Jumeau Numérique du Cerveau pour la Prédiction des Trajectoires Longitudinales dans la Maladie d'Alzheimer – AlzTwin

La maladie d'Alzheimer se caractérise par un dysfonctionnement à plusieurs échelles, mais la façon dont les protéines pathologiques Aß et tau perturbent les circuits neuronaux pour provoquer le déclin cognitif et les mécanismes de compensation restent inconnus. Je propose que les modèles de cerveau virtuel non seulement établissent un lien interprétable des molécules aux populations neuronales, améliorant ainsi notre compréhension des effets des protéines pathologiques sur le dysfonctionnement des réseaux, mais identifient aussi des mécanismes compensatoires. Couplée à des modèles de transmission trans-synaptique d'agents pathogènes de type prion, cette approche pourrait permettre de prédire les trajectoires de la maladie. Les objectifs sont de montrer chez les patients atteints de MA que le déséquilibre excitation/inhibition est lié à l'amyloïde et à la protéine tau, de comprendre son impact sur le dysfonctionnement du réseau, et d'identifier les paramètres synaptiques prédictifs de la progression de la maladie à l'aide de marqueurs cognitifs pour le résultat (évolution ou déclin). Nous utiliserons les données des cohortes ADNI3 et MEMENTO pour caractériser les différences régionales spécifiques dans l'IRMf de l'état de repos et explorer leur lien avec la présence d'Aß et de tau dérivée des scanners TEP. Pour ce faire, nous mettrons en œuvre un modèle de masse neuronale fondé sur la biophysique. L'inférence paramétrique, basée sur des données longitudinales spécifiques, permettra une description probabiliste des trajectoires de la maladie dans l'espace des paramètres biophysiques pertinents. À l'avenir, les modèles de jumeaux numériques serviront à simuler un changement de trajectoire personnalisé par la modulation des paramètres biophysiques via des interventions pharmacologiques. Les cohortes virtuelles permettront de développer les stratégies préventives et thérapeutiques adaptées aux individus.