Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA/INSERISCI in fondo alla pagina
IRIS
Alzheimer's disease (AD)-a complex disease showing multiple pathomechanistic alterations-is triggered by nonlinear dynamic interactions of genetic/epigenetic and environmental risk factors. which, ultimately, converge into a biologically heterogeneous disease. To tackle the burden of AD during early preclinical stages. accessible blood-based biomarkers are currently being developed. Specifically. next-generation clinical trials are expected to integrate positive and negative predictive blood-based biomarkers into study designs to evaluate, at the individual level, target druggability and potential drug resistance mechanisms. In this scenario, systems biology holds promise to accelerate validation and qualification for clinical trial contexts of use-including proof-of-mechanism. patient selection, assessment of treatment efficacy and safety rates and prognostic evaluation. Albeit in their infancy, systems biology-based approaches are poised to identify relevant AD "signatures" through multifactorial and interindividual variability. allowing us to decipher disease pathophysiology and etiology. Hopefully. innovative biomarker-drug codevelopment strategies will be the road ahead towards effective disease-modifying drugs. (C) 2019, AICH - Servier Group
Hampel, H., Vergallo, A., Afshar, M., Akman-Anderson, L., Arenas, J., Benda, N., et al. (2019). Blood-based systems biology biomarkers for next-generation clinical trials in Alzheimer’s disease. DIALOGUES IN CLINICAL NEUROSCIENCE, 21(2), 177-191 [10.31887/DCNS.2019.21.2/hhampel].
Blood-based systems biology biomarkers for next-generation clinical trials in Alzheimer’s disease
Hampel H.;Vergallo A.;Afshar M.;Akman-Anderson L.;Arenas J.;Benda N.;Batrla R.;Broich K.;Caraci F.;Cuello A. C.;Emanuele E.;Haberkamp M.;Kiddle S. J.;Lucia A.;Mapstone M.;Verdooner S. R.;Woodcock J.;Lista S.;Aguilar L. F.;Babiloni C.;Baldacci F.;Black K. L.;Bokde A. L. W.;Bonuccelli U.;Cacciola F.;Castrillo J.;Cavedo E.;Ceravolo R.;Chiesa P. A.;Corvol J. -C.;Cummings J. L.;Depypere H.;Dubois B.;Duggento A.;Escott-Price V.;Federoff H.;Ferretti M. T.;Fiandaca M.;Frank R. A.;Garaci F.;Geerts H.;Giorgi F. S.;Goetzl E. J.;Graziani M.;Habert M. -O.;Herholz K.;Kapogiannis D.;Karran E.;Kim S. H.;Koronyo Y.;Koronyo-Hamaoui M.;Langevin T.;Lehericy S.;Lorenceau J.;Mango D.;Neri C.;Nistico R.;O'bryant S. E.;Palermo G.;Perry G.;Ritchie C.;Rossi S.;Saidi A.;Santarnecchi E.;Schneider L. S.;Sporns O.;Toschi N.;Villain N.;Welikovitch L. A.;Younesi E.
2019-01-01
Abstract
Alzheimer's disease (AD)-a complex disease showing multiple pathomechanistic alterations-is triggered by nonlinear dynamic interactions of genetic/epigenetic and environmental risk factors. which, ultimately, converge into a biologically heterogeneous disease. To tackle the burden of AD during early preclinical stages. accessible blood-based biomarkers are currently being developed. Specifically. next-generation clinical trials are expected to integrate positive and negative predictive blood-based biomarkers into study designs to evaluate, at the individual level, target druggability and potential drug resistance mechanisms. In this scenario, systems biology holds promise to accelerate validation and qualification for clinical trial contexts of use-including proof-of-mechanism. patient selection, assessment of treatment efficacy and safety rates and prognostic evaluation. Albeit in their infancy, systems biology-based approaches are poised to identify relevant AD "signatures" through multifactorial and interindividual variability. allowing us to decipher disease pathophysiology and etiology. Hopefully. innovative biomarker-drug codevelopment strategies will be the road ahead towards effective disease-modifying drugs. (C) 2019, AICH - Servier Group
Settore FIS/07 - FISICA APPLICATA (A BENI CULTURALI, AMBIENTALI, BIOLOGIA E MEDICINA)
English
Alzheimer's disease; systems biology; precision medicine; blood-based biomarker; context of use; pathophysiology; clinical trial; predictive biomarker; biomarker-drug codevelopment
Hampel, H., Vergallo, A., Afshar, M., Akman-Anderson, L., Arenas, J., Benda, N., et al. (2019). Blood-based systems biology biomarkers for next-generation clinical trials in Alzheimer’s disease. DIALOGUES IN CLINICAL NEUROSCIENCE, 21(2), 177-191 [10.31887/DCNS.2019.21.2/hhampel].
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/2108/233412
Citazioni
ND
15
13
social impact
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2023-2025 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 589/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.