The advance of Parkinson's disease is associated with the existence of abnormal oscillations within the basal ganglia with frequencies in the beta band (13–30 Hz). While the origin of these oscillations remains unknown, there is some evidence suggesting that oscillations observed in the basal ganglia arise due to interactions of two nuclei: the subthalamic nucleus (STN) and the globus pallidus pars externa (GPe). To investigate this hypothesis, we develop a computational model of the STN–GPe network based upon anatomical and electrophysiological studies. Significantly, our study shows that for certain parameter regimes, the model intrinsically oscillates in the beta range. Through an analytical study of the model, we identify a simple set of necessary conditions on model parameters that guarantees the existence of beta oscillations. These conditions for generation of oscillations are described by a set of simple inequalities and can be summarized as follows: (1) The excitatory connections from STN to GPe and the inhibitory connections from GPe to STN need to be sufficiently strong. (2) The time required by neurons to react to their inputs needs to be short relative to synaptic transmission delays. (3) The excitatory input from the cortex to STN needs to be high relative to the inhibition from striatum to GPe. We confirmed the validity of these conditions via numerical simulation. These conditions describe changes in parameters that are consistent with those expected as a result of the development of Parkinson's disease, and predict manipulations that could inhibit the pathological oscillations.

Neuroinflammation and microglial activation are significant processes in Alzheimer's disease pathology. Recent genome-wide association studies have highlighted multiple immune-related genes in association with Alzheimer's disease, and experimental data have demonstrated microglial proliferation as a significant component of the neuropathology. In this study, we tested the efficacy of the selective CSF1R inhibitor JNJ-40346527 (JNJ-527) in the P301S mouse tauopathy model. We first demonstrated the anti-proliferative effects of JNJ-527 on microglia in the ME7 prion model, and its impact on the inflammatory profile, and provided potential CNS biomarkers for clinical investigation with the compound, including pharmacokinetic/pharmacodynamics and efficacy assessment by TSPO autoradiography and CSF proteomics. Then, we showed for the first time that blockade of microglial proliferation and modification of microglial phenotype leads to an attenuation of tau-induced neurodegeneration and results in functional improvement in P301S mice. Overall, this work strongly supports the potential for inhibition of CSF1R as a target for the treatment of Alzheimer's disease and other tau-mediated neurodegenerative diseases.

Abstract Circulating plasma proteins play key roles in human health and can potentially be used to measure biological age, allowing risk prediction for age-related diseases, multimorbidity and mortality. Here we developed a proteomic age clock in the UK Biobank ( n = 45,441) using a proteomic platform comprising 2,897 plasma proteins and explored its utility to predict major disease morbidity and mortality in diverse populations. We identified 204 proteins that accurately predict chronological age (Pearson r = 0.94) and found that proteomic aging was associated with the incidence of 18 major chronic diseases (including diseases of the heart, liver, kidney and lung, diabetes, neurodegeneration and cancer), as well as with multimorbidity and all-cause mortality risk. Proteomic aging was also associated with age-related measures of biological, physical and cognitive function, including telomere length, frailty index and reaction time. Proteins contributing most substantially to the proteomic age clock are involved in numerous biological functions, including extracellular matrix interactions, immune response and inflammation, hormone regulation and reproduction, neuronal structure and function and development and differentiation. In a validation study involving biobanks in China ( n = 3,977) and Finland ( n = 1,990), the proteomic age clock showed similar age prediction accuracy (Pearson r = 0.92 and r = 0.94, respectively) compared to its performance in the UK Biobank. Our results demonstrate that proteomic aging involves proteins spanning multiple functional categories and can be used to predict age-related functional status, multimorbidity and mortality risk across geographically and genetically diverse populations.

Abstract Human iPSCs provide powerful cellular models of Alzheimer’s disease (AD) and offer many advantages over non-human models, including the potential to reflect variation in individual-specific pathophysiology and clinical symptoms Previous studies have demonstrated that iPSC-neurons from individuals with Alzheimer’s disease (AD) reflect clinical markers, including β-amyloid (Aβ) levels and synaptic vulnerability. However, despite neuronal loss being a key hallmark of AD pathology, many risk genes are predominantly expressed in glia, highlighting them as potential therapeutic targets. In this work iPSC-derived astrocytes were generated from a cohort of individuals with high versus low levels of the inflammatory marker YKL-40, in their cerebrospinal fluid (CSF). iPSC-derived astrocytes were treated with exogenous Aβ oligomers and high content imaging demonstrated a correlation between astrocytes that underwent the greatest morphology change from patients with low levels of CSF-YKL-40 and more protective APOE genotypes. This finding was subsequently verified using similarity learning as an unbiased approach. This study shows that iPSC-derived astrocytes from AD patients reflect key aspects of the pathophysiological phenotype of those same patients, thereby offering a novel means of modelling AD, stratifying AD patients and conducting therapeutic screens. Graphical Abstract

ABSTRACT Major Depression (MD) is the most prevalent psychiatric disease in the population and is considered a prodromal stage of the Alzheimer’s disease (AD). Despite both diseases having a robust genetic component, the common transcriptomic signature remains unknown. In this regard, we investigated the cognitive and emotional responses in 3- and 6-month-old in APP/PSEN1-Tg mutant mice, before β-amyloid plaques were detected. Then, we studied the deregulation of genes and pathways in prefrontal cortex, striatum, hippocampus and amygdala, using transcriptomic and functional data analysis. The results demonstrated that depressive-like and anxiety-like behaviours, as well as memory impairments are already present at 3-month-old together with the deregulation of several genes and gene sets, including components of the circadian rhythms, electronic transport chain and neurotransmission. Finally, DisGeNET GSEA provides translational support for common depregulated gene sets related to MD and AD. Altogether, the results demonstrate that MD could be an early manifestation of AD.

The generation of new neurons persists into adulthood in the human hippocampus and can be modulated by the circulatory systemic environment. Hippocampal neurogenesis is important for learning and memory and is altered in Alzheimer's Disease (AD). Evaluating the hippocampal neurogenic process during disease progression could therefore identify neurogenesis as an important target for AD prevention and intervention as well as a biomarker for early disease detection. In this study, we used a human hippocampal progenitor cell line to design an in vitro assay evaluating over time the neurogenic impact of the systemic milieu (i.e. serum) of individuals with mild cognitive impairment (MCI) as they either converted to AD or remained cognitively stable. Cells were exposed to serum collected over several years from the same patients. Cellular phenotyping and linear mixed effects models for repeated measures revealed that decreased proliferation, increased apoptotic hippocampal progenitor cell death and increased hippocampal neurogenesis characterized progression from MCI to AD. Using stepwise logistic regression and machine learning we show that these cellular readouts for the baseline serum sample and years of education of the patient are significant predictors of conversion from MCI to AD, already 3.5 years before AD clinical diagnosis. Finally, serum proteomic analyses indicated pathways linked to the cellular readouts distinguishing MCI to AD converters from non-converters. The proposed assay is thus not only promising for AD pre-clinical diagnosis, but it also provides a proxy into temporal changes of the hippocampal neurogenic process during disease progression.

Abstract As Genome Wide Association Studies (GWAS) have grown in size, the number of genetic variants that have been nominated for an increasing number of diseases has correspondingly increased. Despite this increase in the number of associated SNPs per disease, their biological interpretation has in many cases remained elusive. To address this, we have combined GWAS results with an orthogonal source of evidence, namely real-world, routinely collected clinical data from more than 6 million patients in order to drive target nomination. First we show that when examined at a pathway level, analysis of all GWAS studies groups Alzheimer’s disease (AD) in a cluster with disorders of immunity and inflammation. Using clinical data we show that the degree of comorbidity of these diseases with AD correlates with the strength of their genetic association with molecular participants in the JAK-STAT pathway. Using four independent open-science datasets we then find evidence for altered regulation of JAK-STAT pathway genes in AD. Finally, we use both in vitro and in vivo rodent models to demonstrate that Aβ induces gene expression of key drivers of this pathway, providing experimental evidence validating these data-driven observations. These results therefore nominate JAK-STAT anomalies as a prominent aetiopathological event in AD and hence potential target for therapeutic development, and moreover demonstrate a de-novo multi-modal approach to derive information from rapidly increasing genomic datasets. One Sentence Summary Combining evidence from genome wide association studies, real-world clinical and cohort molecular data together with experimental studies in rodent model systems nominates JAK-STAT signaling as an aetiopathological event in Alzheimer’s disease

Objective: We investigate the joint observation between type 2 diabetes and headache using a case-control study of a US ambulatory dataset. Background: Recent whole-population cohort studies propose that type 2 diabetes may have a protective effect against headache prevalence. With headaches ranked as a leading cause of disability, headache-associated comorbidities could help identify shared molecular mechanisms. Methods: We performed a case-control study using the US National Ambulatory Medical Care Survey, 2009, on the joint observation between headache and specific comorbidities, namely type 2 diabetes, hypertension and anxiety, for all patients between 18 and 65 years of age. The odds ratio of having a headache and a comorbidity were calculated using conditional logistic regression, controlling for gender and age over a study population of 3,327,947 electronic health records in the absence of prescription medication data. Results: We observed estimated odds ratio of 0.89 (95% CI: 0.83-0.95) of having a headache and a record of type 2 diabetes over the population, and 0.83 (95% CI: 2.02-2.57) and 0.89 (95% CI: 3.00-3.49) for male and female, respectively. Conclusions: We find that patients with type 2 diabetes are less likely to present a recorded headache indication. Patients with hypertension are almost twice as likely of having a headache indication and patients with an anxiety disorder are almost three times as likely. Given the possibility of confounding indications and prescribed medications, additional studies are recommended.

Abstract Treatment of neurons with β-amyloid peptide (Aβ 1-42 ) has been widely used as a model to interrogate the cellular and molecular mechanisms underlying Alzheimer’s disease, and as an assay system to identify drugs that reverse or block disease phenotype. Prior studies have largely relied on high content imaging (HCI) to extract cellular features such as neurite length or branching, but these have not offered a robust/comprehensive means of relating readout to Aβ 1-42 concentrations. Here, we use a deep learning-based cell profiling technique to directly measure the impact of Aβ 1-42 on primary murine cortical neurons. The deep learning model achieved approximately 80% accuracy, compared to 54% for the cell phenotypic feature-based approach. The deep learning model could distinguish subtle neuronal morphological changes induced by a range of Aβ 1-42 concentration. When tested on a separate dataset, the accuracy remained comparable and dropped by only 2%. Our study demonstrates that deep learning-based cell profiling is superior to HCI-based feature extraction on neuronal morphology and it provides an alternative to a dose/response curve, where the modality of the response does not have to be pre-determined. Moreover, this approach could form the basis of a screening tool that can be applied to any cellular model where appropriate phenotypic markers based on genotypes and/or pathological insults are available.