La carga de los espacios perivasculares dilatados, un marcador emergente de la enfermedad de los vasos pequeños cerebrales, es altamente heredable
On octubre 3, 2021 by adminIntroducción
Los espacios perivasculares (EPV), también llamados espacios de Virchow-Robin, son estructuras fisiológicas normales llenas de líquido similar a la señal de la resonancia magnética cerebral y recubiertas por células piales, que rodean la pared de las arterias, arteriolas, venas y vénulas al penetrar en el parénquima cerebral. Los PVS pertenecen al sistema glinfático y participan en la eliminación de residuos, el suministro de sustratos energéticos y la regulación del flujo sanguíneo.1,2 En determinadas circunstancias, como el aumento de la edad y la enfermedad de pequeños vasos cerebrales (ECVc), los PVS pueden dilatarse (espacio perivascular dilatado) y ser detectables en la RM cerebral.3-7 Los mecanismos que subyacen a esta dilatación, que posiblemente reflejen una reducción de la eliminación glinfática, son especulativos.1 Se ha demostrado que los VPD están fuertemente correlacionados con otros marcadores de RMN de la ECVc, como el volumen de hiperintensidad de la sustancia blanca (VSM), los infartos cerebrales lacunares (IL) y las microsangrías cerebrales.3-6,8 Anteriormente demostramos que los grados elevados de dPVS en los ganglios basales (BG) o en la sustancia blanca (WM) se asocian con un mayor riesgo de demencia incidente, independientemente de otros marcadores de RMN de la cSVD, en personas mayores de la comunidad.9
Los determinantes de dPVS son poco conocidos. Los principales factores de riesgo conocidos son la edad y la hipertensión, siendo esta última la que está más fuertemente asociada con el dPVS en BG. La identificación de los determinantes genéticos de la EVPd puede proporcionar pistas importantes sobre los mecanismos moleculares subyacentes y sobre la fisiopatología de la ECVc y la demencia. Buscamos examinar la contribución genética a la carga de dPVS midiendo su heredabilidad y la heredabilidad compartida con otros marcadores MRI de cSVD en el Estudio de Tres Ciudades (3C) de Dijon basado en la población.
Métodos
Los datos que apoyan los hallazgos de este estudio están disponibles en el autor correspondiente bajo petición razonable.
Población de estudio
El estudio 3C-Dijon es un estudio de cohortes de base comunitaria que comprende 4931 participantes no institucionalizados de edad ≥65 años seleccionados aleatoriamente de los censos electorales de la ciudad de Dijon entre 1999 y 2001.10 Los participantes de edad <80 años e inscritos entre junio de 1999 y septiembre de 2000 (n=2763) fueron invitados a someterse a una resonancia magnética cerebral. Aunque 2285 participantes (82,7%) aceptaron participar debido a limitaciones financieras, sólo se realizaron resonancias magnéticas a 1924 participantes. Entre ellos, 1683 también se habían sometido al genotipado de todo el genoma. Tras excluir a los individuos con tumores cerebrales (n=8), ictus (n=71) o demencia (n=7) en la línea de base, la muestra restante comprendía 1597 participantes. La evaluación visual y la cuantificación estaban disponibles en 1559 participantes para el dPVS y 1562 participantes para el LI (se excluyeron 35 individuos con infartos cerebrales no lacunares); y 1495 participantes tenían mediciones cuantitativas automatizadas del WMHV. El protocolo del estudio fue aprobado por el comité ético del Hospital Universitario de Kremlin-Bicêtre. Todos los participantes dieron su consentimiento informado por escrito.
Genotipificación
Las muestras de ADN de los participantes del 3C-Dijon fueron genotipificadas con Illumina Human610Iquad BeadChips en el Centre National de Génotypage, Evry, Francia.
La genotipificación se realizó en 4.263 participantes, de los cuales 186 fueron excluidos tras el control de calidad (Métodos en el Suplemento de Datos en línea), quedando un total de 4.077 participantes. Los primeros 20 componentes principales (PC) para la muestra 3C-Dijon se generaron utilizando EIGENSOFT y se utilizaron para corregir la estratificación de la ascendencia de la población (Métodos en el Suplemento de Datos en línea). Los genotipos se imputaron al panel de referencia de la fase I de 1000 Genomas versión 3 (todas las etnias) utilizando MaCH 1.0, después de aplicar los procedimientos estándar de control de calidad (Métodos en el Suplemento de Datos en línea). En total, 11 572 501 polimorfismos de un solo nucleótido (SNP) estaban disponibles para el análisis después del control de calidad.
Adquisición de RMN
Calificación de dPVS
Los dPVS fueron evaluados por un lector experimentado (Y.-C.Z.) y cuantificados en una escala semicuantitativa. Se definieron como lesiones de señal similar a la del líquido cefalorraquídeo (hipointensas en T1 e hiperintensas en T2) de forma redonda, ovoide o lineal con un diámetro máximo <3 mm, con contornos suaves y situadas en zonas abastecidas por arterias perforantes. Las lesiones que cumplían los mismos criterios, excepto un diámetro ≥3 mm, se examinaron cuidadosamente en los tres planos (forma, intensidad de la señal) para diferenciarlas del LI y de la hiperintensidad de la sustancia blanca (WMH). Sólo se consideraron dPVS las lesiones con una forma vascular típica y las que seguían la orientación de los vasos perforantes.3 En BG y WM, que son las localizaciones con mayor densidad de dPVS, se utilizó para la calificación el corte que contenía el mayor número de dPVS.3
En el GC, los dPVS se clasificaron utilizando una puntuación de 4 grados: grado 1 para <5 dPVS, grado 2 para 5 a 10 dPVS, grado 3 para >10 dPVS pero aún numerables, y grado 4 para innumerables dPVS que dan lugar a un cambio cribiforme en el GC (Figura). En la región de la médula espinal, los dPVS también se clasificaron utilizando una puntuación de 4 grados: grado 1 para <10 dPVS en la región total de la médula espinal, grado 2 para >10 dPVS en la región total de la médula espinal y <10 en el corte que contenía el mayor número de dPVS, grado 3 para 10 a 20 dPVS en el corte que contenía el mayor número de dPVS, y grado 4 para >20 dPVS en el corte que contenía el mayor número de dPVS (Figura).3 En el hipocampo y el tronco encefálico, los VPD se dicotomizaron como presencia de ≥1 VPD frente a ninguno. Se construyó una variable de carga global de dPVS sumando los grados de dPVS en BG y WM y añadiendo 1 punto por la presencia de ≥1 dPVS en el hipocampo y 1 punto por la presencia de ≥1 dPVS en el tronco cerebral. Debido al escaso número de participantes en las categorías más altas, éstas se combinaron (puntuación global ≥8). La variable global se distribuyó normalmente en la inspección visual (Métodos en el suplemento de datos en línea).
Otras mediciones de la RM
Se utilizó un procedimiento automatizado y validado para localizar y medir la VMH.11 Se definieron dos subgrupos de HMV: HMV periventricular (pvWMH) cuando la distancia al sistema ventricular era <10 mm y HMV profunda en caso contrario. Los LI fueron evaluados visualmente por el mismo evaluador (Y.-C.Z.) que los dPVS y se definieron como lesiones focales con las mismas características de señal que el líquido cefalorraquídeo en todas las secuencias y con un diámetro de 3 a 15 mm.3 Se diferenciaron de los dPVS como se ha descrito anteriormente. Los volúmenes de materia gris, WM y líquido cefalorraquídeo se estimaron mediante morfometría basada en vóxeles; el volumen intracraneal (ICV) se calculó sumando estos 3 volúmenes.12
Análisis estadístico
La carga global de dPVS se analizó como una variable continua, dada su distribución normal, mientras que los subtipos de dPVS (WM y BG) se estudiaron como variables dicotomizadas (grado 3-4 frente a grado 1-2). Dado que la VMH tenía una distribución sesgada, se utilizaron valores transformados en logaritmos naturales (Ln), al igual que en análisis anteriores.13,14 La correlación fenotípica entre los marcadores de RM de la ECVc se calculó sobre la base de la correlación de Spearman utilizando el software SAS, versión 9.3 (SAS Institute, Inc, Cary, NC).
Para estimar la heredabilidad de la EVPd, la VMH y la LI, se utilizó el análisis de rasgos complejos de todo el genoma (GCTA v1.26.0). Esto corresponde a la estimación de la proporción de la varianza fenotípica de los marcadores MRI de cSVD explicada por todos los SNP comunes disponibles en todo el genoma, utilizando un análisis de modelo lineal mixto (Métodos en el Suplemento de Datos en línea).15 A continuación, evaluamos la proporción de la heredabilidad compartida entre la carga de dPVS y WMHV utilizando relaciones genómicas derivadas de SNP y máxima verosimilitud restringida basada en el parentesco genómico (método GREML bivariante).16 Utilizando este método, implementado en el software de análisis de rasgos complejos de todo el genoma, pudimos estimar la correlación genética entre la carga de dPVS y la VSM (en general y por subtipos principales, Métodos en el Suplemento de Datos en línea). La estimación de la correlación genética con LI no fue posible (los modelos no convergieron o dieron valores aberrantes). Todos los análisis para la heredabilidad y la heredabilidad compartida se realizaron en individuos no emparentados, después de eliminar aleatoriamente 1 individuo de cada par con parentesco estimado >0,125 (matriz de parentesco genético >0,125). Los análisis de la carga de dPVS y WMHV se ajustaron por ICV, para tener en cuenta las diferencias en el tamaño de la cabeza, la edad, el sexo y 20 PC, tal como recomienda el software.15
Probamos la asociación de una puntuación de riesgo genético que combinaba variantes de riesgo genético independientes conocidas para la VMH (rs7214628, rs7894407, rs78857879, rs2984613 y rs11679640)14 con la carga de dPVS utilizando una regresión lineal (dPVS global) o una regresión logística (dPVS en WM y en BG), ajustando para la edad, el sexo, las primeras 4 PC y el ICV. La puntuación de riesgo genético se construyó sumando el número de alelos de riesgo de VSM en todos los loci de riesgo de VSM independientes (r2<0,010 entre SNPs). Esta puntuación no se ponderó porque el estudio de asociación de todo el genoma del VHM del que se derivaron los loci de riesgo se realizó utilizando un metaanálisis basado en la puntuación z, que no produce ninguna estimación del efecto.
Resultados
Población de estudio
Características | |
---|---|
Edad en el momento de la RM, y, media±SD | 72,8±4.1 |
Mujeres, n (%) | 951 (60,9) |
Presión arterial sistólica, mm Hg | 148,8±22.7 |
Presión arterial diastólica, mm Hg | 84,9±11,5 |
Presión arterial, mm Hg | 63.9±17,1 |
Estado de hipertensión* | 1197 (76,6) |
Diabetes mellitus tipo II† | 130 (8.34) |
Fumador actual | 95 (6,1) |
Historia de enfermedad cardiovascular‡ | 64 (4.1) |
Índice de masa corporal, kg/m2 | 25,5±3,85 |
Hipercolesterolemia§ | 876 (56.2) |
Colesterol total, mmol/L | 5,8±0.9 |
Lipoproteínas de baja densidad, mmol/L | 3,6±0,8 |
Triglicéridos, mmol/L | 1.2±0,6 |
Lipoproteínas de alta densidad, mmol/L | 1,6±0.4 |
Nivel educativo >bachillerato‖ | 557 (35,7) |
La RMN indica resonancia magnética.
*Presión arterial sistólica ≥140 mm Hg o presión arterial diastólica ≥90 mm Hg o fármacos antihipertensivos.
†Glucosa en sangre ≥7 mmol/L±medicamentos antidiabéticos.
‡Incluir infarto de miocardio, arteritis y cirugía cardíaca y vascular (se excluyen los pacientes con ictus).
§Colesterolemia ≥6,2 mmol/L o tratamiento hipolipemiante.
‖Titulación final de bachillerato en Francia.
Correlaciones fenotípicas
Hubo una correlación fenotípica limitada pero significativa (ρ=0.23; P<0,0001) entre el SPVd en BG y el SPVd en WM, los dos subtipos principales de SPVd. Las correlaciones fenotípicas entre el dPVS y otros marcadores de RMN de la ECVc están representadas en la Tabla 2: todos los marcadores mostraron cierto grado de correlación con P<0,01 (ρ entre 0,08 y 0,33). El mayor coeficiente de correlación fenotípica (ρ=0,33; P<0,0001) se observó entre el dPVS en BG y el WMHV total o el pvWMHV. La correlación entre dPVS (global) y LI fue más baja, de 0,18 (P<0,0001; Tabla 2).
Análisis de heredabilidad de dPVS y otros marcadores de RM de cSVD
La heredabilidad ajustada por edad, sexo, ICV y 20 PC para dPVS (global) se estimó en 59% (P=0.007) y fue más alta y significativa en la WM, estimada en un 79% (P=0,042), en comparación con la BG (Tabla 3). La heredabilidad para la presencia de dPVS en el hipocampo y el tronco cerebral fue baja (<4%) y no significativa. En un análisis secundario, tomando el cuartil superior del recuento de dPVS en el hipocampo y el tronco cerebral en lugar de la presencia frente a la ausencia, se encontró que la heredabilidad para el dPVS en el hipocampo era mayor pero seguía siendo no significativa (Tabla II en el Suplemento de Datos en línea). Comparativamente, la heredabilidad ajustada por edad, sexo, ICV y 20 PC para WMHV se evaluó en un 54% (P=0,010) y fue significativa para pvWMHV y WMHV profunda, mientras que la heredabilidad ajustada por edad, sexo y 20 PC para LI fue menor y no significativa (48%; P=0,278; Tabla 3). Cabe destacar que las estimaciones de heredabilidad de la EVPd y de otros marcadores de RM de la ECVc no cambiaron sustancialmente después de ajustar la hipertensión y la diabetes mellitus, los dos principales factores de riesgo conocidos de la ECVc (Tablas III y IV del Suplemento de datos en línea).
Herencia compartida de la EVPd con otros marcadores de RM de la ECVc
Asociación de variantes de riesgo conocidas para la WMHV con la carga de dPVS
Encontramos una asociación nominalmente significativa de una puntuación de riesgo genético que combina todas las variantes de riesgo de WMHV independientes publicadas con dPVS en BG (P=0.031), y los alelos de riesgo de WMHV en conjunto se asociaron con un mayor riesgo de altos grados de dPVS en BG (Tabla 5). Cabe destacar que esta asociación no fue impulsada por una única variante de riesgo para WMHV (P>0,09 para las asociaciones individuales SNP-dPVS; Tabla V en el Suplemento de Datos en línea).
Discusión
En un gran estudio basado en la población de >1500 personas mayores no emparentadas libres de ictus y demencia, encontramos altas estimaciones de heredabilidad, derivadas de genotipos de todo el genoma, para la carga de dPVS, en el mismo rango que las estimaciones de heredabilidad para WMHV, mientras que la heredabilidad de LI fue menor. Parte de la heredabilidad estimada para dPVS y WMHV parece ser compartida. Encontramos la mayor correlación genética entre dPVS en BG y WMHV, consistente con la alta correlación fenotípica observada entre WMHV y dPVS en esta localización. También encontramos una asociación nominalmente significativa entre una puntuación de riesgo genético que combina variantes de riesgo genético conocidas para el WMHV y el dPVS en BG.
La heredabilidad del dPVS no se ha descrito antes hasta nuestro conocimiento. Para la VMH y la LI, nuestros resultados son coherentes con las estimaciones de los estudios basados en la familia, que muestran una heredabilidad de moderada a alta para la carga de la VMH (49%-80%)17-21 y una heredabilidad más baja para la LI (29%)21. Cabe destacar que las estimaciones de heredabilidad de los estudios basados en la familia son siempre mayores que las estimaciones de heredabilidad derivadas del SNP, ya que sólo representan la heredabilidad en sentido estricto22.
La mayor correlación genética de la VMH con la carga de dPVS en BG que en WM refuerza la hipótesis de que existen procesos, al menos parcialmente, distintos que subyacen al dPVS en estas dos localizaciones.9 Anteriormente describimos que la gravedad del dPVS tanto en BG como en WM no coincide necesariamente. De hecho, entre los individuos con un grado 4 de EVPD en la MW, sólo el 23% tenía también un grado 3 o 4 en la BG, y entre los individuos con un grado 4 de EVPD en la BG, el 42% tenía también un grado 3 o 4 en la WM.3 Nosotros y otros hemos demostrado también que los perfiles de los factores de riesgo vascular varían según la localización del EVPD.3,23 Esto se ve corroborado por los presentes hallazgos, que muestran una correlación fenotípica más fuerte y una variación genética compartida entre la EVM y el EVPD en la BG en comparación con el EVPD en la WM. Curiosamente, sólo la gravedad del SPVd en el GC se asoció con una mayor tasa de deterioro cognitivo en personas mayores de la comunidad del Estudio 3C-Dijon9 y con un peor rendimiento de la velocidad de procesamiento en una cohorte de pacientes con ECVc o con alto riesgo de ECVc.24 Los niveles de interleucina-6 se asociaron con una mayor gravedad del SPVd en el GC pero no en la MW.25 Por lo tanto, parece haber pruebas convergentes de que la EVPd puede tener, al menos en parte, factores de riesgo subyacentes distintos, incluidos los genéticos, y consecuencias clínicas según su localización.
Los mecanismos que subyacen a la dilatación de la EVP son especulativos. Una de las hipótesis es la reducción de la producción de líquido cefalorraquídeo con el envejecimiento, lo que conduce a una disminución del aclaramiento glinfático y a una acumulación de proteínas tóxicas.26-28 Paralelamente, la rigidez de la pared arterial que se produce con el envejecimiento o la enfermedad puede conducir a una reducción de la pulsatilidad arterial, facilitando la dilatación del EVP.28,29 La hipertrofia astrocítica y la pérdida de la polarización perivascular de la acuaporina-4, que conducen a una desregulación del transporte de agua astroglial, así como la disfunción de la barrera hematoencefálica, también podrían estar implicadas.30-33 La mayoría de las vías fisiopatológicas hipotéticas del SPVd se derivan de modelos animales. La exploración de los determinantes genéticos del SPVd mediante un enfoque imparcial de todo el genoma puede proporcionar información adicional sobre las vías biológicas que subyacen al SPVd en los seres humanos, proporcionando potencialmente más pruebas para una o más de las hipótesis mencionadas o sugiriendo nuevos mecanismos previamente insospechados. Las altas estimaciones de heredabilidad derivadas de los SNP para la carga del SPVd sugieren que la búsqueda de determinantes genéticos del SPVd podría ser un enfoque eficaz. Aunque la correlación genética entre la VMH y la EVPd fue relativamente alta, una proporción sustancial de la contribución genética a la carga de la EVPd parece no ser compartida con otros marcadores de RM de la ECVc, lo que justifica los esfuerzos para descifrar específicamente la genética de la carga de la EVPd. El aumento del número de participantes y la armonización de las mediciones del SPVd en los estudios existentes34 , así como la consideración de la confusión y la modificación del efecto por los factores de riesgo ambientales, especialmente la hipertensión, serán importantes para los esfuerzos futuros.
Los puntos fuertes de nuestro estudio incluyen un gran tamaño de la muestra en un entorno basado en la población con una calificación cuidadosa de dPVS por el mismo lector experimentado utilizando imágenes de RM de todo el cerebro con una evaluación precisa de la forma de dPVS en imágenes T1 milimétricas tridimensionales y la diferenciación de WMH y LI utilizando un examen cuidadoso en los 3 planos y la exploración de T2 y secuencias de densidad de protones. Se están realizando esfuerzos para desarrollar una evaluación automatizada y cuantitativa de la carga de dPVS, pero aún no está disponible para su uso a gran escala. Se utilizaron criterios estrictos de control de calidad con la eliminación estricta de los individuos relacionados y el ajuste de los 20 primeros PC. Dado que los marcadores de IRM de la enfermedad de vasos pequeños están fuertemente correlacionados con la edad,3,35 no podemos excluir la confusión residual por la edad, aunque nuestro rango de edad en el momento de la IRM era relativamente limitado y se restringía a individuos mayores (65-80 años). Podrían ser interesantes futuros estudios con muestras más grandes que permitan realizar análisis estratificados en rangos de edad más estrechos y que incluyan también grupos de edad más jóvenes en los que la carga de la ECVc puede ser más heredable. Hay que tener precaución a la hora de interpretar los valores absolutos de la heredabilidad y la heredabilidad compartida, dado el tamaño relativamente limitado de la muestra, especialmente para los análisis de heredabilidad compartida que no alcanzan significación estadística y, por tanto, deben considerarse exploratorios. Será necesaria la comparación con futuros análisis similares en muestras independientes para obtener estimaciones más precisas.
Conclusiones
El presente estudio proporciona evidencia preliminar de una importante contribución genética a la carga de dPVS en personas mayores de la comunidad, lo que sugiere que la búsqueda de factores de riesgo genéticos de dPVS puede ser una forma eficiente de explorar los mecanismos biológicos que subyacen a la dPVS y para identificar a los individuos con alto riesgo de cSVD y sus consecuencias. También se necesitan más estudios para explorar mejor el significado y la importancia clínica de la dPVS, con posibles implicaciones para la prevención tanto de la enfermedad cerebrovascular como de la neurodegenerativa.
Agradecimientos
Agradecemos a los participantes del Estudio 3C, por sus importantes contribuciones.
Fuentes de financiación
El Estudio 3C se realiza en el marco de un acuerdo de colaboración entre el Institut National de la Santé et de la Recherche Médicale (INSERM), la Universidad de Burdeos y Sanofi-Aventis. La Fondation pour la Recherche Médicale financió la preparación y el inicio del estudio. El estudio 3C también cuenta con el apoyo de la Caisse Nationale Maladie des Travailleurs Salariés, la Direction Générale de la Santé, la Mutuelle Générale de l’Education Nationale, el Institut de la Longévité, los Conseils Régionaux de Aquitaine y Bourgogne, la Fondation de France y el Programa Cohortes et collections de données biologiques del Ministerio de Investigación-INSERM. Este trabajo ha contado con el apoyo de la Fundación Nacional para la Enfermedad de Alzheimer y Trastornos Relacionados, el INSERM, la Fédération pour la Recherche sur le Cerveau, Rotary, Lille Génopôle, el Institut Pasteur de Lille, el Centre National de Génotypage, la Universidad de Lille, el Centre Hospitalier Universitaire de Lille y el Laboratoire d’excellence Development of Innovative Strategies for a Transdisciplinary Approach to Alzheimer’s disease. Los doctores Debette y Tzourio son beneficiarios de una beca de la Agencia Nacional de Investigación francesa, de una beca de la Fundación Leducq y del Programa Conjunto de Investigación sobre Enfermedades Neurodegenerativas. El Dr. Debette ha recibido una subvención del Consejo Europeo de Investigación.
Disclosures
None.
Footnotes
- 1. Jessen NA, Munk AS, Lundgaard I, Nedergaard M. The glymphatic system: a beginner’s guide.Neurochem Res. 2015; 40:2583-2599. doi: 10.1007/s11064-015-1581-6.CrossrefMedlineGoogle Scholar
- 2. Marín-Padilla M, Knopman DS. Aspectos del desarrollo de la microvasculatura intracerebral y de los espacios perivasculares: conocimientos sobre la respuesta cerebral a las enfermedades de la última etapa de la vida.J Neuropathol Exp Neurol. 2011; 70:1060-1069. doi: 10.1097/NEN.0b013e31823ac627.CrossrefMedlineGoogle Scholar
- 3. Zhu YC, Tzourio C, Soumaré A, Mazoyer B, Dufouil C, Chabriat H. Severity of dilated Virchow-Robin spaces is associated with age, blood pressure, and MRI markers of small vessel disease: a population-based study.Stroke. 2010; 41:2483-2490. doi: 10.1161/STROKEAHA.110.591586.LinkGoogle Scholar
- 4. Doubal FN, MacLullich AM, Ferguson KJ, Dennis MS, Wardlaw JM. Enlarged perivascular spaces on MRI are a feature of cerebral small vessel disease.Stroke. 2010; 41:450-454. doi: 10.1161/STROKEAHA.109.564914.LinkGoogle Scholar
- 5. Rouhl RP, van Oostenbrugge RJ, Knottnerus IL, Staals JE, Lodder J. Los espacios de Virchow-Robin se relacionan con la gravedad de la enfermedad cerebral de pequeños vasos.J Neurol. 2008; 255:692-696. doi: 10.1007/s00415-008-0777-y.CrossrefMedlineGoogle Scholar
- 6. Potter GM, Doubal FN, Jackson CA, Chappell FM, Sudlow CL, Dennis MS, et al. Espacios perivasculares agrandados y enfermedad de los vasos pequeños cerebrales.Int J Stroke. 2015; 10:376-381. doi: 10.1111/ijs.12054.CrossrefMedlineGoogle Scholar
- 7. Kwee RM, Kwee TC. Virchow-Robin spaces at MR imaging.Radiographics. 2007; 27:1071-1086. doi: 10.1148/rg.274065722.CrossrefMedlineGoogle Scholar
- 8. Yakushiji Y, Charidimou A, Hara M, Noguchi T, Nishihara M, Eriguchi M, et al. Topografía y asociaciones de los espacios perivasculares en adultos sanos: el estudio del escáner de Kashima.Neurología. 2014; 83:2116-2123. doi: 10.1212/WNL.000000001054.CrossrefMedlineGoogle Scholar
- 9. Zhu YC, Dufouil C, Soumaré A, Mazoyer B, Chabriat H, Tzourio C. El alto grado de dilatación de los espacios de Virchow-Robin en la RMN se asocia con un mayor riesgo de demencia.J Alzheimers Dis. 2010; 22:663-672. doi: 10.3233/JAD-2010-100378.CrossrefMedlineGoogle Scholar
- 10. Grupo de estudio 3CS. Factores vasculares y riesgo de demencia: diseño del estudio de tres ciudades y características basales de la población de estudio.Neuroepidemiology. 2003; 22:316-325. doi: 10.1159/000072920.CrossrefMedlineGoogle Scholar
- 11. Maillard P, Delcroix N, Crivello F, Dufouil C, Gicquel S, Joliot M, et al. An automated procedure for the assessment of white matter hyperintensities by multispectral (T1, T2, PD) MRI and an evaluation of its between-centre reproducibility based on two large community databases.Neuroradiology. 2008; 50:31-42. doi: 10.1007/s00234-007-0312-3.CrossrefMedlineGoogle Scholar
- 12. Debette S, Wolf C, Lambert JC, Crivello F, Soumaré A, Zhu YC, et al. Obesidad abdominal y menor volumen de materia gris: un estudio de aleatorización mendeliana.Neurobiol Aging. 2014; 35:378-386. doi: 10.1016/j.neurobiolaging.2013.07.022.CrossrefMedlineGoogle Scholar
- 13. Fornage M, Debette S, Bis JC, Schmidt H, Ikram MA, Dufouil C, et al. Estudios de asociación de todo el genoma de la carga de lesiones de la materia blanca cerebral: el consorcio CHARGE.Ann Neurol. 2011; 69:928-939. doi: 10.1002/ana.22403.CrossrefMedlineGoogle Scholar
- 14. Verhaaren BF, Debette S, Bis JC, Smith JA, Ikram MK, Adams HH, et al. Estudio de asociación multiétnica de todo el genoma de las hiperintensidades de la materia blanca cerebral en la RMN.Circ Cardiovasc Genet. 2015; 8:398-409. doi: 10.1161/CIRCGENETICS.114.000858.LinkGoogle Scholar
- 15. Yang J, Lee SH, Goddard ME, Visscher PM. GCTA: una herramienta para el análisis de rasgos complejos en todo el genoma.Am J Hum Genet. 2011; 88:76-82. doi: 10.1016/j.ajhg.2010.11.011.CrossrefMedlineGoogle Scholar
- 16. Lee SH, Yang J, Goddard ME, Visscher PM, Wray NR. Estimación de la pleiotropía entre enfermedades complejas utilizando relaciones genómicas derivadas del polimorfismo de un solo nucleótido y máxima verosimilitud restringida.Bioinformatics. 2012; 28:2540-2542. doi: 10.1093/bioinformatics/bts474.CrossrefMedlineGoogle Scholar
- 17. Atwood LD, Wolf PA, Heard-Costa NL, Massaro JM, Beiser A, D’Agostino RB, et al. Variación genética en el volumen de hiperintensidad de la sustancia blanca en el estudio Framingham.Stroke. 2004; 35:1609-1613. doi: 10.1161/01.STR.0000129643.77045.10.LinkGoogle Scholar
- 18. Turner ST, Jack CR, Fornage M, Mosley TH, Boerwinkle E, de Andrade M. Heritability of leukoaraiosis in hypertensive sibships.Hypertension. 2004; 43:483-487. doi: 10.1161/01.HYP.0000112303.26158.92.LinkGoogle Scholar
- 19. Kochunov P, Glahn D, Winkler A, Duggirala R, Olvera RL, Cole S, et al. Analysis of genetic variability and whole genome linkage of whole-brain, subcortical, and ependymal hyperintense white matter volume.Stroke. 2009; 40:3685-3690. doi: 10.1161/STROKEAHA.109.565390.LinkGoogle Scholar
- 20. DeStefano AL, Seshadri S, Beiser A, Atwood LD, Massaro JM, Au R, et al. Bivariate heritability of total and regional brain volumes: the Framingham Study.Alzheimer Dis Assoc Disord. 2009; 23:218-223. doi: 10.1097/WAD.0b013e31819cadd8.CrossrefMedlineGoogle Scholar
- 21. Sachdev PS, Lee T, Wen W, Ames D, Batouli AH, Bowden J, et al.; OATS Research Team. La contribución de los gemelos al estudio del envejecimiento cognitivo y la demencia: el Older Australian Twins Study.Int Rev Psychiatry. 2013; 25:738-747. doi: 10.3109/09540261.2013.870137.CrossrefMedlineGoogle Scholar
- 22. Visscher PM, Goddard ME. Un marco general unificado para evaluar la varianza de muestreo de las estimaciones de heredabilidad utilizando relaciones basadas en el pedigrí o en los marcadores.Genetics. 2015; 199:223-232. doi: 10.1534/genetics.114.171017.CrossrefMedlineGoogle Scholar
- 23. Zhang C, Chen Q, Wang Y, Zhao X, Wang C, Liu L, et al.; Grupo de estudio chino de aterosclerosis intracraneal (CICAS). Los factores de riesgo de los espacios de Virchow-Robin dilatados son diferentes en varias regiones del cerebro.PLoS One. 2014; 9:e105505. doi: 10.1371/journal.pone.0105505.CrossrefMedlineGoogle Scholar
- 24. Huijts M, Duits A, Staals J, Kroon AA, de Leeuw PW, van Oostenbrugge RJ. Los espacios perivasculares agrandados de los ganglios basales están vinculados a la función cognitiva en pacientes con enfermedad cerebral de pequeños vasos.Curr Neurovasc Res. 2014; 11:136-141.CrossrefMedlineGoogle Scholar
- 25. Satizabal CL, Zhu YC, Dufouil C, Tzourio C. Proteínas inflamatorias y la gravedad de los espacios dilatados de Virchow-Robin en los ancianos.J Alzheimers Dis. 2013; 33:323-328. doi: 10.3233/JAD-2012-120874.CrossrefMedlineGoogle Scholar
- 26. Fleischman D, Berdahl JP, Zaydlarova J, Stinnett S, Fautsch MP, Allingham RR. Cerebrospinal fluid pressure decreases with older age.PLoS One. 2012; 7:e52664. doi: 10.1371/journal.pone.0052664.CrossrefMedlineGoogle Scholar
- 27. Chen RL, Kassem NA, Redzic ZB, Chen CP, Segal MB, Preston JE. Cambios relacionados con la edad en el plexo coroideo y la función de la barrera del líquido cefalorraquídeo en la oveja.Exp Gerontol. 2009; 44:289-296. doi: 10.1016/j.exger.2008.12.004.CrossrefMedlineGoogle Scholar
- 28. Iliff JJ, Wang M, Zeppenfeld DM, Venkataraman A, Plog BA, Liao Y, et al. La pulsación arterial cerebral impulsa el intercambio de líquido paravascular CSF-intersticial en el cerebro murino.J Neurosci. 2013; 33:18190-18199. doi: 10.1523/JNEUROSCI.1592-13.2013.CrossrefMedlineGoogle Scholar
- 29. Zieman SJ, Melenovsky V, Kass DA. Mechanisms, pathophysiology, and therapy of arterial stiffness.Arterioscler Thromb Vasc Biol. 2005; 25:932-943. doi: 10.1161/01.ATV.0000160548.78317.29.LinkGoogle Scholar
- 30. Sabbatini M, Barili P, Bronzetti E, Zaccheo D, Amenta F. Age-related changes of glial fibrillary acidic protein immunoreactive astrocytes in the rat cerebellar cortex.Mech Ageing Dev. 1999; 108:165-172.CrossrefMedlineGoogle Scholar
- 31. Kress BT, Iliff JJ, Xia M, Wang M, Wei HS, Zeppenfeld D, et al. Deterioro de las vías de depuración paravascular en el cerebro que envejece.Ann Neurol. 2014; 76:845-861. doi: 10.1002/ana.24271.CrossrefMedlineGoogle Scholar
- 32. Wardlaw JM. Blood-brain barrier and cerebral small vessel disease.J Neurol Sci. 2010; 299:66-71. doi: 10.1016/j.jns.2010.08.042.CrossrefMedlineGoogle Scholar
- 33. Iliff JJ, Wang M, Liao Y, Plogg BA, Peng W, Gundersen GA, et al. Una vía paravascular facilita el flujo de LCR a través del parénquima cerebral y la eliminación de solutos intersticiales, incluyendo el β amiloide.Sci Transl Med. 2012; 4:147ra111. doi: 10.1126/scitranslmed.3003748.CrossrefMedlineGoogle Scholar
- 34. Adams HH, Hilal S, Schwingenschuh P, Wittfeld K, van der Lee SJ, DeCarli C, et al. Colaboración a priori en la obtención de imágenes de la población: el consorcio Uniform Neuro-Imaging of Virchow-Robin Spaces Enlargement.Alzheimers Dement (Amst). 2015; 1:513-520. doi: 10.1016/j.dadm.2015.10.004.MedlineGoogle Scholar
- 35. Debette S, Seshadri S, Beiser A, Au R, Himali JJ, Palumbo C, et al. La exposición a factores de riesgo vascular en la mediana edad acelera el envejecimiento estructural del cerebro y el deterioro cognitivo.Neurology. 2011; 77:461-468. doi: 10.1212/WNL.0b013e318227b227.CrossrefMedlineGoogle Scholar
Deja una respuesta