La maladie d'Alzheimer (AD), un trouble neurodégénératif marqué par une accumulation de plaque amyloïde et un déclin cognitif, reste une condition difficile à comprendre au niveau moléculaire. Bien que des recherches substantielles se soient concentrées sur la pathologie de la maladie, il reste beaucoup inconnu sur la façon dont les interactions génétiques contribuent à la progression de la maladie. Les modèles traditionnels ont des limites, en particulier en termes de résolution spatiale et de capture de la dynamique des gènes dans différentes régions du cerveau. Compte tenu de ces défis, il est urgent d'explorer comment les gènes interagissent dans différentes régions du cerveau et à différents stades d'Alzheimer pour mieux comprendre ses mécanismes.
Publié (doi: 10.1016 / j.gendis.2024.101337) Gènes et maladies Le 22 mai 2024, une équipe de chercheurs de Sun Yat-Sen University, de Central South University, de l'Université de Tulane et de l'Université du Kansas emploie des transcriptomiques spatiales de pointe (ST) pour étudier les interactions gènes complexes dans AD. En analysant les données des modèles de souris et des échantillons humains, la recherche identifie la façon dont les associations génétiques dans les principales régions du cerveau, comme l'hippocampe (HP) et le cortex entorhinal (ENTI), le changement avec l'âge et la progression de la maladie. L'étude met en évidence les gènes clés, notamment Ttr et Trem2qui se comportent différemment de différents phénotypes, offrant de nouvelles perspectives sur leur rôle dans la MA et l'ouverture de la porte à des cibles thérapeutiques potentielles.
L'étude plonge profondément dans la MA en examinant comment les interactions génétiques varient à l'autre entre les groupes d'âge et les régions cérébrales. En utilisant ST à la fois à la fois des modèles de souris Knock-in APP et des échantillons humains, les chercheurs ont cartographié l'activité des gènes dans des zones cérébrales critiques comme le HP et l'Enti. Ils ont découvert que des gènes comme Ttrimpliqué dans l'autorisation amyloïde-bêta, et Trem2un facteur de risque d'annonce, a montré différents comportements en fonction du stade de la maladie et de l'âge de l'individu. Par exemple, alors que Ttr A présentant un degré de réseau plus élevé dans des cerveaux plus jeunes et sains, il a montré des interactions modifiées dans les cerveaux plus âgés et affectés à AD. De la même manière, Trem2 a montré une expression différentielle dans les deux régions cérébrales, indiquant un rôle complexe dans le métabolisme des lipides et la barrière hémato-encéphalique. L'étude a également souligné comment les interactions du ligand-récepteur (LR) changent dans le temps, avec des changements significatifs entre les groupes de 3 mois et 18 mois, affectant potentiellement la réponse immunitaire et la clairance de la plaque. De plus, les réseaux de facteur de transcription cartographiés de la recherche (TF), qui ont montré comment différentes régions des HP et de l'Enti régulent les fonctions synaptiques et cognitives, fournissant des informations cruciales sur les fondements moléculaires d'AD.
Le Dr Hongwen Deng, un expert de premier plan de la recherche d'Alzheimer, a commenté les résultats de l'étude: « Cette recherche est un progrès majeur dans la compréhension de la dynamique moléculaire de la MA. Développer des traitements plus efficaces et personnalisés pour la maladie, offrant de l'espoir pour ralentir ou même empêcher ses effets dévastateurs sur la fonction cérébrale. «
Les résultats de cette étude offrent une nouvelle approche pour étudier la publicité en se concentrant sur les réseaux de gènes qui changent au fil du temps et dans les régions du cerveau. L'identification de gènes comme Ttr et Trem2 Fournit des biomarqueurs potentiels pour la détection précoce et les cibles thérapeutiques. La compréhension de la dynamique spatio-temporelle des interactions gènes pourrait conduire à des stratégies de traitement personnalisées plus précises pour les patients d'Alzheimer. Les recherches futures avec des ensembles de données à haute résolution affineront ces idées et pourraient conduire à des traitements innovants qui ciblent la maladie à différents stades, ce qui contribue finalement à ralentir sa progression et à améliorer les résultats des patients.
