Refine
Has Fulltext
- yes (3)
Is part of the Bibliography
- yes (3)
Year of publication
- 2010 (3) (remove)
Document Type
- Doctoral Thesis (2)
- Journal article (1)
Keywords
- Biomarker (3) (remove)
Background: An inducible release of soluble junctional adhesion molecule-A (sJAM-A) under pro-inflammatory conditions was described in cultured non-CNS endothelial cells (EC) and increased sJAM-A serum levels were found to indicate inflammation in non-CNS vascular beds. Here we studied the regulation of JAM-A expression in cultured brain EC and evaluated sJAM-A as a serum biomarker of blood-brain barrier (BBB) function. Methodology/Principal Findings: As previously reported in non-CNS EC types, pro-inflammatory stimulation of primary or immortalized (hCMEC/D3) human brain microvascular EC (HBMEC) induced a redistribution of cell-bound JAM-A on the cell surface away from tight junctions, along with a dissociation from the cytoskeleton. This was paralleled by reduced immunocytochemical staining of occludin and zonula occludens-1 as well as by increased paracellular permeability for dextran 3000. Both a self-developed ELISA test and Western blot analysis detected a constitutive sJAM-A release by HBMEC into culture supernatants, which importantly was unaffected by pro-inflammatory or hypoxia/reoxygenation challenge. Accordingly, serum levels of sJAM-A were unaltered in 14 patients with clinically active multiple sclerosis compared to 45 stable patients and remained unchanged in 13 patients with acute ischemic non-small vessel stroke over time. Conclusion: Soluble JAM-A was not suited as a biomarker of BBB breakdown in our hands. The unexpected non-inducibility of sJAM-A release at the human BBB might contribute to a particular resistance of brain EC to inflammatory stimuli, protecting the CNS compartment.
Integrating neurobiological markers of depression: an fMRI-based pattern classification approach
(2010)
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.
Der Prozess von der Entdeckung und Entwicklung eines potentiellen Arzneistoffs bis zu dessen Zulassung ist extrem kosten‐ und zeitintensiv und eine Vielzahl dieser Stoffe kann aufgrund toxischer Nebenwirkungen in präklinischen Studien nicht weiterentwickelt werden. Dabei ist die Niere eines der Hauptziele von Xenobiotika‐induzierter Organtoxizität, jedoch ist eine frühe Detektion von Nierenschäden schwierig. Den derzeitig verwendeten klinischen Parameter, wie Blutharnstoff (BUN) und Serumkreatinin fehlt es an Sensitivität und Spezifität, da sie Fremdstoff‐induzierte Toxizität meist erst aufzeigen, wenn schon ein erheblicher Teil der Nierenfunktion beeinträchtigt ist. Daher ist es notwendig, empfindlichere und zuverlässigere Biomarker zu identifizieren und zu validieren, welche kleinste Nierenschädigungen früher als traditionelle Parameter erkennen. In den letzten Jahren wurden in der Literatur aber auch von verschiedenen Projekten eine Reihe neuer gen‐basierender und Urinbiomarker (Kim‐1, Clusterin, Lipocalin‐2, Timp‐1) identifiziert. Ziel dieser Dissertation war es die Aussagekraft dieser Marker im Vergleich zu traditionellen Endpunkten, einschließlich klinische Chemie und Histopathologie an Gewebe‐, Urin‐ und Serumproben von männlichen Ratten, welche mit Modellsubstanzen für Nephrotoxizität (Aristolochiasäure und Gentamicin) oder nephrotoxischen Arzneistoffkandidaten (PredTox Projekt) behandelt wurden, mittels qRT‐PCR, Immunhistochemie und ELISA zu untersuchen. Zusammenfassend kann man sagen, dass die Effekte auf Ebene der Gen‐ und Proteinexpression generell sehr gut mit den histopathologischen Veränderungen korrelieren. Sie konnten meist früher oder in niedrigeren Dosierungen als die traditionellen Nierenmarker BUN und Serumkreatinin detektiert werden. Eine erhöhte Expression und Exkretion von Kim‐1 zeigte sich in allen Studien als eine der frühesten Antworten auf Schädigung der proximalen Tubuli und stellt somit den empfindlichsten Biomarker dar. Die erhöhte Ausscheidung von Clusterin konnte teilweise vor einer veränderten Gen‐ und Proteinexpression im Gewebe detektiert werden und unterstützen die Verwendung von Clusterin als nicht‐invasiven Biomarker. Obwohl eine gesteigerte Exkretion von Lipocalin‐2 sehr früh nach Schädigung des proximalen Tubulus detektiert werden konnte, ist diese nicht spezifisch für einen Nierenschaden. Dennoch könnte die vermehrte Expression/Ausscheidung von Lipocalin‐2 als frühe Antwort auf eine Entzündung oder einen Gewebeschaden eine sinnvolle Ergänzung der routinemäßigen Testung auf Toxizität darstellen. Ebenfalls konnte ein dosis‐ und zeitabhängiger Konzentrationsanstieg von einem Großteil der potentiellen Biomarker des „WideScreen™ Rat Kidney Toxicity Panels 1 and 2“ im Urin beobachtet werden. Da jedoch die potentiellen Biomarker unterschiedliche Empfindlichkeiten besitzen und unter Umständen auch vom Mechanismus der Toxizität von Verbindungen abhängen, erscheint eine Kombination von verschiedenen Biomarkern zur frühzeitigen Erkennung von proximalen Nierenschäden sowie zur Verlaufskontrolle von Nierenerkrankungen sinnvoll. Durch die einfache Probenahme und leichte Bestimmung ist die Messung der neuen potentiellen Nierenbiomarker im Urin neben der Bestimmung der traditionellen Parameter der klinischen Chemie sowie der Histopathologie sinnvoll für die Identifizierung von Nierenschädigungen in präklinischen Studien.