基礎科学と病態生理学

科学分野:

• 神経科学;生物物理学;計算生物学

背景:

• アルツハイマー病（AD）は世界中で数百万人に影響を与え、タウタンパク質の蓄積を特徴としています。
• 生体内のタウPETイメージングは、従来のBraakステージングとは異なり、タウの進行において著しい個人差を示しています。
• 既存のモデルには生物物理学的な基礎が欠けているか、縦断的なデータが必要です。

研究 の 目的:

• イベントベースモデル（EBM）とネットワーク拡散モデル（NDM）を統合したハイブリッドモデリングアプローチを開発し、予測可能で個別化されたタウ拡散モデリングを実現すること。
• 現在のモデリング技術の限界を、縦断的データからの洞察と生物物理学的原則を組み合わせることで克服すること。

主な方法:

• タウ拡散予測のためのEBMとNDMを組み合わせたハイブリッドモデルを開発しました。
• EBMを650人のADNI被験者に適用し、疾患ステージングと縦断的軌道の生成を行いました。
• 拡張NDM（eNDM）を使用して、脳ネットワーク上の拡散プロセスとしてタウ拡散をモデル化し、個々のシードと運動パラメータを最適化しました。

主要な成果:

• 個々のシード最適化により、パラメータ最適化および以前のベンチマークと比較して、モデル適合性が向上しました（平均R=0.85）。
• モデル予測は、縦断的なタウPETデータと強く相関していました（平均R=0.81）。
• タウパターンは発症時に最大の不均一性を示し、時間とともに収束し、2つの異なるシーディングアーキタイプ（海馬台優位型とびまん性側頭葉型）が特定されました。

結論:

• ハイブリッドEBM-NDMアプローチにより、横断的データからタウ拡散の正確で個別化された予測が可能になります。
• この発見は、古典的なBraakステージングに疑問を投げかけ、時間とともに収束する多様なタウ開始経路を示唆しています。
• このフレームワークは、個別化されたアルツハイマー病治療戦略や、他の神経変性疾患への応用において可能性を秘めています。