In mice, natural resistance or susceptibility to infection with intracellular parasites is determined by a locus or group of loci on chromosome 1, designated Bcg, Lsh, and Ity, which controls early microbial replication in reticuloendothelial organs. We have identified by positional cloning a candidate gene for Bcg, Nramp1, which codes for a novel macrophage-specific membrane transport protein. We have created a mouse mutant bearing a null allele at Nramp1, and we have analyzed the effect of such a mutation on natural resistance to infection. Targeted disruption of Nramp1 has pleiotropic effects on natural resistance to infection with intracellular parasites, as it eliminated resistance to Mycobacterium bovis, Leishmania donovani, and lethal Salmonella typhimurium infection, establishing that Nramp1, Bcg, Lsh, and Ity are the same locus. Comparing the profiles of parasite replication in control and Nramp1-/- mice indicated that the Nramp1Asp169 allele of BcgS inbred strains is a null allele, pointing to a critical role of this residue in the mechanism of action of the protein. Despite their inability to control parasite growth in the early nonimmune phase of the infection, Nramp1-/- mutants can overcome the infection in the late immune phase, suggesting that Nramp1 plays a key role only in the early part of the macrophage-parasite interaction and may function by a cytocidal or cytostatic mechanism distinct from those expressed by activated macrophages.

Purpose To assess multiple sclerosis (MS) lesions at various ages by using quantitative susceptibility mapping (QSM) and conventional magnetic resonance (MR) imaging. Materials and Methods Retrospectively selected were 32 clinically confirmed MS patients (nine men and 23 women; 39.3 years ± 10.9) who underwent two MR examinations (interval, 0.43 years ± 0.16) with three-dimensional gradient-echo sequence from August 2011 to August 2012. To estimate the ages of MS lesions, MR examinations performed 0.3–10.6 years before study examinations were studied. Hyperintensity on T2-weighted images was used to define MS lesions. QSM images were reconstructed from gradient-echo data. Susceptibility of MS lesions and temporal rates of change were obtained from QSM images. Lesion susceptibilities were analyzed by t test with intracluster correlation adjustment and Bonferroni correction in multiple comparisons. Results MR imaging of 32 patients depicted 598 MS lesions, of which 162 lesions (27.1%) in 23 patients were age measurable and six (1.0%) were only visible at QSM. The susceptibilities relative to normal-appearing white matter (NAWM) were 0.53 ppb ± 3.34 for acute enhanced lesions, 38.43 ppb ± 13.0 (positive; P < .01) for early to intermediately aged nonenhanced lesions, and 4.67 ppb ± 3.18 for chronic nonenhanced lesions. Temporal rates of susceptibility changes relative to cerebrospinal fluid were 12.49 ppb/month ± 3.15 for acute enhanced lesions, 1.27 ppb/month ± 2.31 for early to intermediately aged nonenhanced lesions, and −0.004 ppb/month ± 0 for chronic nonenhanced lesions. Conclusion Magnetic susceptibility of MS lesions increased rapidly as it changed from enhanced to nonenhanced, it attained a high susceptibility value relative to NAWM during its initial few years (approximately 4 years), and it gradually dissipated back to susceptibility similar to that of NAWM as it aged, which may provide new insight into pathophysiologic features of MS lesions. © RSNA, 2013 Online supplemental material is available for this article.

Purpose Within multiple sclerosis (MS) lesions iron is present in chronically activated microglia. Thus, iron detection with MRI might provide a biomarker for chronic inflammation within lesions. Here, we examine contributions of iron and myelin to magnetic susceptibility of lesions on quantitative susceptibility mapping (QSM). Methods Fixed MS brain tissue was assessed with MRI including gradient echo data, which was processed to generate field (phase), R2* and QSM. Five lesions were sectioned and evaluated by immunohistochemistry for presence of myelin, iron and microglia/macrophages. Two of the lesions had an elemental analysis for iron concentration mapping, and their phospholipid content was estimated from the difference in the iron and QSM data. Results Three of the five lesions had substantial iron deposition that was associated with microglia and positive susceptibility values. For the two lesions with elemental analysis, the QSM derived phospholipid content maps were consistent with myelin labeled histology. Conclusion Positive susceptibility values with respect to water indicate the presence of iron in MS lesions, although both demyelination and iron deposition contribute to QSM. Magn Reson Med 74:564–570, 2015. © 2014 Wiley Periodicals, Inc.

Background The pathological processes in the first weeks of multiple sclerosis (MS) lesion formation include myelin digestion that breaks chemical bonds in myelin lipid layers. This can increase lesion magnetic susceptibility, which is a potentially useful biomarker in MS patient management, but not yet investigated. Purpose To understand and quantify the effects of myelin digestion on quantitative susceptibility mapping (QSM) of MS lesions. Study Type Histological and QSM analyses on in vitro models of myelin breakdown and MS lesion formation in vivo. Population/Specimens Acutely demyelinating white matter lesions from MS autopsy tissue were stained with the lipid dye oil red O. Myelin basic protein (MBP), a major membrane protein of myelin, was digested with trypsin. Purified human myelin was denatured with sodium dodecyl sulfate (SDS). QSM was performed on phantoms containing digestion products and untreated controls. In vivo QSM was performed on five MS patients with newly enhancing lesions, and then repeated within 2 weeks. Field Strength/Sequence 3D ‐weighted spoiled multiecho gradient echo scans performed at 3T. Assessment Region of interest analyses were performed by a biochemist and a neuroradiologist to determine susceptibility changes on in vitro and in vivo QSM images. Statistical Tests Not applicable. Results MBP degradation by trypsin increased the QSM measurement by an average of 112 ± 37 ppb, in excellent agreement with a theoretical estimate of 111 ppb. Degradation of human myelin by SDS increased the QSM measurement by 23 ppb. As MS lesions changed from gadolinium enhancing to nonenhancing over an average of 15.8 ± 3.7 days, their susceptibility increased by an average of 7.5 ± 6.3 ppb. Data Conclusion Myelin digestion in the early stages of MS lesion formation contributes to an increase in tissue susceptibility, detectable by QSM, as a lesion evolves from gadolinium enhancing to nonenhancing. Level of Evidence : 1 Technical Efficacy : Stage 3 J. Magn. Reson. Imaging 2018;47:1281–1287.

ABSTRACT Objective Prediction of disease progression is challenging in multiple sclerosis (MS) as the sequence of lesion development and retention of inflammation within a subset of chronic lesions is heterogeneous among patients. We investigated the sequence of lesion-related regional structural disconnectivity across the spectrum of disability and cognitive impairment in MS. Methods In a full cohort of 482 patients, the Expanded Disability Status Scale was used to classify patients into (i) no or mild vs (ii) moderate or severe disability groups. In 363 out of 482 patients, Quantitative Susceptibility Mapping was used to identify paramagnetic rim lesions (PRL), which are maintained by a rim of iron-laden innate immune cells. In 171 out of 482 patients, Brief International Cognitive Assessment was used to identify subjects with cognitive impairment. Network Modification Tool was used to estimate the regional structural disconnectivity due to MS lesions. Discriminative event-based modeling was applied to investigate the sequence of regional structural disconnectivity due to all representative lesions across the spectrum of disability and cognitive impairment. Results Structural disconnection in the ventral attention and subcortical networks was an early biomarker of moderate or severe disability. The earliest biomarkers of disability progression were structural disconnections due to PRL in the motor-related regions. Subcortical structural disconnection was an early biomarker of cognitive impairment. Interpretation MS lesion-related structural disconnections in the subcortex is an early biomarker for both disability and cognitive impairment in MS. PRL-related structural disconnection in the motor cortex may identify the patients at risk for moderate or severe disability in MS.

Abstract Background Multiple Sclerosis (MS), a neurodegenerative and neuroinflammatory disease, causing lesions that disrupt the brain’s anatomical and physiological connectivity networks, resulting in cognitive, visual and/or motor disabilities. Advanced imaging techniques like diffusion and functional MRI allow measurement of the brain’s structural connectivity (SC) and functional connectivity (FC) networks, and can enable a better understanding of how their disruptions cause disability in people with MS (pwMS). However, advanced MRI techniques are used mainly for research purposes as they are expensive, time-consuming and require high-level expertise to acquire and process. As an alternative, the Network Modification (NeMo) Tool can be used to estimate SC and FC using lesion masks derived from pwMS and a reference set of controls’ connectivity networks. Objective Here, we test the hypothesis that estimated SC and FC (eSC and eFC) from the NeMo Tool, based only on an individual’s lesion masks, can be used to classify pwMS into disability categories just as well as SC and FC extracted from advanced MRI directly in pwMS. We also aim to find the connections most important for differentiating between no disability vs evidence of disability groups. Materials and Methods One hundred pwMS (age:45.5 ± 11.4 years, 66% female, disease duration: 12.97 8.07 years) were included in this study. Expanded Disability Status Scale (EDSS) was used to assess disability, 67 pwMS had no disability (EDSS < 2). Observed SC and FC were extracted from diffusion and functional MRI directly in pwMS, respectively. The NeMo Tool was used to estimate the remaining structural connectome (eSC), by removing streamlines in a reference set of tractograms that intersected the lesion mask. The NeMo Tool’s eSC was used then as input to a deep neural network to estimate the corresponding FC (eFC). Logistic regression with ridge regularization was used to classify pwMS into disability categories (no disability vs evidence of disability), based on demographics/clinical information (sex, age, race, disease duration, clinical phenotype, and spinal lesion burden) and either pairwise entries or regional summaries from one of the following matrices: SC, FC, eSC, and eFC. The area under the ROC curve (AUC) was used to assess the classification performance. Both univariate statistics and parameter coefficients from the classification models were used to identify features important to differentiating between the groups. Results The regional eSC and eFC models outperformed their observed FC and SC counterparts (p-value < 0.05), while the pairwise eSC and SC performed similarly (p=0.10). Regional eSC and eFC models had higher AUC (0.66-0.68) than the pairwise models (0.60-0.65), with regional eFC having highest classification accuracy across all models. Ridge regression coefficients for the regional eFC and regional observed FC models were significantly correlated (Pearson’s r = 0.52, p-value < 10e-7). Decreased estimated SC node strength in default mode and ventral attention networks and increased eFC node strength in visual networks was associated with evidence of disability. Discussion Here, for the first time, we use clinically-acquired lesion masks to estimate both structural and functional connectomes in patient populations to better understand brain lesion-dysfunction mapping in pwMS. Models based on the NeMo Tool’s estimates of SC and FC better classified pwMS by disability level than SC and FC observed directly in the individual using advanced MRI. This work provides a viable alternative to performing high-cost, advanced MRI in patient populations, bringing the connectome one step closer to the clinic. Highlights We compared the accuracy of models based on observed functional connectivity (FC) and structural connectivity (SC) networks extracted from advanced MRI and estimated FC and SC networks derived using only lesion masks from conventional MRI in classifying people with multiple sclerosis (pwMS) into disability groups. Estimated SC and FC generally outperformed observed SC and FC in classifying pwMS into no disability vs evidence of disability groups, with regional estimated SC and FC having the best performance. Increased estimated FC node strength of regions in the visual network was associated with disability. Decreased estimated SC node strength of regions in the default mode and ventral attention networks was associated with disability. Despite their varied sources of origin, feature weights for the regional estimated FC and the regional observed FC classification models was significantly correlated (Pearson’s r = 0.52, p-value < 10e-7).

Abstract Background and Purpose Chronic active multiple sclerosis (MS) lesions are characterized by a paramagnetic rim at the edge of the lesion and are associated with increased disability in patients. Quantitative susceptibility mapping (QSM) is an MRI technique that is sensitive to chronic active lesions, termed rim+ lesions on the QSM. We present QSMRim-Net, a data imbalance-aware deep neural network that fuses lesion-level radiomic and convolutional image features for automated identification of rim+ lesions on QSM. Methods QSM and T2-weighted-Fluid-Attenuated Inversion Recovery (T2-FLAIR) MRI of the brain were collected at 3T for 172 MS patients. Rim+ lesions were manually annotated by two human experts, followed by consensus from a third expert, for a total of 177 rim+ and 3986 rim negative (rim-) lesions. Our automated rim+ detection algorithm, QSMRim-Net, consists of a two-branch feature extraction network and a synthetic minority oversampling network to classify rim+ lesions. The first network branch is for image feature extraction from the QSM and T2-FLAIR, and the second network branch is a fully connected network for QSM lesion-level radiomic feature extraction. The oversampling network is designed to increase classification performance with imbalanced data. Results On a lesion-level, in a five-fold cross validation framework, the proposed QSMRim-Net detected rim+ lesions with a partial area under the receiver operating characteristic curve (pROC AUC) of 0.760, where clinically relevant false positive rates of less than 0.1 were considered. The method attained an area under the precision recall curve (PR AUC) of 0.704. QSMRim-Net out-performed other state-of-the-art methods applied to the QSM on both pROC AUC and PR AUC. On a subject-level, comparing the predicted rim+ lesion count and the human expert annotated count, QSMRim-Net achieved the lowest mean square error of 0.98 and the highest correlation of 0.89 (95% CI: 0.86, 0.92). Conclusion This study develops a novel automated deep neural network for rim+ MS lesion identification using T2-FLAIR and QSM images.

Abstract Purpose To explore the relationship between the cerebral cortical perivascular space (PVS) and aging in non-active MS subjects by using the multi-echo T2 relaxometry based cerebrospinal fluid fraction (CSFF) map. Methods Multi-echo spiral T2 data from 111 subjects with non-active multiple sclerosis (MS) were retrospectively investigated by fitting the T2 data into a three-compartment model, the three water compartments including myelin water, intra-extracellular water, and cerebrospinal fluid. Segmentation of T1w image was performed to get the region of interest (ROI) in cerebral cortical regions. The white matter lesion segmentation was conducted using a convolutional neural network (CNN) based segmentation tool. The CSFF in the ROIs were correlated with age by controlling the gender, white matter hyperintensity lesion burden, and MS disease duration. Multiple linear models were created for the analysis of aging effect on the CSFF. Results The ROI analysis shows that the CSFF in the cerebral cortical regions (temporal, occipital, parietal, front, hippo, and mtl) are significantly linear increasing with age (p<0.01). The intra-extracellular water fraction (IEWF) in the ROIs are significantly linear decreasing (p<0.01). Conclusion The multi-echo T2 based three-compartment model can be used to quantify the CSFF. The linear increase of CSF water contents in the cerebral cortical regions indicates increased perivascular space load in cortex with aging. The quantification of CSFF may provide a way to understand the glymphatic clearance function in aging and neurodegenerations. Highlights MR T2 relaxometry is a valid method to quantify the cerebrospinal fluid fraction (CSFF) in cerebral cortical regions The CSFF in the cerebral cortical regions are positively correlated with age by controlling the white matter lesion load in non-active MS subjects. Quantification of cerebral CSFF may reflect the perivascular space load in cortex and better interpret the disease progression in neurodegenerative disease, such as MS.

Motivation: To automate rim lesion segmentation in multiple sclerosisGoal(s): To compare deep learning and conventional methods for rim lesion segmentation in multiple sclerosisApproach: We compare Unet with chan-vese and Grabcut segmention of MR rim positive lesions. Results: Deep learning achieve the highest Dice score among the compared methods. Impact: Automate rim lesion segmentation in Multiple Sclerosis may allow determine those patient with persistent inflammation.

ABSTRACT Background and Purpose Our objective was to apply multi-compartment T2 relaxometry in cognitively normal individuals aged 20-80 years to study the effect of aging on the parenchymal cerebrospinal fluid fraction (CSFF), a measure of the microscopic-scale CSF space. Materials and Methods A total of 66 volunteers (age range, 22-80 years) were enrolled. Voxel-wise maps of short-T2 myelin water fraction (MWF), intermediate-T2 intra/extra-cellular water fraction (IEWF), and long-T2 CSFF were obtained using fast acquisition with spiral trajectory and adiabatic T2prep (FAST-T2) sequence and three-pool non-linear least squares fitting. Multiple linear regression analysis with correction for multiple comparisons was performed to study the association between age and regional MWF, IEWF, and CSFF measurements, adjusting for sex and region of interest (ROI) volume. The cerebral white matter (WM), cerebral cortex, and subcortical deep gray matter (GM) were considered as ROIs. In each model, a quadratic term for age was tested using an ANOVA test. A Spearman’s correlation between the normalized lateral ventricle volume, a measure of organ-level CSF space, and the regional CSFF, a measure of tissue-level CSF space, was computed. Results In the multiple regression analysis, we found a statistically significant quadratic relationship between age and regional CSFF for all three ROIs (all p-values < 0.001). A statistically significant quadratic relationship with age was also found for MWF in the deep GM (p = 0.004) and IEWF in the cortex (p = 0.012). There was a statistically significant linear relationship between age and regional IEWF in the cerebral WM (p = 0.006) and deep GM (p = 0.002). In the univariate correlation analysis, the normalized lateral ventricle volume was found to correlate moderately with the regional CSFF measurement in the cerebral WM (ρ = 0.43, p < 0.001), cortex (ρ = 0.43, p < 0.001), and deep GM (ρ = 0.49, p < 0.001). Conclusion Brain tissue water residing in different water compartments shows complex changing patterns with age. Parenchymal CSFF, a biomarker of microscopic-scale CSF-like water, shows a quadratic increase in both GM and WM, starting approximately at the age of 50.