Refine
Year of publication
Document Type
- Preprint (661)
- Article (351)
- Doctoral Thesis (1)
Has Fulltext
- yes (1013)
Is part of the Bibliography
- no (1013)
Keywords
- Heavy Ion Experiments (20)
- Hadron-Hadron Scattering (11)
- Hadron-Hadron scattering (experiments) (11)
- Heavy-ion collision (6)
- Collective Flow (4)
- Quark-Gluon Plasma (4)
- Jets (3)
- Jets and Jet Substructure (3)
- Charm physics (2)
- Experimental nuclear physics (2)
Institute
- Physik (1002)
- Frankfurt Institute for Advanced Studies (FIAS) (933)
- Informatik (891)
- ELEMENTS (3)
- Informatik und Mathematik (3)
- Medizin (3)
- Hochschulrechenzentrum (2)
Outcomes of SARS-CoV-2 infections in patients with neurodegenerative diseases in the LEOSS cohort
(2021)
The impact of preexisting neurodegenerative diseases on superimposed SARS-CoV-2 infections remains controversial. Here we examined the course and outcome of SARS-CoV-2 infections in patients affected by Parkinson's disease (PD) or dementia compared to matched controls without neurodegenerative diseases in the LEOSS (Lean European Open Survey on SARS-CoV-2-infected patients) cohort, a large-scale prospective multicenter cohort study...
Die Hippocampusformation ist eine wichtige Hirnstruktur für die Gedächtnisakquisition und -konsolidierung, insbesondere beim räumlichen Lernen spielt sie eine essentielle Rolle. Langzeitpotenzierung (LTP) gilt als das elektrophysiologische Korrelat der synaptischen Plastizität, dem langfristigen Umbau synaptischer Verbindungen, der letztlich zur Ausbildung stabiler, langanhaltender Erinnerungen führt. Signalübertragung über den cAMP/PKA/MAPK/CREB-Weg stellt den wichtigsten molekularen Mechanismus der Langzeitpotenzierung dar, CREB gilt als die zentrale Komponente und Schnittstelle dieser Übertragung. Neuronale Plastizität ist abhängig von de-novo-Pro-teinbiosynthese, an deren Regulation Veränderungen der Chromatinstruktur durch Histonmodifikationen beteiligt ist, in die der genannte Signalweg mündet.
Circadiane Rhythmen sind in den meisten Spezies in vielen verschiedenen Organen und Geweben nachgewiesen und manifestieren sich als Einflüsse auf zahlreiche Parameter des Verhaltens, so auch auf die Leistung beim Erlernen neuer Information. Ihr zentraler Taktgeber ist der Nucleus suprachiasmaticus (SCN). Melatonin ist ein wichtiges Effektorsignal des circadianen Systems und hat gleichzeitig Rückkopplungsfunktion. Seine unmittelbare Wirkung übt es über die beiden G-Protein-gekoppelten Melatonin-rezeptoren MT1 und MT2 aus. Es hat direkten Einfluss auf das Lernen und stellt damit einen Schnittpunkt zwischen Signalwegen der synaptischen Plastizität und des circadianen Systems dar.
Der Lernerfolg vieler Tierarten ist bekanntermaßen während deren subjektivem Tag höher als während der Nacht. In dieser Arbeit konnte gezeigt werden, dass beim räumlichen Lernen bereits ein einmaliger Stimulus ausreicht, um im Hippocampus der verwendeten C3H-Mäuse eine stabile Induktion der Phosphorylierung von CREB sowie der transkriptionsaktivierenden Histonmodifikationen H3K9ac und H3K14ac zu erzeugen. Ein einmaliger Stimulus hat also verstärkte Signaltransduktion und Protein-syntheseaktivität als Zeichen synaptischer Plastizität zur Folge. Dies geschieht nur tagsüber, nachts zeigt sich kein Effekt. Somit spiegelt sich der Phänotyp in diesen molekularen Markern wider. Anhand eines Mausmodells mit genetischem Knockout der beiden membrangebundenen Melatoninrezeptoren MT1 und MT2 (MT1/2−/−) wurde der Einfluss von Melatonin auf die molekularen Prozesse des hippocampalen Lernens näher beleuchtet. Über MT1/2−/−-Mäuse ist bekannt, dass ihr Lernerfolg in den benutzten Verhaltensversuchen zu jeder Tageszeit auf dem Niveau der C3H-Mäuse während der Nacht liegt. Zunächst zeigt sich, dass in MT1/2−/−-Mäusen die Grundrhythmen der meisten untersuchten Proteine und Histonmodifikationen verändert, teilweise phasenverschoben und abgeflacht sind. Eine Induktion von pCREB und H3K9ac und H3K14ac ist in diesen Tieren nicht mehr erreichbar und somit nach einem einmaligen Lernstimulus keine vermehrte Signalübertragung oder synaptischer Umbau nachweisbar. Auch hier besteht eine gute Korrelation mit dem Lernphänotyp. Weiterhin wurden Unterschiede im Aktivitätsmuster der beiden Mäusestämme gezeigt, MT1/2−/−-Mäuse sind abhängig von der Situation weniger oder gleich aktiv wie C3H-Tiere. Im Angstverhalten als möglichem Störfaktor besteht kein Unterschied zwischen beiden Tierstämmen.
Melatoninrezeptoren wirken über inhibitorische G-Proteine auf die Adenylatcyclase und hemmen den cAMP/CREB-Signalübertragung, was die schlechtere Lernperformance während der Nacht erklärt, wenn der Melatoninspiegel seinen natürlichen Höhepunkt erreicht. Durch Melatonin lassen sich auch tagsüber bei Mäusen und Zebrafischen LTP und räumliches Lernen unterdrücken. Jedoch lässt sich durch diese akute Wirkung von Melatonin nur ein Teil der Ergebnisse erklären, so zum Beispiel die veränderte Aktivität von PKA und PKC. Um das scheinbar paradoxe verschlechterte Lernverhalten der MT1/2−/−-Mäuse und die fehlende Induzierbarkeit von pCREB und Chromatinremodelling zu erklären, muss ein längerfristiger Effekt von Melatonin bestehen, der über dessen maximale Konzentration hinaus anhält und in seiner Abwesenheit zu verbesserter Signalübertragung führt. Hierfür ist eine Sensibilisierung der Adenylatcyclase durch prolongierte Melatoninexposition, wie sie beispielsweise in Zellen der Pars tuberalis nachgewiesen wurde, beschrieben worden. Es konnte in dieser Arbeit gezeigt werden, dass Melatonin vielfältigen Einfluss auf das hippocampale Lernen hat und dieses mit der inneren Uhr verbindet.
Background: Biological psychiatry aims to understand mental disorders in terms of altered neurobiological pathways. However, for one of the most prevalent and disabling mental disorders, Major Depressive Disorder (MDD), patients only marginally differ from healthy individuals on the group-level. Whether Precision Psychiatry can solve this discrepancy and provide specific, reliable biomarkers remains unclear as current Machine Learning (ML) studies suffer from shortcomings pertaining to methods and data, which lead to substantial over-as well as underestimation of true model accuracy.
Methods: Addressing these issues, we quantify classification accuracy on a single-subject level in N=1,801 patients with MDD and healthy controls employing an extensive multivariate approach across a comprehensive range of neuroimaging modalities in a well-curated cohort, including structural and functional Magnetic Resonance Imaging, Diffusion Tensor Imaging as well as a polygenic risk score for depression.
Findings Training and testing a total of 2.4 million ML models, we find accuracies for diagnostic classification between 48.1% and 62.0%. Multimodal data integration of all neuroimaging modalities does not improve model performance. Similarly, training ML models on individuals stratified based on age, sex, or remission status does not lead to better classification. Even under simulated conditions of perfect reliability, performance does not substantially improve. Importantly, model error analysis identifies symptom severity as one potential target for MDD subgroup identification.
Interpretation: Although multivariate neuroimaging markers increase predictive power compared to univariate analyses, single-subject classification – even under conditions of extensive, best-practice Machine Learning optimization in a large, harmonized sample of patients diagnosed using state-of-the-art clinical assessments – does not reach clinically relevant performance. Based on this evidence, we sketch a course of action for Precision Psychiatry and future MDD biomarker research.