将个性化生物标志物轨迹与共同的时间轴对齐:以连接体为基础的ODE模型用于Tau-Amyloidβ动态

科学领域:

• 神经科学
• 生物物理
• 计算生物学

背景情况:

• 阿尔茨海默病 (AD) 的诊断依赖于像异常的和粉样β等成像生物标志物.
• 基于机制的生物物理模型对于理解这些AD生物标志物的时空动态至关重要.

研究的目的:

• 开发基于连接体的普通微分方程 (ODE) 模型,用于预测tau和粉样β (Aβ) 生物标志物的个性化未来值.
• 将脑缩作为神经退行标记纳入tau-Aβ模型.
• 通过为统一的队列分析引入正常化疾病年龄来解决时间轴的年龄限制.

主要方法:

• 使用基于连接体的ODE模型,将tau和Aβ动态的扩散,反应和清除术语结合起来.
• 考虑了tau-Aβ相互作用,并假定异常的局部初始条件.
• 整合了脑缩的数学模型, 并使用正常化的疾病年龄来追踪生物标志物的动态.
• 分析了兴趣区域的tau-Aβ时间相关性.

主要成果:

• ODE模型成功地捕获了tau和粉样β (Aβ) 的动态.
• 标准化的疾病年龄有助于统一受试者的发展轨迹,并使综合队列分析成为可能.
• 通过tau-Aβ时间相关性分析,在不同疾病阶段确定了各种大脑区域 (ROI) 的不同作用.

结论:

• 开发的ODE模型为阿尔茨海默病生物标志物进展的个性化预测提供了一个框架.
• 在AD群中分析生物标志物动态时,正常化的疾病年龄是一个更有效的时间轴.
• 对于理解阿尔茨海默病的进展来说,了解对tau-Aβ动态的区域特异性贡献至关重要.