前沿进展 | 拯救消失的记忆:阿尔兹海默症何时能治愈? | MedChemExpress (MCE)

随着年龄的增长,有些老人会出现健忘和痴呆的症状,是的,阿尔兹海默症。本期小 M  要为大家介绍的话题,要从下面这幅图聊起……




01
画钟测试

 

图1. 引用自:《迷失钟表展》

So, What’s this? 人类幼崽的胡乱涂鸦?熊孩子犯瞌睡时的潦草画作?

No,大 No 特 No,这些更有可能是阿尔兹海默症老人描画的自己脑海中“准确的”时钟。

这些所谓“准确的”时钟,实际上是一种疾病检测手段,即画钟测试。

图 2. 示例时钟绘图[1]

图像的 Shulman 评分范围为 0 到 5,评分越低,表示认知障碍越严重。每个评分中的图像数量显示在评分标签下方。
 
简单来说,就是医生会拿出纸和笔,并下达指令:“来吧,老人家,画一个钟面,先画数字,并且将时间设置在 ××”。

随后医生会根据广为接受的 Shulman 评分标准对其进行研究打分。虽然 CDT 相对容易实施,但评估和解释画钟并不简单,通常需要专业临床知识。

  画钟测试:
  

The clock-drawing test, CDT一种经典的床边测试,用于认知筛查和监测痴呆严重程度。

20 世纪初,神经心理学研究人员开发了时钟绘制测试 (CDT),最初用于评估因头部受伤而患有失用症的士兵。这种情况导致士兵难以正确构图。经过不断演变,发展为认知评估工具进行广泛评估。




那为什么选择时钟图像呢?
因为其复杂性。
是的,画钟表看似是一项简单的任务,但它要求大脑的不同区域协调活动。

被试者在写数字的同时必须考虑到所有数字以及数字与钟表圆圈的关系,同时要保证它们的空间位置正确。要求计划、组织等多种认知过程参与,并执行协调多个步骤。同时,伴随指令下画钟表,这需要视觉-知觉和视觉-运动加工[2]

当然,也有不同难易程度的指令。这些不同的技能部分在大脑不同部位以不同的方式组合,损伤部位不同会导致纸上截然不同的画图。
目前,钟面画测试已成为一种敏感的筛选工具,被广泛用于筛选老年痴呆症以及相关脑损伤病人。
02
机制假说

阿尔茨海默病患者表现出大量淀粉样蛋白-β (Amyloid-β, Aβ) 斑块和神经原纤维缠结 (Neurofibrillary tangles, NFTs) 在其大脑内的积累,并伴有一系列病理过程,如神经炎症、突触功能障碍、线粒体和生物能量紊乱以及血管异常[3]

目前主要存在胆碱能、Aβ 类淀粉样蛋白级联、Tau 蛋白异常磷酸化等三大主流假说。

胆碱能假说

胆碱能假说 (Cholinergic hypothesis)是最早描述 AD 发病机制的假说。它描述了麦纳尔基底核 (Nucleus basalis of meynert, NBM) 胆碱能神经元的严重损伤,导致主要投射区-大脑皮层和海马 (与学习和记忆相关的区域) 的胆碱乙酰转移酶 (ChAT) 活性显著降低 (图 3)

此外,这种神经元损伤伴随着老年斑密度的显著增加。胆碱能假说提示 AD 患者基底前脑胆碱能缺失与认知障碍之间存在密切关系。

图 3. AD 发病机理:“胆碱能假说”示意图[3] 

如图所示:首先,乙酰胆碱 (ACh) 由胆碱和乙酰辅酶 A 在胆碱转移酶 (ChAT) 的作用下合成,然后通过囊泡乙酰胆碱转运体 (VAChT) 转运到突触囊泡中。当神经信号到达时,ACh 被释放,并与突触后膜上的毒蕈碱和烟碱乙酰胆碱受体 (mAChRs 和 nAChRs) 结合,传递神经信号。随后,突触间隙中的 ACh 被乙酰胆碱酯酶 (AChE) 降解为胆碱,并被重新吸收到突触前胆碱能神经元中。由于 ChAT 活性下降,加上 Aβ 对营养失衡、ACh 合成、释放和降解的不利影响,导致 ACh 水平降低。这种下降会损害其在学习、记忆、运动调节和睡眠周期调节中的生理功能。
 

▐ 相关药物/疗法 

乙酰胆碱酯酶抑制剂 (AChEis)减少内源性释放的 ACh 的分解,从而导致突触后 ACh 受体的激活度增加 (图 4)

例如:多奈哌齐(Donepezil)、卡巴拉汀(Rivastigmine) 和加兰他明(Galantamine),在 20 多年前被批准,目前仍然是临床治疗 AD 的主要药物。

先展示下效果 https://pan.quark.cn/s/a4b39357ea24 遗传算法 - 简书 遗传算法的理论是根据达尔文进化论而设计出来的算法: 人类是朝着好的方向(最优解)进化,进化过程中,会自动选择优良基因,淘汰劣等基因。 遗传算法(英语:genetic algorithm (GA) )是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。 进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择、杂交等。 搜索算法的共同特征为: 首先组成一组候选解 依据某些适应性条件测算这些候选解的适应度 根据适应度保留某些候选解,放弃其他候选解 对保留的候选解进行某些操作,生成新的候选解 遗传算法流程 遗传算法的一般步骤 my_fitness函数 评估每条染色体所对应个体的适应度 升序排列适应度评估值,选出 前 parent_number 个 个体作为 待选 parent 种群(适应度函数的值越小越好) 从 待选 parent 种群 中随机选择 2 个个体作为父方和母方。 抽取父母双方的染色体,进行交叉,产生 2 个子代。 (交叉概率) 对子代(parent + 生成的 child)的染色体进行变异。 (变异概率) 重复3,4,5步骤,直到新种群(parentnumber + childnumber)的产生。 循环以上步骤直至找到满意的解。 名词解释 交叉概率:两个个体进行交配的概率。 例如,交配概率为0.8,则80%的“夫妻”会生育后代。 变异概率:所有的基因中发生变异的占总体的比例。 GA函数 适应度函数 适应度函数由解决的问题决定。 举一个平方和的例子。 简单的平方和问题 求函数的最小值,其中每个变量的取值区间都是 [-1, ...
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值