阿尔茨海默病的动态脑功能网络拓扑特性及其病理基础研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    81901824
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    20.0万
  • 负责人：
    谢腾
  • 依托单位：
    北京大学
  • 学科分类：
    H2708.医学图像数据处理、分析与可视化
  • 结题年份：
    2021
  • 批准年份：
    2019
  • 项目状态：
    已结题
  • 起止时间：
    2020-01-01 至2021-12-31

项目摘要

Alzheimer’s disease (AD) is a common neurodegenerative disease. The cause of AD and its preceding stage, mild cognitive impairment (MCI)， remains unknown. Biomarkers for early diagnosis is a key topic of AD research. Previous brain network studies based on resting-state functional magnetic resonance imaging (fMRI) have found significant changes of network topological parameters in patients with AD and MCI, demonstrating that AD is a syndrome of “disconnection”, but the dynamics of brain functional network is generally ignored. The current study will construct dynamic functional networks of AD, MCI and healthy controls, calculate and compare the topological characteristics among the 3 groups. We will also explore the relationship between network parameters and the morphological and cognitive measurements. Furthermore, combined with positron emission computed tomography (PET) data, we will analyze the relationship between dynamic network parameters and the burden of amyloid β, the neuropathological biomarker of AD. Our research would bring new perspectives to the understanding of the neural mechanism of AD and MCI, and may provide potential biomarkers for the early diagnosis of the diseases.
阿尔茨海默病（AD）是一种神经退行性疾病，其前驱期为轻度认知损害（MCI），两者病因尚不明确，其早期诊断指标仍是国内外研究重点。既往基于静息态功能磁共振成像（fMRI）的脑网络研究发现，AD和MCI患者的脑网络拓扑结构发生了显著改变，提示AD是一种失连接综合症，然而脑功能网络的动态特性及其潜在病理机制并未得到深入研究。本研究拟使用滑动窗法，利用静息态fMRI数据构建AD、MCI以及正常老人的动态脑功能网络，分析比较其拓扑特性，并考察脑网络属性与灰质结构、临床认知表现之间的关系。此外，本课题还将结合正电子发射计算机断层扫描成像数据，计算被试脑内淀粉样蛋白（Aβ）沉积状况，考察动态脑功能网络特性与Aβ神经病理负荷之间的关系，深入探索脑功能网络的潜在病理基础。本课题的研究结果有望揭示AD和MCI的神经网络特征，寻找潜在的影像学标记物，促进疾病的早期识别，并为理解AD相关神经生物机制带来新的视角。

结项摘要

阿尔茨海默病（AD）是一种神经退行性疾病，其前驱期为轻度认知损害（MCI），两者病因尚不明确，其早期诊断指标仍是国内外研究重点。既往基于静息态功能磁共振成像（fMRI）的脑网络研究发现，AD和MCI患者的脑网络拓扑结构发生了显著改变，提示AD是一种失连接综合症，然而脑功能网络的动态特性及其潜在病理机制并未得到深入研究。本研究拟使用滑动窗法，利用静息态fMRI数据构建AD、MCI以及正常老人的动态脑功能网络，分析比较其拓扑特性，并考察脑网络属性与灰质结构、临床认知表现之间的关系。此外，本课题还将结合正电子发射计算机断层扫描成像数据，计算被试脑内淀粉样蛋白（Aβ）沉积状况，考察动态脑功能网络特性与Aβ神经病理负荷之间的关系，深入探索脑功能网络的潜在病理基础。本课题的研究结果有望揭示AD和MCI的神经网络特征，寻找潜在的影像学标记物，促进疾病的早期识别，并为理解AD相关神经生物机制带来新的视角。

项目成果

期刊论文数量（0）
专著数量（0）
科研奖励数量（0）
会议论文数量（0）
专利数量（0）

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

使用分数低频振幅（fALFF）方法分析慢性吸烟者脑自发活动情况：一项静息态功能磁共振（fMRI）研究
  • DOI：
    --
  • 发表时间：
    2014
  • 期刊：
    Chinese Medical Journal
  • 影响因子：
    6.1
  • 作者：
    彭朋;谢腾;贺永;王辰
  • 通讯作者：
    王辰
非等时距灰色预测模型在连拱隧道监测中的应用
  • DOI：
    --
  • 发表时间：
    2013
  • 期刊：
    现代隧道技术
  • 影响因子：
    --
  • 作者：
    郭云开;谢腾;程刚;乐小勇
  • 通讯作者：
    乐小勇

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码