ABSTRACT Choroid plexuses (CP) are structures of the brain ventricles which produce most of the cerebrospinal fluid (CSF). Several postmortem and in vivo studies have pointed towards their role in the inflammatory processes in multiple sclerosis (MS). Automatic segmentation of CP from MRI thus has high value for studying their characteristics in large cohorts of patients. To the best of our knowledge, the only freely available tool for CP segmentation is FreeSurfer but its accuracy for this specific structure is poor. In this paper, we propose to automatically segment CP from non-contrast enhanced T1-weighted MRI. To that end, we introduce a new model called “Axial-MLP” based on an assembly of Axial multi-layer perceptrons (MLPs). This is inspired by recent works which showed that the self-attention layers of Transformers can be replaced with MLPs. This approach is systematically compared with a standard 3D U-Net, nnU-Net, Freesurfer and FastSurfer. For our experiments, we make use of a dataset of 141 subjects (44 controls and 97 patients with MS). We show that all the tested deep learning (DL) methods outperform FreeSurfer (Dice around 0.7 for DL vs 0.33 for FreeSurfer). Axial-MLP is competitive with U-Nets even though it is slightly less accurate. The conclusions of our paper are two-fold: 1) the studied deep learning methods could be useful tools to study CP in large cohorts of MS patients; 2) Axial-MLP is a potentially viable alternative to convolutional neural networks for such tasks, although it could benefit from further improvements.

Abstract Background and Objectives Fluid biomarkers are a recent field of interest in Huntington disease (HD). We focused on small circulating RNAs from plasma of subjects with prodromal (pre-HD) and overt disease by a two-stage approach: an unbiased investigation by an array method and a validation study to quantify a significant small nucleolar RNA. Methods Through Affymetrix Gene-Chip-miRNA-Array we performed an exploratory study on 9 HD patients, 8 healthy subjects (HS) and 5 psychiatric patients (PP; who share drugs with HD patients, to control for iatrogenic effects). Through real time PCR we validated the results in an independent population of 24 HD patients, 15 pre-HD, 24 PP, 28 Alzheimer’s disease (AD) patients (added to control the disease-specificity of our finding) and 23 HS. A bioinformatic analysis was also performed to interpret our finding. Results The microarray results showed a significant signal for U13 small nucleolar RNA (SNORD13) that was increased in plasma of HD patients compared to controls (fold change, 1.54, p =0.003 HD vs. HS, and fold change 1.44 p = 0.0026 HD vs. PP). In the validation population the significant increase in HD patients was evident compared to both pre-HD and the three control groups (p<0.00001). The plasma levels of SNORD13 correlated with the status of mutant huntingtin carrier and the disease duration (respectively R=0.69; p<0.000001; R=0.49; p=0.015). Through receiver operating characteristic (ROC) curve analysis, we showed high accuracy of plasmatic SNORD13 in discriminating HD patients from pre-HD and control groups (AUC=0.963), outperforming values reported in another study for intrathecal or plasmatic mutant huntingtin and neurofilament light chain as biomarkers of overt HD. The bioinformatic analysis on SNORD13 interactome and pathway analysis showed enrichments for factors involved in nuclear functions beyond the ribosome biogenesis. Discussion We report the unprecedented finding of a potential role of small nucleolar RNAs in HD. Circulating SNORD13 seems a good biomarker for clinical purposes. It seems to be specific for HD and to peripherally report a plausible ‘tipping point’ in the pathogenic cascade at neuronal level, possibly paving the way for new therapeutic targets.

Abstract A clinically actionable understanding of multiple sclerosis (MS) etiology goes through GWAS interpretation, prompting research on new gene regulatory models. We previously suggested a stochastic etiologic model where small-scale random perturbations could reach a threshold for MS development. The recently described mapping of the transient transcriptome (TT), including intergenic and intronic RNAs, seems appropriate to verify this model through a rigorous colocalization analysis. We show that genomic regions coding for the TT were significantly enriched for MS-associated GWAS variants and DNA binding sites for molecular transducers mediating putative, non-genetic, etiopathogenetic factors for MS (e.g., vitamin D deficiency, Epstein Barr virus latent infection, B cell dysfunction). These results suggest a model whereby TT-coding regions are hotspots of convergence between genetic ad non-genetic factors of risk/protection for MS, and plausibly for other complex disorders. Our colocalization analysis also provides a freely available data resource ( www.mscoloc.com ) for future research on MS transcriptional regulation.