Un nuevo protocolo automático de cuantificación para biomarcadores de tauopatías en el hipocampo y la corteza entorrinal de muestras post-mortem utilizando un U-Net semi-siamés extendido
Autores: Campero-Garcia, Luis A.; Cantoral-Ceballos, Jose A.; Martinez-Maldonado, Alejandra; Luna-Muñoz, Jose; Ontiveros-Torres, Miguel A.; Gutierrez-Rodriguez, Andres E.
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Un nuevo protocolo automático de cuantificación para biomarcadores de tauopatías en el hipocampo y la corteza entorrinal de muestras post-mortem utilizando un U-Net semi-siamés extendido
Categoría
Ciencias Naturales y Subdisciplinas
Subcategoría
Biología
Palabras clave
Esfuerzos
Enfermedades neurodegenerativas
Tauopatías
Proteína tau
Ovillos neurofibrilares
Biomarcadores
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 19
Citaciones: Sin citaciones
Se han realizado esfuerzos para diagnosticar y predecir el curso de diferentes enfermedades neurodegenerativas a través de diversas técnicas de imagen. En particular, las tauopatías, donde el polipéptido tau es un participante clave en la patogénesis molecular, han aumentado significativamente su morbilidad y mortalidad en la población humana a lo largo de los años. Sin embargo, el enfoque estándar para explorar el fenómeno de la neurodegeneración en las tauopatías no se ha dirigido a comprender el mecanismo molecular que causa el comportamiento polimérico y fibrilar aberrante de la proteína tau, que forma ovillos neurofibrilares que reemplazan a las poblaciones neuronales en las regiones hipocampal y cortical. El objetivo principal de este trabajo es implementar un nuevo protocolo de cuantificación para diferentes biomarcadores basado en las modificaciones post-traduccionales patológicas que sufre la tau en los cerebros de pacientes con tauopatías. El protocolo de cuantificación consiste en una adaptación de la arquitectura de red neuronal U-Net. Utilizamos las máscaras de segmentación resultantes para la cuantificación de señales fluorescentes combinadas de los diferentes cambios moleculares que sufrió la tau en los ovillos neurofibrilares. La cuantificación considera los ovillos neurofibrilares como una estructura de estudio individual separada del resto del cuadrante presente en las imágenes. Esto nos permite detectar señales de interacción no convencionales entre los diferentes biomarcadores. Nuestro algoritmo proporciona información que será fundamental para comprender la patogénesis de las demencias con otro enfoque de análisis computacional en estudios posteriores.
Descripción
Se han realizado esfuerzos para diagnosticar y predecir el curso de diferentes enfermedades neurodegenerativas a través de diversas técnicas de imagen. En particular, las tauopatías, donde el polipéptido tau es un participante clave en la patogénesis molecular, han aumentado significativamente su morbilidad y mortalidad en la población humana a lo largo de los años. Sin embargo, el enfoque estándar para explorar el fenómeno de la neurodegeneración en las tauopatías no se ha dirigido a comprender el mecanismo molecular que causa el comportamiento polimérico y fibrilar aberrante de la proteína tau, que forma ovillos neurofibrilares que reemplazan a las poblaciones neuronales en las regiones hipocampal y cortical. El objetivo principal de este trabajo es implementar un nuevo protocolo de cuantificación para diferentes biomarcadores basado en las modificaciones post-traduccionales patológicas que sufre la tau en los cerebros de pacientes con tauopatías. El protocolo de cuantificación consiste en una adaptación de la arquitectura de red neuronal U-Net. Utilizamos las máscaras de segmentación resultantes para la cuantificación de señales fluorescentes combinadas de los diferentes cambios moleculares que sufrió la tau en los ovillos neurofibrilares. La cuantificación considera los ovillos neurofibrilares como una estructura de estudio individual separada del resto del cuadrante presente en las imágenes. Esto nos permite detectar señales de interacción no convencionales entre los diferentes biomarcadores. Nuestro algoritmo proporciona información que será fundamental para comprender la patogénesis de las demencias con otro enfoque de análisis computacional en estudios posteriores.