高度悪性グリオーマの予後神経エピジェネティックシグネチャ

高度膠質腫瘍における神経上皮遺伝マーカーと予後の研究 背景と研究動機 高度膠質腫瘍(glioma)は非常に悪性度の高い脳腫瘍であり、患者の予後は通常悪い。以前の臨床前モデル研究は、神経と腫瘍細胞の相互作用が腫瘍の成長を促進することを示していたが、臨床でこのメカニズムを検証することはまだ限られていた。高度膠質腫瘍の分子メカニズムを理解するために、研究者たちは表観遺伝学に基づく神経マーカー(neural signature)を患者の生存期間を予測するための手段として提案した。中枢神経系(CNS)腫瘍の表観遺伝的特徴を分析することにより、臨床的に重要なサブクラスを特定することを目指している。 研究の出典 この論文はリチャード・ドレクスラーらによって執筆されており、彼らはそれぞれドイツのハンブルク大...

軽度認知障害およびアルツハイマー型認知症におけるEEG周期成分のベータ/シータパワー比の潜在的なバイオマーカー

アルツハイマー病研究と治療最前線:脳波周期成分におけるベータ/シータ電力比の潜在バイオマーカー 背景紹介 アルツハイマー病(Alzheimer’s dementia, AD)は、進行性の病気であり、全認知症症例の60%から80%を占める[1]。ADの初期段階では、軽度認知障害(Mild Cognitive Impairment, MCI)が現れ、この段階では個人がまだ自立した生活を送ることができる[2]。MCIとADまたは健康な加齢の区別をつけるためのバイオマーカーは、予防介入策の開発に不可欠であり、生活の質を向上させ、ケアの負担を軽減し、ケアコストを下げるのに役立つ[3]。 脳波(Electroencephalogram, EEG)は、非侵襲的で低コストのツールであり、異なる空間スケールで...

シータオシレーションは順次作業記憶における前頭前皮質-海馬相互作用をサポートします

海馬前額葉相互作用が系列作業記憶を支えるθ振動の研究 学術背景 背外側前頭前皮質 (dorsolateral prefrontal cortex, DLPFC) と海馬は系列作業記憶 (sequential working memory) において重要な役割を果たしますが、その具体的な相互作用のメカニズムは明らかにされていません。過去の研究では、これらの脳領域が情景記憶や空間ナビゲーションにおいてθ振動を介して相互作用することが示されていますが、作業記憶における具体的な役割はさらなる探求が必要とされています。いくつかの研究では、海馬と前頭前皮質のθコヒーレンシーは空間や物体の情景学習に関連しており、病変や機能障害がそのような記憶能力に影響を与えることが示されています。本研究の目的は、DLPF...

刺激前のシータおよびアルファ振動の増加は、クロスモーダル連想の成功したエンコーディングに先行する

刺激前のθ波およびα波振動の増加がクロスモーダル記憶エンコードを強化する 背景紹介 エピソード記憶(episodic memory)は人間の記憶の重要な構成要素であり、そのコアメカニズムの一つは異なる感覚チャネルからの刺激を通じて連想を形成することである。しかし、現行の理論によれば、クロスモーダル(crossmodal)連想エンコードの過程において、θ波(theta band、3-7 Hz)振動の位相とパワーが機能的な役割を果たしている。また、刺激提示前にθ波範囲内(3-7 Hz)およびα波範囲内(8-12 Hz)や低β波範囲内(13-20 Hz)で持続的な振動活動が存在すると、これが後の記憶過程や認知処理に調整作用を与えることが示唆されている。 研究課題 本研究は、以下の仮説を検証すること...

階層的ネガティブサンプリングに基づくグラフ対照学習アプローチによる薬剤-疾患関連予測

階層的負サンプリングに基づくグラフ対比学習を用いた薬物-疾患関連予測の研究 薬物-疾患関連(RDAs)の予測は、疾患治療戦略の解明や薬物の再利用において重要な役割を果たしています。しかし、既存の方法は主に限定されたドメイン特有の知識に依存して薬物と疾患の候補関連を予測しているため、効果が限定されています。また、薬物-疾患関係の未知の情報を単純に負のサンプルとして定義することには固有の欠点があります。これらの課題を克服するため、本研究では階層的な負のサンプリングに基づく新しいグラフ対比モデルであるHSGCL-RDAを提案し、薬物と疾患の潜在的な関連を予測します。 研究背景と研究課題 薬物開発および疾患進行の制御プロセスは長くて高価であり、増え続ける疾患の数とその変異により効果的な薬物の需要が増...

生物ネットワークからタンパク質知識を学習することによる薬物ターゲット親和性の予測

##生物ネットワークを学習してタンパク質知識を用い薬物-標的親和性を予測する 背景紹介 薬物-標的親和性(drug-target affinity, DTA)の予測は、新薬の発見過程において重要な位置を占めています。効率的かつ正確なDTA予測は、新薬開発の時間と経済的コストを大幅に短縮できます。近年、深層学習技術の爆発的発展により、DTA予測に強力なサポートが提供されています。既存のDTA予測方法は主に1Dタンパク質配列に基づく方法と2Dタンパク質構造図に基づく方法に分けられます。しかし、これらの方法は標的タンパク質の内在特性にのみ注目し、過去の研究で明らかにされているタンパク質相互作用の広範な先験知識を無視しています。 この問題に対して、本研究ではMSF-DTA(多源特徴融合に基づく薬物-...