TY - THES A1 - Weigl, Johannes T1 - Die Rolle von Progranulin in der bipolar-affektiven Störung T1 - Progranulin plasma levels and genotypes in bipolar disorder patients N2 - Durch Messung der Progranulinspiegel im Blutplasma mittels ELISA konnte in vorliegender Arbeit ein signifikanter Unterschied zwischen bipolaren Patienten und Kontrollen nachgewiesen werden. Dabei wies das Patientenkollektiv durchschnittlich niedrigere Konzentrationen auf. Befunde vorausgegangener Studien deuten darauf hin, dass ein peripherer Progranulinmangel auch mit zentralnervösen Veränderungen einhergehen kann und somit einen Anteil an der Pathophysiologie der bipolaren Störung haben könnte. Insbesondere eine immunologisch-entzündliche Dysregulation sowie fehlende neurotrophe Impulse könnten dabei eine wesentliche Rolle spielen. Überdies fiel bei der Auswertung der Daten eine hochsignifikante Korrelation zwischen Progranulinspiegel und Lebensalter der Probanden auf. Dabei nahm mit steigendem Alter auch die periphere Progranulinkonzentration zu, was im Zuge des physiologischen Alterungsprozesses oder aber auch als Folge von neurodegenerativen bzw. - inflammatorischen Vorgängen auftreten könnte. Bei der molekulargenetischen Untersuchung der Polymorphismen rs2879096, rs4792938 und rs5848 konnten keine signifikanten Unterschiede in der Genotypen- und Haplotypenverteilung zwischen Patienten und Kontrollen gefunden werden, was sich möglicherweise auf die relativ kleine Stichprobe von 181 Probanden zurückführen lässt. Zumindest existieren Hinweise auf eine Rolle der jeweiligen Polymorphismen bei verschiedenen neuropsychiatrischen Erkrankungen, möglicherweise auch bei der bipolaren Störung. Außerdem fand sich bei den im Progranulingen liegenden SNPs rs2879096 und rs4792938 keine Assoziation einer Risikogenvariante zu veränderten Progranulinspiegeln, das heißt keiner der beiden Polymorphismen scheint funktionelle Bedeutung zu haben. Somit ließe sich kein Effekt des Genotyps auf die periphere Progranulinkonzentration nachweisen, wobei wiederum die verhältnismäßig niedrigen Fallzahlen beachtet werden müssen. Der in der 3’UTR liegende SNP rs5848 scheint hingegen im Patientenkollektiv zu deutlich erniedrigten Proteinspiegeln zu führen. Dieser Befund steht auch im Einklang 47 mit einer Vielzahl von Studien, die rs5848 eine Bedeutung bei verschiedenen neuropsychiatrischen Erkrankungen beimessen und unterstreicht die Rolle niedriger Progranulinkonzentrationen in der bipolaren Störung. Zusammenfassend lässt sich feststellen, dass bei bipolaren Patienten signifikant niedrigere Progranulinkonzentrationen als in der Kontrollgruppe gemessen wurden. Weitere Studien, welche die zu Grunde liegenden biochemischen Vorgänge und Pathomechanismen erforschen, wären nun von Interesse, um ein besseres Verständnis der Erkrankung zu erlangen. Langfristig wäre die Nutzung des Progranulinspiegels als diagnostisches Werkzeug erstrebenswert, wobei sich dies auf Grund des großen Overlaps zwischen Patienten- und Kontrollgruppe wohl eher schwierig gestalten wird. Die relativ unkomplizierte Progranulinbestimmung im Blutplasma könnte möglicherweise im Rahmen einer Messung vieler verschiedener Parameter als Baustein eines diagnostischen Apparates zur Erkennung der bipolaren affektiven Störung dienen. Somit wären weiterführende Untersuchungen anhand größerer Fallzahlen und funktionelle Studien der pathomechanistischen Zusammenhänge des Progranulins ein interessantes Feld, um einige der zahlreichen ungeklärten Fragen rund um die bipolare Störung weiter aufzuklären. N2 - Subject: Progranulin plasma levels and genotypes in bipolar disorder patients Methods: ELISA of progranulin and genotyping of 3 SNPs in patients and healthy controls Results: Progranulin plasma levels werde significantly reduced in bipolar patients. Progranulin levels were significantly higher with increased age in patients and healthy controls. Conclusions: Progranulin as an inflammatory biomarker could be involved in the pathogenesis of bipolar disorder, at least in a subgroup of patients KW - bipolar KW - Biomarker KW - Inflammation KW - Neurodegeneration KW - Bipolare Störung KW - Progranulin KW - Neuroinflammation KW - Biomarker KW - Neurodegeneration Y1 - 2013 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-103590 ER - TY - THES A1 - Altides, Anastasia Elisabeth T1 - BDNF Plasma Level als Marker für Alzheimer in der VITA Studie T1 - BDNF plasma levels as a marker for Alzheimer Disease in the VITA study N2 - HINTERGRUND: Der brain-derived neurotrophic factor (BDNF) reguliert die synaptische Plastizität und spielt somit eine wichtige Rolle in der Gedächtnisbildung und -erhaltung. Deswegen gibt es eingehende Untersuchungen dieses neurotrophischen Faktors in Bezug auf Demenzerkrankungen, vor allem der Alzheimer Demenz. In dieser Studie wurde nach einem Zusammenhang zwischen BDNF Blutplasmawerten und der Alzheimer Demenz in einer longitudinalen Kohortenstudie, der Vienna-Transdanube-Aging(VITA)-Studie gesucht. METHODEN: Die VITA-Studie ist eine kommunale Kohortenstudie aller 75jährigen Einwohner einer geographischen Region Wiens. Es wurden die BDNF Plasmawerte der Basisuntersuchung und der ersten Folgeuntersuchung 30 Monate später als mögliche Biomarker für die Alzheimer Demenz untersucht. Assoziationen zwischen BDNF Plasmawerten und anderen epidemiologischen Eckdaten wurden ebenfalls analysiert. ERGEBNISSE: Wir konnten keine Assoziation zwischen BDNF Plasmawerten und der Entwicklung oder einer bereits bestehenden Alzheimer Demenz finden. Geschlecht, Body-Maß-Index und Depression stellten sich als Komorbiditäts-Faktoren von Demenz-erkrankungen dar. SCHLUSSFOLGERUNG: BDNF Plasmawerte sind diesen Ergebnissen nach kein so viel versprechender molekularer Marker für Alzheimer Demenz wie erhofft. BDNF wird jedoch weiterhin in vielen interessanten Studienprotokollen untersucht, da es sowohl im Blutserum als auch im Hirngewebe nachgewiesen werden kann und somit viele diagnostische und therapeutische Ansätze inspiriert. N2 - BACKGROUND: Brain-derived neurotrophic factor (BDNF) regulates the plasticity of synapses and plays an important role in developing and sustaining memory. Therefore it is intensely researched with regard to dementia, especially Alzheimer’s disease. In this study, we searched for a relationship between BDNF plasma levels and Alzheimer’s disease in a longitudinal cohort, the Vienna-Transdanube-Aging (VITA)-study. METHODS: The VITA is a prospective community-based cohort study of all 75 years old inhabitants of a geographical region of Vienna. We have investigated the BDNF plasma levels of the baseline and the first follow-up 30 months later as a possible biomarker for Alzheimer’s disease. Associations between BDNF plasma levels and other epidemiologic data were also analyzed. RESULTS: We found no association between BDNF plasma levels and the development or existence of Alzheimer’s disease. Gender, body-mass-index and depression were shown to be co-morbid to dementia. CONCLUSION: According to these results, BDNF plasma levels are not as promising as a molecular marker for Alzheimer’s disease as hoped for. BDNF, though, is still subject to many interesting study protocols, as it can be detected also in blood serum and brain tissue and therefore invites many diagnostic and therapeutic scenarios. KW - Alzheimer-Krankheit KW - Brain-derived neurotrophic factor KW - Depression KW - Biomarker KW - VITA Studie KW - Plasma Level KW - Alzheimer disease KW - BDNF KW - depression KW - VITA study KW - plasma levels Y1 - 2011 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-57274 ER - TY - THES A1 - Hahn, Tim T1 - Integrating neurobiological markers of depression: an fMRI-based pattern classification approach T1 - Integration neurobiologischer Marker depressiver Erkrankungen mittels fMRT-basierter Musterklassifikation N2 - While depressive disorders are, to date, diagnosed based on behavioral symptoms and course of illness, the interest in neurobiological markers of psychiatric disorders has grown substantially in recent years. However, current classification approaches are mainly based on data from a single biomarker, making it difficult to predict diseases such as depression which are characterized by a complex pattern of symptoms. Accordingly, none of the previously investigated single biomarkers has shown sufficient predictive power for practical application. In this work, we therefore propose an algorithm which integrates neuroimaging data associated with multiple, symptom-related neural processes relevant in depression to improve classification accuracy. First, we identified the core-symptoms of depression from standard classification systems. Then, we designed and conducted three experimental paradigms probing psychological processes known to be related to these symptoms using functional Magnetic Resonance Imaging. In order to integrate the resulting 12 high-dimensional biomarkers, we developed a multi-source pattern recognition algorithm based on a combination of Gaussian Process Classifiers and decision trees. Applying this approach to a group of 30 healthy controls and 30 depressive in-patients who were on a variety of medications and displayed varying degrees of symptom-severity allowed for high-accuracy single-subject classification. Specifically, integrating biomarkers yielded an accuracy of 83% while the best of the 12 single biomarkers alone classified a significantly lower number of subjects (72%) correctly. Thus, integrated biomarker-based classification of a heterogeneous, real-life sample resulted in accuracy comparable to the highest ever achieved in previous single biomarker research. Furthermore, investigation of the final prediction model revealed that neural activation during the processing of neutral facial expressions, large rewards, and safety cues is most relevant for over-all classification. We conclude that combining brain activation related to the core-symptoms of depression using the multi-source pattern classification approach developed in this work substantially increases classification accuracy while providing a sparse relational biomarker-model for future prediction. N2 - Während depressive Erkrankungen bislang größtenteils auf der Basis von Symptomen auf der Verhaltensebene und den jeweiligen Krankheitsverläufen diagnostiziert werden, hat das Interesse an der Verwendung neurobiologischer Marker bei psychischen Erkrankungen in den letzten Jahren stark zugenommen. Da jedoch die momentan verfügbaren Klassifikationsansätze zumeist auf Informationen eines einzelnen Biomarkers beruhen, ist die Vorhersage von auf der Symptomebene so komplexen Erkrankungen wie Depressionen in der Praxis deutlich erschwert. Dementsprechend konnte keiner der einzelnen bisher untersuchten Biomarker eine Vorhersagegüte erreichen, die für die praktische Anwendung eines solchen Ansatzes im klinischen Alltag ausreichend wäre. Vor diesem Hintergrund schlagen wir deshalb zur Verbesserung der Klassifikationsgüte einen Algorithmus vor, der Messdaten vielfältiger depressionsrelevanter neuronaler Prozesse integriert. Zunächst wurden hierzu die Kernsymptome depressiver Erkrankungen aus standardisierten Klassifikationssystemen ermittelt. Anschließend entwickelten wir drei experimentelle Paradigmen, welche die Messung neuronaler Korrelate der mit den depressiven Kernsymptomen assoziierten psychologischen Prozesse mittels funktioneller Kernspintomographie ermöglichen. Um die resultierenden 12 hochdimensionalen Biomarker zu integrieren, entwickelten wir basierend auf der Kombination von Gauß-Prozess Klassifikatoren und Entscheidungsbäumen einen zweistufigen Mustererkennungsalgorithmus für multiple, hochdimensionale Datenquellen. Dieser Ansatz wurde an einer Gruppe von 30 gesunden Probanden und 30 unterschiedlich schwer betroffenen und unterschiedlich medizierten stationären depressiven Patienten evaluiert. Insgesamt ermöglicht der Ansatz eine hohe Klassifikationsgüte auf Einzelfallebene. Insbesondere die Integration der verschiedenen Biomarker führte zu einer Klassifikationsgüte von 83%, wohingegen die alleinige Klassifikationsgüte der 12 einzelnen Biomarker mit bestenfalls 72% deutlich geringer ausfiel. Somit konnte der entwickelte Klassifikationsansatz in einer heterogenen, im Alltag aber typisch anzutreffenden depressiven Patientenstichprobe, eine Klassifikationsgüte erreichen, die mit der bislang bestmöglichen durch einzelne Biomarker erreichten Klassifikationsgüte in selektiven Einzelstichproben vergleichbar ist. Darüber hinaus zeigte die Analyse des empirischen Prädiktionsmodells, dass die Kombination der neuronalen Aktivität während der Verarbeitung von neutralen Gesichtern, großen monetären Belohnungen und Sicherheitssignalen zur optimalen Gesamtklassifikation führt. Zusammenfassend lässt sich schlussfolgern, dass der im Rahmen dieser Arbeit entwickelte, zweistufige Mustererkennungsalgorithmus für multiple, hochdimensionale Datenquellen die Klassifikationsgüte substantiell verbessert und erstmals die Konstruktion eines effizienten relationalen Biomarker-Modells für zukünftige Vorhersagen ermöglicht. KW - Patientenklassifikation KW - Depression KW - Biomarker KW - Neurobiologie KW - Algorithmus KW - Gauss Prozess Klassifikation KW - Klassifikations- und Regressionsbaum KW - Systematik KW - Automatische Klassifikation KW - Magnetische Resonanz KW - Gaussian Process Classification Y1 - 2010 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-49962 ER -