Covalently closed circular RNA molecules (circRNAs) have recently emerged as a class of RNA isoforms with widespread and tissue specific expression across animals, oftentimes independent of the corresponding linear mRNAs. circRNAs are remarkably stable and sometimes highly expressed molecules. Here, we sequenced RNA in human peripheral whole blood to determine the potential of circRNAs as biomarkers in an easily accessible body fluid. We report the reproducible detection of thousands of circRNAs. Importantly, we observed that hundreds of circRNAs are much higher expressed than corresponding linear mRNAs. Thus, circRNA expression in human blood reveals and quantifies the activity of hundreds of coding genes not accessible by classical mRNA specific assays. Our findings suggest that circRNAs could be used as biomarker molecules in standard clinical blood samples.

Background Late Onset Alzheimer's disease (LOAD) is the leading cause of dementia. Recent large genome-wide association studies (GWAS) identified the first strongly supported LOAD susceptibility genes since the discovery of the involvement of APOE in the early 1990s. We have now exploited these GWAS datasets to uncover key LOAD pathophysiological processes. Methodology We applied a recently developed tool for mining GWAS data for biologically meaningful information to a LOAD GWAS dataset. The principal findings were then tested in an independent GWAS dataset. Principal Findings We found a significant overrepresentation of association signals in pathways related to cholesterol metabolism and the immune response in both of the two largest genome-wide association studies for LOAD. Significance Processes related to cholesterol metabolism and the innate immune response have previously been implicated by pathological and epidemiological studies of Alzheimer's disease, but it has been unclear whether those findings reflected primary aetiological events or consequences of the disease process. Our independent evidence from two large studies now demonstrates that these processes are aetiologically relevant, and suggests that they may be suitable targets for novel and existing therapeutic approaches.

Background Imaging with amyloid-β PET can potentially aid the early and accurate diagnosis of Alzheimer's disease. Florbetaben (18F) is a promising 18F-labelled amyloid-β-targeted PET tracer in clinical development. We aimed to assess the sensitivity and specificity of florbetaben (18F) PET in discriminating between patients with probable Alzheimer's disease and elderly healthy controls. Methods We did a multicentre, open-label, non-randomised phase 2 study in 18 centres in Australia, Germany, Switzerland, and the USA. Imaging with florbetaben (18F) PET was done on patients with probable Alzheimer's disease (age 55 years or older, mini-mental state examination [MMSE] score=18–26, clinical dementia rating [CDR]=0·5–2·0) and age-matched healthy controls (MMSE ≥28, CDR=0). Our primary objective was to establish the diagnostic efficacy of the scans in differentiating between patients with probable disease and age-matched healthy controls on the basis of neocortical tracer uptake pattern 90–110 min post-injection. PET images were assessed visually by three readers masked to the clinical diagnosis and all other clinical findings, and quantitatively by use of pre-established brain volumes of interest to obtain standard uptake value ratios (SUVRs), taking the cerebellar cortex as the reference region. This study is registered with ClinicalTrials.gov, number NCT00750282. Findings 81 participants with probable Alzheimer's disease and 69 healthy controls were assessed. Independent visual assessment of the PET scans showed a sensitivity of 80% (95% CI 71–89) and a specificity of 91% (84–98) for discriminating participants with Alzheimer's disease from healthy controls. The SUVRs in all neocortical grey-matter regions in participants with Alzheimer's disease were significantly higher (p<0·0001) compared with the healthy controls, with the posterior cingulate being the best discriminator. Linear discriminant analysis of regional SUVRs yielded a sensitivity of 85% and a specificity of 91%. Regional SUVRs also correlated well with scores of cognitive impairment such as the MMSE and the word-list memory and word-list recall scores (r −0·27 to −0·33, p≤0·021). APOE ɛ4 was more common in participants with positive PET images compared with those with negative scans (65% vs 22% [p=0·027] in patients with Alzheimer's disease; 50% vs 16% [p=0·074] in healthy controls). No safety concerns were noted. Interpretation We provide verification of the efficacy, safety, and biological relevance of florbetaben (18F) amyloid-β PET and suggest its potential as a visual adjunct in the diagnostic algorithm of dementia. Funding Bayer Schering Pharma AG.

Genetic discoveries of Alzheimer's disease are the drivers of our understanding, and together with polygenetic risk stratification can contribute towards planning of feasible and efficient preventive and curative clinical trials. We first perform a large genetic association study by merging all available case-control datasets and by-proxy study results (discovery n = 409,435 and validation size n = 58,190). Here, we add six variants associated with Alzheimer's disease risk (near APP, CHRNE, PRKD3/NDUFAF7, PLCG2 and two exonic variants in the SHARPIN gene). Assessment of the polygenic risk score and stratifying by APOE reveal a 4 to 5.5 years difference in median age at onset of Alzheimer's disease patients in APOE ɛ4 carriers. Because of this study, the underlying mechanisms of APP can be studied to refine the amyloid cascade and the polygenic risk score provides a tool to select individuals at high risk of Alzheimer's disease.

Minimally invasive biomarkers are urgently needed to detect molecular pathology in frontotemporal dementia (FTD) and amyotrophic lateral sclerosis (ALS). Here, we show that plasma extracellular vesicles (EVs) contain quantifiable amounts of TDP-43 and full-length tau, which allow the quantification of 3-repeat (3R) and 4-repeat (4R) tau isoforms. Plasma EV TDP-43 levels and EV 3R/4R tau ratios were determined in a cohort of 704 patients, including 37 genetically and 31 neuropathologically proven cases. Diagnostic groups comprised patients with TDP-43 proteinopathy ALS, 4R tauopathy progressive supranuclear palsy, behavior variant FTD (bvFTD) as a group with either tau or TDP-43 pathology, and healthy controls. EV tau ratios were low in progressive supranuclear palsy and high in bvFTD with tau pathology. EV TDP-43 levels were high in ALS and in bvFTD with TDP-43 pathology. Both markers discriminated between the diagnostic groups with area under the curve values >0.9, and between TDP-43 and tau pathology in bvFTD. Both markers strongly correlated with neurodegeneration, and clinical and neuropsychological markers of disease severity. Findings were replicated in an independent validation cohort of 292 patients including 34 genetically confirmed cases. Taken together, the combination of EV TDP-43 levels and EV 3R/4R tau ratios may aid the molecular diagnosis of FTD, FTD spectrum disorders and ALS, providing a potential biomarker to monitor disease progression and target engagement in clinical trials.

Abstract Background Alzheimer’s disease (AD) is characterized by the accumulation of amyloid-β (Aβ) peptides in intra- and extracellular deposits. How Aβ aggregates perturb the proteome in brains of patients and AD transgenic mouse models, however, remains largely unclear. State-of-the-art mass spectrometry (MS) methods can comprehensively detect proteomic alterations in neurodegenerative disorders, providing relevant insights unobtainable with transcriptomics investigations. Analyses of the relationship between progressive Aβ aggregation and protein abundance changes in brains of 5xFAD transgenic mice have not been reported previously. Methods We quantified progressive Aβ aggregation in hippocampus and cortex of 5xFAD mice and controls with immunohistochemistry and biochemical membrane filter assays. Protein changes in different mouse tissues were analysed by MS-based proteomics using label-free quantification (LFQ); resulting MS data were processed using an established pipeline. Results were contrasted with existing proteomic data sets from postmortem AD patient brains. Finally, abundance changes in the candidate marker Arl8b were validated in CSF from AD patients and controls using ELISAs. Results: Experiments revealed a more rapid accumulation of Aβ42 peptides in hippocampus than in cortex of 5xFAD mice, accompanied by many more protein abundance changes in hippocampus than in cortex, indicating that Aβ42 aggregate deposition is associated with brain region-specific proteome perturbations. Generating time-resolved data sets, we defined Aβ aggregate-correlated and anticorrelated proteome changes, a fraction of which was conserved in postmortem AD patient brain tissue, suggesting that proteome changes in 5xFAD mice mimic disease relevant changes in human AD. We detected a positive correlation between Aβ42 aggregate deposition in the hippocampus of 5xFAD mice and the abundance of the lysosome-associated small GTPase Arl8b, which accumulated together with axonal lysosomal membranes in close proximity of extracellular Aβ plaques in 5xFAD brains. Abnormal aggregation of Arl8b was observed in AD brain tissue. Arl8b protein levels were significantly increased in cerebrospinal fluid (CSF) of AD patients, a clinically accessible body fluid. Conclusions We report a comprehensive biochemical and proteomic investigation of hippocampal and cortical brain tissue derived from 5xFAD transgenic mice, providing a valuable resource to the neuroscientific community. We identified Arl8b, with significant abundance changes in 5xFAD and AD patient brains. Arl8b might enable the measurement of progressive lysosome accumulation in AD patients and have clinical utility as a candidate biomarker. Data are available via ProteomeXchange with identifier PXD030348.

Blood-based biomarkers are a cost-effective and minimally invasive method for diagnosing the early and preclinical stages of amyloid positivity (AP). Our study aims to investigate our novel immunoprecipitation-immunoassay (IP-IA) as a test for predicting cognitive decline.

Abstract Neuroimaging markers based on Magnetic Resonance Imaging (MRI) combined with various other measures (such as informative covariates, vascular risks, brain activity, neuropsychological test etc.,) might provide useful predictions of clinical outcomes during progression towards Alzheimer’s disease (AD). The Bayesian approach aims to provide a trade-off by employing relevant features combinations to build decision support systems in clinical settings where uncertainties are relevant. We tested the approach in the MRI data across 959 subjects, aged 59-89 years and 453 subjects with available neuropsychological test scores and CSF biomarker status (amyloid-beta ( Aβ )42/40 & and phosphorylated tau (pTau)) from a large sample multi-centric observational cohort (DELCODE). In order to explore the beneficial combinations of information from different sources, we presented a MRI-based predictive modelling of memory performance and CSF biomarker status (positive or negative) in the healthy ageing group as well as subjects at risk of Alzheimer’s disease using a Gaussian process multikernel framework. Furthermore, we systematically evaluated predictive combinations of input feature sets and their model variations, i.e. (A) combinations of brain tissue classes and feature type (modulated vs. unmodulated), choices of filter size of smoothing (ranging from 0 to 15 mm full width at half maximum), and image resolution (1mm, 2mm, 4mm and 8mm); (B) incorporating demography and covariates (C) the impact of the size of the training data set (i.e., number of subjects); (D) the influence of reducing the dimensions of data and (E) choice of kernel types. Finally, the approach was tested to reveal individual cognitive scores at follow-up (up to 4 years) using the baseline features. The highest accuracy for memory performance prediction was obtained for a combination of neuroimaging markers, demographics, genetic information (ApoE4) and CSF-biomarkers explaining 57% of outcome variance in out of sample predictions. The best accuracy for Aβ 42 / 40 status classification was achieved for combination demographics, ApoE4 and memory score while usage of structural MRI improved the classification of individual patient’s pTau status.