AD(Alzheimer’s disease):不可逆的神经退化,患病人员会由于脑部问题的恶化而导致心智功能不健全。
ADNI:阿尔茨海默氏症神经成像项目
ADNI的总体目标是验证用于阿尔茨海默病临床治疗试验的生物标记物

Study Design

该研究支持关于减慢和停止AD的恶化进程的治疗方案的发展和研究。最终目标是确证在老年痴呆症的临床治疗中使用的生物指标(生物标记物)
通过研究来自多种形式的ADNI剖面的和纵向的数据已经得到的知识:

  • AD病理在人们外表正常且没有记忆丢失的时候就已经出现,而且这些认知正常的人可能已经有了轻微的脑萎缩。
  • 在AD中存在淀粉样蛋白沉积、糖代谢下降和大脑结构改变的典型模式
  • 认知能力下降更密切相关τ(tau)然后是Aß沉积
  • AD的特征是大脑连接体的逐渐破坏。随着疾病的发展,大脑重要区域之间的联系越来越少
  • 除了APOE4,还有许多基因是AD的基础。ADNI数据已经帮助鉴定或确认了目前已经鉴定的大约20个基因中的10个
  • 脑血管疾病可加速AD的进展
  • 认知正常组和MCI组在病理上都是异质性的。有些人没有表现出AD的迹象,有些人表现出迅速发展为AD的迹象,而有些人则表现出发展为痴呆而不是AD的迹象

背景和基本原理

AD是65岁以上人群中最常见的痴呆症病因,但仍没有预防方法。ADNI研究的目标是利用生物标志物和临床测量手段跟踪疾病的进展,以评估四种疾病状态下大脑的结构和功能。
ADNI参与者跨越四个阶段: 1/GO/2/3

CN 正常老化/认知正常 -- 对照受试者
SMC 重要记忆关注 -- 解决健康老年人对照组与MCI之间的差距

SMC参与者的认知能力得分在正常范围内

MCI 轻度认知障碍

  • EMCI 早期认知障碍 ADNI GO/2
  • MCI 轻度认知障碍 ADNI1/3
  • LMCI 晚期认知障碍 ADNI GO/2

生物标志物

生物标志物是生物状态的物质、测量或指标。在出现临床症状之前,生物标志物可能存在。ADNI使用各种生物标志物来帮助预测阿尔茨海默病的发病

研究目标

ADNI1:

  • 开发改进的方法,为获取老年痴呆症(AD)、轻度认知障碍(MCI)和老年人对照患者的纵向、多位点MRI和PET数据制定统一标准
  • 获得一般可访问的数据仓库,描述大脑结构和代谢的纵向变化,以及临床/认知和生物标志物数据,以验证影像学替代物
  • 在涉及这些患者的试验中,开发出能够最大限度地确定治疗效果的方法
  • 测试基于临床和生物标记数据的一系列假设

ANDI GO:

  • 通过招募200名AD症状最轻微的患者(EMCI)来定义和描述MCI之前的AD谱阶段
  • 对ADNI1和新入组EMCI受试者的CN和LMCI受试者进行F18淀粉样蛋白成像。FDG PET将与F18淀粉样蛋白成像联合进行
  • 建立一个全国性的F18淀粉样蛋白成像网络,测试关于脑淀粉样蛋白积累的流行程度和严重程度及其与临床状态、MRI、FDG-PET、CSF和ADNI1血浆生物标志物的变化的关系的假设
  • 在基线、第3个月、第6个月和第12个月收集所有新入组的受试者的3T MRI
  • 对来自ADNI1的约500名LMCI和认知正常的受试者进行纵向临床/认知和1.5T MRI研究,为期2年
  • 收集和分析所有新入组的EMCI和随访受试者的血液和脑脊液生物标志物
  • 采集血液样本进行DNA和RNA提取。新入组的受试者还将采集细胞永生化和APOE基因分型的样本

ADNI2:

  • 随着病理的发展,确定阿尔茨海默氏病(AD)的临床、影像学、遗传和生化生物标志物特征之间的关系
  • 为AD的神经科学提供信息,识别可用于临床试验的诊断和预后标记和结果度量,并帮助开发最有效的临床试验方案
  • 制定统一标准,获取AD、MCI和老年人对照患者纵向多位点MRI和PET数据
  • 对550名新入组的受试者进行纵向临床、认知、MRI、PET (18F-Florbetapir和FDG)和血液和脑脊液生物标志物研究,并对ADNI1和ADNI的约700名受试者继续这些研究5年
  • 采集血液样本进行DNA和RNA提取。新入组的受试者还将采集细胞永生化和APOE基因分型的样本
  • 通过参加尸检的ADNI1、ADNI GO和ADNI2参与者的神经病理学检查,验证临床诊断、影像学和生物标志物替代物

ADNI3:

  • 认知和相关生物标志物的纵向变化
  • 认知衰退的预测
  • 通过将结果与标准的临床测量和病理学相关联,验证基线和纵向获得的生物标志物测量结果
  • 确定注意认知下降和AV-1451 PET (tau PET)的最佳结果措施,认知下降的预测因子,认知正常参与者(二级临床前AD试验)、MCI患者(前驱症状AD试验)和AD引起的早期痴呆患者的临床试验的纳入/排除标准
  • 确定在AD大脑和基因中发现的其他已知疾病蛋白以及新发现的基因、蛋白质和分析物的作用,这些分析物提供了关于AD发病/诊断的有用信息

study design of ADNI的更多相关文章

  1. ADNI以及study design简介

    相关名词: MCI:轻度认知功能障碍 EMCI:早期认知障碍 MCI:轻度认知障碍 LMCI:晚期认知障碍 CN:认知正常的志愿者 DTI:doppler tissue imaging,多普勒组织显像 ...

  2. How to (seriously) read a scientific paper

    How to (seriously) read a scientific paper Adam Ruben’s tongue-in-cheek column about the common diff ...

  3. ctDNA 相关网站-liquid-biopsy

    http://www.gene-quantification.de/liquid-biopsy.html Liquid Biopsy -- Definitions Liquid Biopsy -- r ...

  4. 如何成为一个javascript高手【转载】

      原文网址: http://www.cnblogs.com/keva/p/how-to-become-a-javascript-badass.html 英文网址:http://www.clientc ...

  5. 框架源码系列三:手写Spring AOP(AOP分析、AOP概念学习、切面实现、织入实现)

    一.AOP分析 问题1:AOP是什么? Aspect Oriented Programming 面向切面编程,在不改变类的代码的情况下,对类方法进行功能增强. 问题2:我们需要做什么? 在我们的框架中 ...

  6. PID控制器(比例-积分-微分控制器)- II

    Table of Contents Practical Process Control Proven Methods and Best Practices for Automatic PID Cont ...

  7. 相关系数(CORRELATION COEFFICIENTS)会骗人?

    CORRELATION COEFFICIENTS We've discussed how to summarize a single variable. The next question is ho ...

  8. (转)Awesome Courses

    Awesome Courses  Introduction There is a lot of hidden treasure lying within university pages scatte ...

  9. L320 What late-night snacking has to do with sleep

    What late-night snacking has to do with sleep Light-night snacking isn’t just something college stud ...

随机推荐

  1. HashMap原理、源码、实践

    HashMap是一种十分常用的数据结构,作为一个应用开发人员,对其原理.实现的加深理解有助于更高效地进行数据存取.本文所用的jdk版本为1.5. 使用HashMap <Effective JAV ...

  2. hdu 3191 次短路的长度和个数

    http://acm.hdu.edu.cn/showproblem.php?pid=3191 求次短路的长度和个数 相关分析在这里http://blog.csdn.net/u012774187/art ...

  3. LogisticRegression in MLLib

    例子 iris数据训练Logistic模型.特征petal width和petal height,分类目标有三类. import org.apache.spark.mllib.classificati ...

  4. 使用Charles对Android App的https请求进行抓包

    本文背景 公司新项目要求抓取目前市面上一些热门App的数据,经过研究发现很多App的网络请求都使用https进行数据传输,这样问题就来了,http使用明文传输所有请求都能拦截到,而https请求无法拦 ...

  5. Android .9 图片

    最初对 .9 图片不是十分理解,一些教程让人摸不到头脑. 最近重新研究终于明白了它的原理. 其实最重要的一点记住就可以了,就是 .9 图片的四条黑边的意义,每条黑边的意义都不一样: 顶部:在水平拉伸的 ...

  6. Borrowed Time

    嘛,这是第一篇博客啦~ 应该会发知识点总结和题解一类的东西 当然也会拿这个博客当todolist使用了 希望自己可以变得更强吧

  7. SpringBoot2 web

    验证框架 SpringBoot支持JSR-303,Bean等验证框架 JSR-303 JSR-303是Java的标准验证框架,已有实现Hibernate validator. JSR-303验证类型 ...

  8. CF1082解题报告

    CF1082A Vasya and Book 模拟一下即可 \(Code\ Below:\) #include <bits/stdc++.h> using namespace std; c ...

  9. GoLang学习控制语句之字符串

    Go语言字符串是一种值类型,且值不可变,即创建某个文本后你无法再次修改这个文本的内容:更深入地讲,字符串是字节的定长数组.Go 代码使用 UTF-8 编码(且不能带 BOM),同时标识符支持 Unic ...

  10. [Swift]优先队列PriorityQueue(自定义数据结构)

    优先队列[priority queue] 普通的队列是一种先进先出的数据结构,元素在队列尾追加,而从队列头删除. 优先队列特点:在优先队列中,元素被赋予优先级. 当访问元素时,具有最高优先级的元素最先 ...