede distinguir la tauopatía primaria relacionada con la edad (PART) de la enfermedad de Alzheimer (EA). Una herramienta de aprendizaje automático que utiliza DNAm predice con precisión PART vs. EA y estratifica casos indeterminados, revelando programas biológicos distintos y resiliencia cognitiva en PART.
Área de la Ciencia:
- Neurociencia
- Genética
- Biología Computacional
Sus antecedentes:
- La tauopatía primaria relacionada con la edad (PART) y la enfermedad de Alzheimer (EA) comparten patología tau pero difieren en la carga de amiloide.
- La distinción entre PART y EA es crucial para comprender la progresión de la enfermedad y desarrollar terapias dirigidas.
- La metilación diferencial del ADN (DNAm) ofrece información sobre mecanismos biológicos específicos de la enfermedad.
Objetivo del estudio:
- Desarrollar y validar un clasificador de aprendizaje automático utilizando DNAm para diferenciar PART de EA.
- Aplicar el clasificador a casos neuropatológicamente indeterminados para estratificarlos en grupos similares a PART o similares a EA.
- Investigar las diferencias biológicas y cognitivas entre los grupos predichos de PART y EA.
Principales métodos:
- Se entrenó un clasificador de máquina de vectores de soporte con datos de DNAm de 707 individuos (cohorte ROSMAP) con PART o EA confirmados.
- El clasificador se validó en una cohorte independiente de 142 casos del Mount Sinai Brain Bank.
- Se compararon los perfiles neuropatológicos, cognitivos, de DNAm y transcriptómicos entre los grupos definidos por el clasificador.
Principales resultados:
- El clasificador de DNAm logró una alta precisión en la distinción de PART de EA en cohortes.
- Los casos neuropatológicamente indeterminados se estratificaron en grupos Predichos-PART y Predichos-EA.
- Estos grupos, a pesar de una carga similar de tau y amiloide, exhibieron patrones distintos de DNAm, perfiles de expresión génica y rendimiento cognitivo (puntuaciones MMSE).
Conclusiones:
- La DNAm sirve como un biomarcador robusto para diferenciar PART de EA.
- La herramienta de aprendizaje automático desarrollada predice con precisión PART vs. EA y estratifica casos indeterminados.
- Programas epigenéticos y biológicos distintos subyacen a la PART, lo que podría contribuir a la resiliencia cognitiva frente a la patología de la EA.
Videos de Conceptos Relacionados
Infection
The chain begins with pathogens: bacteria, viruses, fungi, prions, or parasites such as protozoa helminths. These can be present on the skin as transient or resident flora, or they can be acquired from the environment. Identifying and treating the type of infection and...
Urinary Tract Infection II: Pathophysiology
Cystic Fibrosis: Pathogenesis
CF is primarily caused by a genetic mutation in a chromosome 7 gene coding for the cystic fibrosis transmembrane conductance regulator (CFTR) protein. The most common gene mutation leading to CF is the ΔF508 mutation,...
Pneumonia II: Pathophysiology
Stages of Infection
Defense Against Bacterial Pathogens
Phagocytes
Phagocytes are the frontline soldiers of the immune system. They include neutrophils and macrophages. Neutrophils are the most abundant type of white blood cell and are quickly mobilized to the site of infection. Macrophages are larger cells that patrol...

