在多系统性缩中基于计算机的α-synuclein病理的评估作为识别疾病亚型的新工具

科学领域:

• 神经科学是一个神经科学.
• 神经病理学神经病理学
• 计算生物学 计算生物学

背景情况:

• 多种系统性缩 (MSA) 是一种进展性神经退行性疾病,其特征是缩在寡细胞中的α-synuclein (αSyn).
• 现有的临床分类 (MSA-C,MSA-P) 可能无法完全捕捉到MSA的病理异质性.
• 假设不同的αSyn菌株有助于各种疾病表型.

研究的目的:

• 开发和应用一种新的基于计算机的方法来量化αSyn病理,特别是MSA中的质细胞质内含症 (GCIs),在MSA.
• 为了研究GCI大小,密度和不同大脑区域和MSA病例的整体αSyn病理的变异性.
• 探索形态变量,发病年龄之间的潜在相关性,并确定新的MSA亚型.

主要方法:

• 利用了一种新的基于计算机的图像分析技术,对20个MSA病例的免疫染的大脑组织 (膜和小脑白质) 进行了分析.
• 使用ImageJ软件量化GCI大小,所有αSyn病理的密度和GCI数量.
• 雇佣无监督的K-手段集群分析以根据特定区域的形态变量对MSA病例进行分类.

主要成果:

• 在不同病例和大脑区域 (P < .0001) 中,GCI大小具有显著的变异性.
• 观察到区域和病例之间的GCI密度和数量以及整体αSyn病理学的异质性.
• MSA-C病例显示大脑小白质中αSyn病理密度显著更高 (P = .049);确定了3个不同的MSA集群.

结论:

• 开发了一种可访问的,基于计算机的方法,用于在MSA中进行详细的神经病理学分析,以帮助未来的AI驱动研究.
• 强调了定量分析对于检测常规诊断中遗漏的微妙病理特征的重要性.
• 结果表明存在未被识别的MSA亚型,强调了当前临床分类的局限性.