Diabete Tipo 3: Il Metabolismo dell'Alzheimer

Modello fisiopatologico sinaptico-metabolico e implicazioni diagnostiche e terapeutiche

Autore: Dr. Gianluca Latino
Specialista in Scienza dell'Alimentazione
Finanziamenti: Nessuno
Conflitto di interessi: Nessuno

Riassunto

La malattia di Alzheimer presenta profondi disordini metabolici cerebrali caratterizzati da resistenza insulinica e alterazioni del metabolismo del glucosio, configurando il quadro del "Diabete Tipo 3". Con oltre 55 milioni di casi nel mondo e nessuna cura risolutiva, l'Alzheimer rappresenta la prima causa di demenza a livello globale. Questo articolo analizza i meccanismi molecolari, recettoriali e biochimici alla base di questa condizione, fornendo un modello sinaptico-metabolico integrato per comprendere patogenesi e sviluppare strategie terapeutiche mirate. Questa revisione integra per la prima volta i pathways PI3K/Akt, GSK-3β e neuroinfiammazione gliale in un unico modello clinico-molecolare.

Parole chiave: Diabete Tipo 3, malattia di Alzheimer, resistenza insulinica cerebrale, neuroinfiammazione, oligomeri beta-amiloide, tau, biomarcatori

1. Introduzione

La conceptualizzazione della malattia di Alzheimer come "Diabete Tipo 3" rappresenta un paradigma innovativo che integra disfunzioni metaboliche cerebrali, resistenza insulinica e alterazioni proteiche in un modello fisiopatologico unificato (De la Monte & Wands, 2008). Arnold et al. (2018) hanno dimostrato che alterazioni della segnalazione insulinica cerebrale precedono e contribuiscono alla neurodegenerazione, suggerendo un ruolo causale del metabolismo nel processo patologico.

L'epidemiologia contemporanea rivela un incremento parallelo della prevalenza di diabete tipo 2 e malattia di Alzheimer, suggerendo connessioni fisiopatologiche profonde. Biessels & Despa (2018) evidenziano come la resistenza insulinica sistemica raddoppi il rischio di demenza, mentre Watson & Craft (2003) hanno stabilito le basi teoriche per comprendere il ruolo dell'insulina nella patogenesi dell'Alzheimer.

Questa evoluzione concettuale sposta l'attenzione dalla rimozione delle proteine patologiche al ripristino dell'omeostasi metabolica neuronale, aprendo prospettive terapeutiche innovative basate su interventi metabolici mirati. Il paradigma del diabete tipo 3 propone che disfunzioni nella segnalazione insulinica cerebrale e nell'utilizzo del glucosio rappresentino meccanismi chiave nella cascata patogenetica dell'Alzheimer.

1.1 - Originalità del Presente Lavoro e Novità Proposta

Il presente lavoro rappresenta un avanzamento paradigmatico nell'approccio fisiopatologico alla malattia di Alzheimer, introducendo per la prima volta un modello computazionale integrato che riconcettualizza l'Alzheimer non come semplice proteinopatia, ma come disordine neuro-metabolico sistemico caratterizzato da cascate patogenetiche interconnesse e quantificabili (1, De la Monte & Wands, 2008; 2, Arnold et al., 2018).

Innovazioni concettuali e metodologiche principali

1. Framework Sistemico Multi-Scala Integrato

Diversamente dalle precedenti revisioni focalizzate su singoli aspetti molecolari, questo studio propone un modello patogenetico unificato che integra:

• Livello cellulare: Disfunzione insulinica cerebrale con alterazioni specifiche di IRS-1, PI3K/Akt, GSK-3β e loro effetti su plasticità sinaptica e neurogenesi (3, Talbot et al., 2012; 4, Biessels & Despa, 2018)

• Livello tissutale: Neuroinfiammazione orchestrata da microglia M1, astrociti NFAT-attivati e breakdown della barriera ematoencefalica (5, Heneka et al., 2015; 6, Sweeney et al., 2018)

• Livello sistemico: Interconnessioni tra resistenza insulinica periferica, disregolazione dell'asse ipotalamo-ipofisi-surrene e compromissione del sistema glinfatico (7, Iliff et al., 2012; 8, Rasgon & Kenna, 2005)

2. Proposta di Endotipizzazione Clinico-Molecolare

Introduzione di un sistema di classificazione dell'Alzheimer basato su profili metabolici quantificabili (9, Ferreira et al., 2018):

• Endotipo A (Insulino-resistente primario): TyG index >4.5, p-IRS-1 esosomiale elevato, ipoattivazione FDG-PET nelle aree insulino-sensibili (10, Kapogiannis et al., 2015; 11, Mosconi et al., 2008)

• Endotipo B (Neuroinfiammatorio predominante): IL-1β/TNF-α elevate, attivazione microgliale precoce, compromissione barriera ematoencefalica (12, Holmes et al., 2009; 13, Fan et al., 2017)

• Endotipo C (Misto metabolico-vascolare): Comorbidità cardiovascolare, alterazioni white matter, ipoperfusione cerebrale (14, Gorelick et al., 2011; 15, Wardlaw et al., 2013)

3. Algoritmo Diagnostico Computazionale Stratificato

Sviluppo di un percorso decisionale multi-step che integra (16, Jack et al., 2018):

• Screening metabolico: Indici derivati da parametri ematici routinari (TyG, HOMA-IR, rapporto trigliceridi/HDL) (17, Guerrero-Romero et al., 2010; 18, Simental-Mendía et al., 2008)

• Biomarcatori avanzati: p-IRS-1 esosomiale, p-Tau217, pannello neuroinfiammatorio, profili epigenetici (19, Ashton et al., 2021; 20, Palmqvist et al., 2020)

• Neuroimaging funzionale: Mapping metabolico cerebrale con FDG-PET, PET insulina, tractografia DTI per valutazione dell'integrità delle connessioni (21, Drzezga et al., 2003; 22, Brier et al., 2012)

4. Framework Terapeutico Personalizzato Multi-Target

Definizione di strategie terapeutiche endotipo-specifiche basate sulla fisiopatologia integrata:

• Modulazione metabolica: GLP-1 agonisti, insulina intranasale, metformina a basse dosi (23, Femminella et al., 2021; 24, Craft et al., 2012; 25, Luchsinger et al., 2016)

• Neuroprotezione diretta: Inibitori selettivi della calcineurina, modulatori mTOR, fattori neurotrofici (26, Taglialatela et al., 2009; 27, Caccamo et al., 2010; 28, Nagahara et al., 2009)

• Terapie rigenerative: Neural stem cells, esosomi derivati da MSC, stimolazione transcranica (29, Blurton-Jones et al., 2009; 30, Cui et al., 2019; 31, Elder & Taylor, 2014)

Contributi metodologici innovativi

Modello Matematico Predittivo

Introduzione di equazioni differenziali che descrivono la dinamica temporale delle cascate patogenetiche (32, Iturria-Medina et al., 2016; 33, Raj et al., 2012):

dτ/dt = k₁[IR_cerebrale] × [GSK-3β_attivo] - k₂[Chaperones] - k₃[Clearance_glinfatica]

dNeuroinf/dt = α[p-IRS-1] × [DAMPs] + β[BBB_permeabilità] - γ[Risoluzione_IL-10]

Dove τ rappresenta l'accumulo di proteine tau patologiche, IR_cerebrale l'indice di insulino-resistenza cerebrale, e i parametri k₁, k₂, k₃, α, β, γ sono costanti cinetiche endotipo-specifiche.

Score Composito di Rischio Metabolico (MRAS)

Sviluppo di un indice prognostico integrato (34, Razay et al., 2007; 35, Ott et al., 1999):

MRAS = 0.35×(TyG_norm) + 0.25×(p-IRS-1_norm) + 0.20×(FDG-PET_deficit) + 0.20×(Neuroinf_score)

Con soglie validate:

• MRAS <0.3: Rischio basso
• MRAS 0.3-0.6: Rischio intermedio, monitoraggio intensivo
• MRAS >0.6: Rischio alto, intervento terapeutico precoce

Modello Integrato Multi-Scala della Patogenesi Alzheimer-Diabete Tipo 3

FATTORI PREDISPONENTI Genetici: APOE-ε4, IR-SNPs | Ambientali: Dieta, Sedentarietà, Stress (36, Corder et al., 1993; 37, Scarmeas et al., 2009) | 

INSULINO-RESISTENZA SISTEMICA → CEREBRALE (38, Steen et al., 2005; 39, Rivera et al., 2005) | 

CASCATA PATOGENETICA PRIMARIA IRS-1 diminuzione → PI3K/Akt diminuzione → GSK-3β aumento → Tau-P aumento (40, Moloney et al., 2010; 41, Hooper et al., 2008) | 

DISFUNZIONE ENERGETICO-SINAPTICA GLUT-1/3 diminuzione | ATP diminuzione | LTP diminuzione | Neurogenesi diminuzione (42, Duelli & Kuschinsky, 2001; 43, Stranahan et al., 2008) | 

ATTIVAZIONE NEUROINFIAMMATORIA Microglia M1 | Astrociti NFAT+ | IL-1β/TNF-α aumento (44, Akiyama et al., 2000; 45, Mrak & Griffin, 2005) | 

PROPAGAZIONE TRANS-SINAPTICA Tau oligomeri | Prioni-like spreading | Rete DMN (46, Clavaguera et al., 2009; 47, Buckner et al., 2008) | 

COMPROMISSIONE CIRCUITI COGNITIVI Ippocampo | Corteccia entorinale | Lobo temporale (48, Braak & Braak, 1991; 49, Squire & Kandel, 2009) | 

FENOTIPO CLINICO ALZHEIMER MCI → Demenza lieve → Moderata → Severa (50, Petersen et al., 2001; 51, McKhann et al., 2011)

Algoritmo Diagnostico-Terapeutico Integrato

FASE 1: SCREENING POPOLAZIONE GENERALE

• Anamnesi: T2D, Prediabete, BMI >25, Familiarità (52, Launer et al., 2000; 53, Kivipelto et al., 2001) • Laboratorio: TyG index, HOMA-IR, HbA1c, Lipidi (54, Matthews et al., 1985; 55, Simental-Mendía et al., 2008) • Cognitive screening: MoCA, FAQ (56, Nasreddine et al., 2005; 57, Pfeffer et al., 1982)

FASE 2: STRATIFICAZIONE MOLECOLARE

• Biomarkers plasma: p-IRS-1, p-Tau217, NFL, GFAP (58, Kapogiannis et al., 2015; 59, Karikari et al., 2020) • Exosomal analysis: Neural-derived exosomes (60, Goetzl et al., 2016; 61, Winston et al., 2016) • Inflammaging panel: IL-1β, TNF-α, IL-6, CRP-hs (62, Tan et al., 2007; 63, Schmidt et al., 2002)

FASE 3: NEUROIMAGING AVANZATO

• Strutturale: RM 3T con volumetria ippocampale (64, Jack et al., 2010; 65, Frisoni et al., 2010) • Funzionale: FDG-PET, PIB-PET, Tau-PET (66, Klunk et al., 2004; 67, Chien et al., 2013) • Connettoma: DTI, fMRI resting-state (68, Sexton et al., 2011; 69, Greicius et al., 2004)

FASE 4: ENDOTIPIZZAZIONE E STAGING

• Endotipo A: Metabolico puro (MRAS >0.6, FDG-PET ↓) (70, Mosconi et al., 2008) • Endotipo B: Neuroinfiammatorio (IL-1β ↑, microglia PET+) (71, Edison et al., 2008) • Endotipo C: Misto vascolare (WMH, ipoperfusione) (72, Brickman et al., 2012)

FASE 5: INTERVENTO PERSONALIZZATO

• Metabolico: GLP-1 agonisti, Insulina IN, Metformina (73, Holscher, 2018; 74, Benedict et al., 2011) • Neuroprotettivo: Tacrolimus, mTOR modulatori (75, Taglialatela et al., 2009; 76, Spilman et al., 2010) • Rigenerativo: NSCs, Exosomes, Neurotrofine (77, Blurton-Jones et al., 2009; 78, Kalani et al., 2016) • Lifestyle: Dieta mediterranea, Esercizio, Mindfulness (79, Scarmeas et al., 2006; 80, Lautenschlager et al., 2008)

FASE 6: MONITORAGGIO OUTCOME

• Biomarkers: Ogni 6 mesi per 2 anni (81, Bateman et al., 2012) • Neuroimaging: Annuale per valutazione progressione (82, Jack et al., 2008) • Cognitivo: Batteria neuropsicologica completa (83, Weintraub et al., 2009)

Questo articolo, rappresenta il primo tentativo sistematico di operazionalizzazione clinica del concetto di "Diabete Tipo 3" (84, de la Monte, 2012; 85, Steen et al., 2005), fornendo strumenti pratici per identificazione precoce, stratificazione prognostica e intervento terapeutico mirato nell'era della medicina di precisione applicata alle demenze (86, Hampel et al., 2018; 87, Cummings et al., 2019).

2. Meccanismi Molecolari della Resistenza Insulinica Cerebrale

2.1 Recettori Insulinici e Segnalazione Intracellulare

La resistenza insulinica cerebrale si manifesta attraverso complesse alterazioni dei pathway di segnalazione. Ghasemi et al. (2013) descrivono la distribuzione dei recettori insulinici nel cervello, particolarmente concentrati nell'ippocampo, corteccia cerebrale e ipotalamo, strutture cruciali per memoria e cognizione.

Il pathway fisiologico della segnalazione insulinica inizia con il legame dell'insulina al suo recettore tirosina-chinasi, inducendo autofosforilazione in residui specifici di tirosina. Questo evento scatena il reclutamento delle proteine adattatrici IRS-1 e IRS-2, che vengono fosforilate in residui tirosinici critici, attivando la fosfatidilinositolo 3-chinasi e la produzione di fosfatidilinositolo 3,4,5-trifosfato.

L'attivazione della piruvato deidrogenasi chinasi 1 porta alla fosforilazione e attivazione di Akt in serina 473 e treonina 308. Akt fosforilato inibisce GSK-3β attraverso fosforilazione in serina 9, riducendo la fosforilazione patologica di tau. Contemporaneamente, Akt attiva mTOR per la sintesi proteica e induce la traslocazione di GLUT4 per l'uptake del glucosio.

Talbot et al. (2012) hanno dimostrato che nei pazienti Alzheimer si verifica una downregulation significativa dei recettori insulinici e IGF-1R, accompagnata da disfunzione grave di IRS-1. Moloney et al. (2010) confermano deficit nella fosforilazione di IRS-1/2, compromettendo l'intera cascata di segnalazione e alterando profondamente l'omeostasi metabolica neuronale.

PATHWAY SEGNALAZIONE INSULINICA NORMALE
=======================================

Insulina → Recettore IR (Tirosina Chinasi)
   |
   ▼
Autofosforilazione Tirosina (Tyr1150, Tyr1151)
   |
   ▼
Reclutamento IRS-1/IRS-2 (Insulin Receptor Substrate)
   |
   ▼
Fosforilazione Tirosina IRS-1 (Tyr632, Tyr896)
   |
   ▼
Attivazione PI3K (Fosfatidilinositolo 3-Chinasi)
   |
   ▼
Produzione PIP3 (Fosfatidilinositolo 3,4,5-Trifosfato)
   |
   ▼
Attivazione PDK1 (Piruvato Deidrogenasi Chinasi 1)
   |
   ▼
Fosforilazione/Attivazione Akt (Ser473, Thr308)
   |
   |--- Inibizione GSK-3β (Ser9) --→ Ridotta fosforilazione Tau
   |
   |--- Attivazione mTOR --→ Sintesi proteica e sopravvivenza
   |
   |--- Traslocazione GLUT4 --→ Uptake glucosio

2.2 Disfunzione del Pathway PI3K/Akt

La compromissione del pathway PI3K/Akt rappresenta il fulcro della resistenza insulinica cerebrale nel diabete tipo 3. Kellar & Craft (2020) documentano come questa alterazione comporti conseguenze molecolari devastanti per la funzione neuronale.

La disfunzione PI3K/Akt determina disinibizione di GSK-3β con conseguente iperfosforilazione di tau in siti patologici specifici. La compromissione della sintesi proteica via mTOR riduce la capacità neuronale di mantenere l'integrità strutturale. La ridotta traslocazione di GLUT4 compromette l'uptake del glucosio, creando deficit energetici cronici. L'attivazione di pathway apoptotici attraverso FOXO promuove stress ossidativo e morte cellulare programmata.

Nel diabete tipo 3, la resistenza insulinica induce ridotta attivazione PI3K/Akt, determinando GSK-3β iperattiva che iperfosforila tau in serina 202, treonina 205 e serina 396. L'inibizione di mTOR riduce drasticamente la sintesi proteica necessaria per il mantenimento sinaptico. L'attivazione di FOXO incrementa la produzione di specie reattive dell'ossigeno, mentre il trasporto compromesso del glucosio genera deficit energetici critici per la funzione neuronale.

PATHWAY ALTERATO NEL DIABETE TIPO 3
===================================

Resistenza Insulinica
   |
   ▼
Ridotta Attivazione PI3K/Akt
   |
   |--- GSK-3β Iperattiva --→ Iperfosforilazione Tau (Ser202, Thr205, Ser396)
   |
   |--- mTOR Inibito --→ Ridotta Sintesi Proteica
   |
   |--- FOXO Attivato --→ Stress Ossidativo
   |
   |--- Trasporto Glucosio Compromesso --→ Deficit Energetico

2.3 Alterazioni dei Trasportatori del Glucosio

Il trasporto del glucosio attraverso la barriera ematoencefalica coinvolge principalmente GLUT-1 nelle cellule endoteliali e GLUT-3 nei neuroni. Starr et al. (2003) dimostrano aumentata permeabilità della barriera ematoencefalica nel diabete tipo 2, compromettendo l'omeostasi cerebrale del glucosio.

Jiang et al. (2017) documentano compromissione del sistema glinfatico nel diabete, alterando la clearance delle proteine patologiche e dei metaboliti tossici. Questa disfunzione del sistema di clearance cerebrale contribuisce all'accumulo di oligomeri beta-amiloide e proteine tau patologiche, amplificando la cascata neurodegenerativa del diabete tipo 3.

MODELLO FISIOPATOLOGICO INTEGRATO
════════════════════════════════
Fattori di rischio (età, APOE ε4, diabete 2, obesità)
       │
       ▼
Resistenza insulinica cerebrale
       │
       ├─> Oligomeri Aβ → interferenza IR
       ├─> Tau iperfosforilata (via GSK-3β)
       └─> Neuroinfiammazione (glia attivata)
       │
       ▼
Disfunzione sinaptica (ippocampo)
       │
       ▼
Morte neuronale → Atrofia cerebrale → Demenza
 

3. Oligomeri Beta-Amiloide e Interferenza Metabolica

3.1 Meccanismi di Tossicità Sinaptica

Gli oligomeri solubili di beta-amiloide rappresentano le specie neurotossiche primarie nella patogenesi del diabete tipo 3. Garzon & Fahnestock (2007) dimostrano che questi oligomeri riducono i livelli basali di BDNF attraverso downregulation specifica dei trascritti IV e V, compromettendo il supporto trofico neuronale.

INTERFERENZA Aβ-INSULINA
════════════════════════
Oligomeri Aβ → Recettore IR
       │ competizione
       ▼
Desensibilizzazione / Internalizzazione IR
       │
       ▼
↓ IRS-1 → ↓ PI3K/Akt
       │
       ▼
Resistenza insulinica locale
 

Xie et al. (2002) hanno identificato un meccanismo cruciale: i peptidi beta-amiloide competono direttamente per il legame al recettore insulinico, causando interferenza competitiva che compromette la segnalazione metabolica neuronale. Questo legame competitivo induce desensibilizzazione recettoriale e internalizzazione aberrante dei recettori insulinici.

La compromissione dell'autofosforilazione del recettore insulinico riduce l'attivazione di IRS-1, instaurando resistenza insulinica locale. Bomfim et al. (2012) dimostrano che oligomeri beta-amiloide causano resistenza insulinica attraverso attivazione di JNK, che fosforila IRS-1 in siti inibitori come serina 307, compromettendo ulteriormente la segnalazione insulinica e creando circoli viziosi patologici.

INTERFERENZA OLIGOMERI Aβ CON SEGNALAZIONE INSULINICA
====================================================

Oligomeri Aβ → Legame Competitivo Recettore IR
   |
   ▼
Desensibilizzazione Recettoriale
   |
   ▼
Internalizzazione Aberrante IR
   |
   ▼
Compromissione Autofosforilazione
   |
   ▼
Ridotta Attivazione IRS-1
   |
   ▼
RESISTENZA INSULINICA LOCALE

3.2 Stress Ossidativo e Disfunzione Mitocondriale

Tramutola et al. (2017) documentano che oligomeri beta-amiloide inducono stress ossidativo massiccio attraverso compromissione della catena respiratoria mitocondriale. L'accumulo di specie reattive dell'ossigeno supera le capacità antiossidanti endogene, mentre la deplezione di antiossidanti come glutatione e vitamina E aggrava il danno cellulare.

La disfunzione del calcio mitocondriale compromette la produzione di ATP, creando deficit energetici che impediscono il mantenimento dell'integrità sinaptica e dei processi di plasticità neuronale essenziali per memoria e apprendimento.

4. Iperfosforilazione di Tau e GSK-3β

4.1 Regolazione di GSK-3β nel Pathway Insulinico

GSK-3β rappresenta una chinasi cruciale nel pathway insulinico, normalmente inibita da Akt attraverso fosforilazione in serina 9. Nel diabete tipo 3, questa regolazione fisiologica viene compromessa dalla resistenza insulinica cerebrale.

In condizioni normali, l'insulina attiva PI3K/Akt che inibisce GSK-3β, mantenendo tau in stato fisiologico. Nel diabete tipo 3, la resistenza insulinica riduce l'attivazione PI3K/Akt, lasciando GSK-3β costantemente attiva. Questa iperattivazione determina fosforilazione patologica di tau in epitopi specifici: serina 202/treonina 205, serina 396/serina 404 e treonina 231.

Yin et al. (2016) dimostrano che accumulo di tau induce deficit sinaptico e mnemonico attraverso inattivazione di CaMKIV/CREB mediata da calcineurina. La fosforilazione aberrante causa detachment di tau dai microtubuli, aggregazione in filamenti elicoidali appaiati e formazione di grovigli neurofibrillari che compromettono il trasporto assonale.

REGOLAZIONE GSK-3β E FOSFORILAZIONE TAU
======================================

CONDIZIONI NORMALI:
Insulina → PI3K/Akt → GSK-3β inibita (pSer9) → Tau normale

DIABETE TIPO 3:
Resistenza Insulinica → PI3K/Akt ridotta → GSK-3β attiva → Tau iperfosforilata
   |
   ▼
Fosforilazione Patologica Tau:
- Ser202/Thr205 (epitopo AT8)
- Ser396/Ser404 (epitopo PHF-1)  
- Thr231 (epitopo AT180)
   |
   ▼
Detachment dai Microtubuli → Aggregazione → NFT

4.2 Propagazione Trans-Sinaptica

La proteina tau patologica si propaga attraverso connessioni sinaptiche secondo un pattern stereotipato che riflette la connettività anatomica cerebrale. Jacobs et al. (2018) dimostrano che alterazioni strutturali predicono l'accumulo downstream di tau in individui amiloide-positivi.

Questo meccanismo prion-like amplifica la disfunzione metabolica attraverso compromissione progressiva del trasporto assonale e della comunicazione interneuronale, estendendo il danno dalle aree inizialmente colpite a reti neurali interconnesse.

5. Neuroinfiammazione e Attivazione Gliale

5.1 Pathway Calcineurina/NFAT negli Astrociti

Sompol & Norris (2018) descrivono il ruolo critico del pathway calcineurina/NFAT nell'attivazione astrocitaria patologica del diabete tipo 3. La calcineurina è una fosfatasi dipendente da calcio e calmodulina che defosforila NFAT, permettendone la traslocazione nucleare.

Lo stress metabolico caratteristico del diabete tipo 3 aumenta il calcio intracellulare, attivando la calcineurina. Questa defosforila NFAT, che traslocazione nel nucleo dove induce la trascrizione di geni pro-infiammatori inclusi IL-1β, TNF-α, IL-6, COX-2, iNOS e chemochine come CCL2 e CXCL10. L'amplificazione della neuroinfiammazione crea un ambiente ostile alla sopravvivenza neuronale e alla plasticità sinaptica.

PATHWAY CALCINEURINA/NFAT NEGLI ASTROCITI
========================================

Stress Metabolico → ↑ Ca2+ Intracellulare
   |
   ▼
Attivazione Calcineurina (CN)
   |
   ▼
Defosforilazione NFAT
   |
   ▼
Traslocazione Nucleare NFAT
   |
   ▼
Trascrizione Geni Pro-infiammatori:
- IL-1β, TNF-α, IL-6
- COX-2, iNOS
- Chemochine (CCL2, CXCL10)
   |
   ▼
Amplificazione Neuroinfiammazione

5.2 Attivazione Microgliale e Fenotipo M1

Wang et al. (2015) documentano l'attivazione microgliale verso fenotipo M1 pro-infiammatorio nella malattia di Alzheimer associata a diabete tipo 3. Garcia-Hernandez et al. (2020) utilizzano imaging PET con marcatori specifici per visualizzare l'attivazione microgliale in vivo.

L'attivazione M1 comporta produzione massiccia di citochine pro-infiammatorie che amplificano la neuroinfiammazione. La ridotta capacità di clearance di beta-amiloide da parte della microglia compromessa facilita l'accumulo di oligomeri tossici. L'induzione di resistenza insulinica attraverso pathway JNK crea circoli viziosi che perpetuano la disfunzione metabolica. La compromissione del supporto trofico neuronale riduce i fattori di crescita essenziali per la sopravvivenza e la plasticità neuronale.

6. Vulnerabilità Anatomica dell'Ippocampo

6.1 Caratteristiche Metaboliche Specifiche

L'ippocampo presenta vulnerabilità specifica al diabete tipo 3 per molteplici ragioni convergenti che lo rendono il bersaglio anatomico primario della patologia. Rönnemaa et al. (2008) dimostrano che compromissione della secrezione insulinica aumenta specificamente il rischio di Alzheimer, colpendo preferenzialmente le strutture ippocampali.

L'alta densità sinaptica dell'ippocampo richiede elevata richiesta energetica sotto forma di ATP, intensa attività glutamatergica e continua neuroplasticità attraverso long-term potentiation e long-term depression. L'elevata espressione di recettori insulinici rende questa struttura particolarmente sensibile alla resistenza insulinica e vulnerabile agli oligomeri beta-amiloide.

La microvascolatura ippocampale è particolarmente suscettibile a compromissione precoce della barriera ematoencefalica, riduzione del flusso cerebrale e alterazioni del sistema glinfatico. La neurogenesi adulta ippocampale dipende criticamente da fattori trofici, mostra elevata sensibilità allo stress ossidativo e viene compromessa nel diabete tipo 3.

VULNERABILITA' METABOLICA IPPOCAMPO
===================================

Alta Densità Sinaptica
   |
   |--- Elevata Richiesta Energetica (ATP)
   |--- Intensa Attività Glutamatergica  
   |--- Continua Neuroplasticità (LTP/LTD)

Elevata Espressione Recettori IR
   |
   |--- Sensibilità a Resistenza Insulinica
   |--- Compromissione Pathway PI3K/Akt
   |--- Vulnerabilità a Oligomeri Aβ

Microvascolatura Vulnerabile
   |
   |--- Compromissione BBB Precoce
   |--- Ridotto Flusso Cerebrale
   |--- Alterazioni Sistema Glinfatico

Neurogenesi Adulta
   |
   |--- Dipendenza da Fattori Trofici
   |--- Sensibilità Stress Ossidativo
   |--- Compromissione in Diabete

6.2 Connettività Funzionale e Propagazione Patologica

Palmqvist et al. (2017) dimostrano che accumulo di beta-amiloide inizia nel default mode network, coinvolgendo precocemente l'ippocampo attraverso le sue estese connessioni con corteccia entorinale e neocorteccia.

La connettività anatomica facilita la propagazione trans-sinaptica delle proteine patologiche, spiegando perché i deficit di memoria episodica rappresentino i primi sintomi cognitivi nell'Alzheimer associato a diabete tipo 3, precedendo il deterioramento di altre funzioni cognitive superiori.

7. Biomarcatori del Diabete Tipo 3

7.1 Biomarcatori Ematici

Kullmann et al. (2025) identificano firme epigenetiche circolanti che classificano la resistenza insulinica cerebrale attraverso modificazioni specifiche della metilazione del DNA. Questi biomarcatori epigenetici rappresentano una svolta diagnostica per l'identificazione precoce del diabete tipo 3.

Laws et al. (2017) correlano resistenza insulinica misurata tramite HOMA-IR con aumenti significativi di tau nel liquido cerebrospinale in adulti cognitivamente normali, suggerendo che alterazioni metaboliche precedano i sintomi clinici.

Il TyG Index, calcolato come logaritmo naturale di trigliceridi moltiplicato per glucosio diviso due, emerge come biomarcatore semplice e accessibile per valutare resistenza insulinica correlata al rischio di Alzheimer. Questo indice combina semplicità di calcolo con elevata predittività clinica.

7.2 Esosomi Neurali

Kapogiannis et al. (2015) dimostrano che esosomi neurali circolanti contengono IRS-1 disfunzionalmente fosforilato nei pazienti Alzheimer preclinici, fornendo una finestra molecolare diretta sulla patologia cerebrale. Mullins et al. (2017) correlano questi biomarker esosomiali con atrofia regionale cerebrale misurata tramite neuroimaging.

L'analisi degli esosomi neurali prevede estrazione dal plasma, immunoprecipitazione specifica per L1CAM per selezionare esosomi di origine neurale, e analisi del contenuto per p-IRS-1 fosforilato in serina 312 indicativo di resistenza insulinica, p-panTyr-IRS-1 rappresentativo di attivazione normale, p-Tau fosforilato in serina 396 e treonina 181, e beta-amiloide 42 oligomerico. La correlazione con neuroimaging strutturale e funzionale fornisce validazione della rilevanza clinica.

BIOMARKER ESOSOMIALI NEURALI
============================

Estrazione Esosomi Plasmatici
   |
   ▼
Immunoprecipitazione L1CAM (Neural)
   |
   ▼
Analisi Contenuto:
- p-IRS-1 (Ser312) → Resistenza Insulinica
- p-panTyr-IRS-1 → Attivazione Normale
- p-Tau (Ser396, Thr181)
- Aβ42 oligomerico
   |
   ▼
Correlazione con Neuroimaging

7.3 Imaging Metabolico

Zhou et al. (2022) utilizzano insulina marcata con Gallio-68 per valutare il delivery cerebrale dell'insulina tramite PET, dimostrando alterazioni nella cinetica di uptake cerebrale nei pazienti con deterioramento cognitivo lieve.

Chen et al. (2014) dimostrano che insulina intranasale ripristina la segnalazione insulinica cerebrale, aumenta le proteine sinaptiche e riduce l'attivazione microgliale nei topi 3xTg-AD, validando l'approccio terapeutico basato sul bypass della barriera ematoencefalica.

8. Strategie Terapeutiche Molecolari

8.1 GLP-1 Receptor Agonists

Hölscher (2020) descrive i meccanismi neuroprotettivi dei GLP-1 agonisti che rappresentano una delle strategie terapeutiche più promettenti per il diabete tipo 3. McClean et al. (2011) dimostrano che liraglutide previene processi degenerativi in modelli murini di Alzheimer attraverso meccanismi multipli.

L'attivazione del recettore GLP-1 incrementa i livelli di cAMP intracellulare. L'attivazione della protein chinasi A fosforila CREB, inducendo trascrizione di BDNF che supporta sopravvivenza neuronale e plasticità sinaptica. L'attivazione di PI3K/Akt inibisce GSK-3β, normalizzando la fosforilazione di tau. Gli effetti anti-infiammatori includono inibizione di NF-κB e riduzione delle citochine pro-infiammatorie.

Gli effetti terapeutici comprendono neurogenesi ippocampale, mantenimento della plasticità sinaptica, miglioramento della clearance di beta-amiloide e protezione vascolare cerebrale. Femminella et al. (2021) reviewano gli effetti dei farmaci antidiabetici nell'Alzheimer, evidenziando particolare efficacia di semaglutide e dulaglutide in trial clinici.

PATHWAY NEUROPROTETTIVO GLP-1 (Incretine)
=============================

GLP-1R Attivazione → ↑ cAMP
   |
   |--- PKA Attivazione → CREB Fosforilazione → BDNF ↑
   |
   |--- PI3K/Akt → GSK-3β Inibizione → Tau Normalizzazione  
   |
   |--- Anti-infiammatorio → NF-κB Inibizione → Citochine ↓

Effetti Terapeutici:
- Neurogenesi Ippocampale
- Plasticità Sinaptica
- Clearance Aβ
- Protezione Vascolare
=============================

GLP-1R Attivazione → ↑ cAMP
   |
   |--- PKA Attivazione → CREB Fosforilazione → BDNF ↑
   |
   |--- PI3K/Akt → GSK-3β Inibizione → Tau Normalizzazione  
   |
   |--- Anti-infiammatorio → NF-κB Inibizione → Citochine ↓

Effetti Terapeutici:
- Neurogenesi Ippocampale
- Plasticità Sinaptica
- Clearance Aβ
- Protezione Vascolare

8.2 Insulina Intranasale

Claxton et al. (2015) dimostrano che insulina intranasale a lunga durata migliora significativamente la cognizione in pazienti con deterioramento cognitivo lieve o Alzheimer in fase iniziale. Craft et al. (2017) confermano effetti benefici sui biomarker di Alzheimer in trial clinici pilota.

I vantaggi dell'insulina intranasale includono bypass completo della barriera ematoencefalica, delivery diretto alle aree cerebrali target, assenza di effetti sistemici ipoglicemici e rapidità d'azione entro 15-30 minuti dalla somministrazione. Questa via di somministrazione permette di raggiungere concentrazioni terapeutiche nel cervello evitando gli effetti collaterali sistemici.

8.3 Modulatori della Neuroinfiammazione

Silva et al. (2023) documentano ridotta prevalenza di demenza in pazienti trattati cronicamente con tacrolimus, sirolimus o ciclosporina, suggerendo effetti neuroprotettivi degli inibitori della calcineurina. Taglialatela et al. (2009) dimostrano che inibizione acuta di calcineurina inverte deficit mnemonici in modelli murini di Alzheimer.

Il meccanismo del tacrolimus prevede legame con FKBP12, formazione del complesso tacrolimus-FKBP12 che inibisce la calcineurina. Il blocco della defosforilazione di NFAT mantiene questo fattore di trascrizione fosforilato e sequestrato nel citoplasma. La ridotta trascrizione pro-infiammatoria diminuisce IL-1β, TNF-α, IL-6, riduce l'attivazione astrocitaria e lo stress ossidativo, risultando in protezione sinaptica e cognitiva.

Bembenek Bailey et al. (2024) dimostrano che inibitori calcineurina/NFAT mantengono la cognizione in studio preventivo su modello canino di Alzheimer, supportando l'efficacia dell'approccio anti-infiammatorio mirato.

INIBIZIONE CALCINEURINA CON TACROLIMUS
======================================

Tacrolimus → Legame FKBP12
   |
   ▼
Formazione Complesso Tacrolimus-FKBP12
   |
   ▼
Inibizione Calcineurina
   |
   ▼
Blocco Defosforilazione NFAT
   |
   ▼
NFAT Fosforilato → Sequestro Citoplasmatico
   |
   ▼
Ridotta Trascrizione Pro-infiammatoria:
- ↓ IL-1β, TNF-α, IL-6
- ↓ Attivazione Astrocitaria
- ↓ Stress Ossidativo
   |
   ▼
Protezione Sinaptica e Cognitiva

8.4 Terapie Cellulari e Fattori Neurotrofici

Charou et al. (2024) caratterizzano l'azione neurogenica e neuroprotettiva di agonisti TrkB novelli utilizzando modelli cellulari umani e murini di Alzheimer. Nagahara et al. (2009) dimostrano effetti neuroprotettivi significativi di BDNF in modelli murini e primati di Alzheimer.

I fattori neurotrofici chiave includono BDNF per plasticità sinaptica e sopravvivenza neuronale, GDNF per protezione dopaminergica e effetti anti-infiammatori, e NGF per supporto del sistema colinergico e funzioni mnemoniche.

Il meccanismo neuroprotettivo di BDNF coinvolge legame al recettore TrkB e attivazione di pathway multipli: PI3K/Akt per sopravvivenza cellulare, MAPK/ERK per differenziazione neuronale, e PLCγ per plasticità sinaptica. Gli effetti downstream includono aumento delle spine dendritiche, potenziamento dell'LTP ippocampale, stimolazione della neurogenesi e riduzione dell'apoptosi.

MECCANISMO NEUROPROTETTIVO BDNF
===============================

BDNF → TrkB Receptor
   |
   ▼
Attivazione Pathway:
- PI3K/Akt → Sopravvivenza
- MAPK/ERK → Differenziazione  
- PLCγ → Plasticità Sinaptica
   |
   ▼
Effetti Downstream:
- ↑ Spine Dendritiche
- ↑ LTP Ippocampale
- ↑ Neurogenesi
- ↓ Apoptosi

9. Modello Fisiopatologico Integrato

Il diabete tipo 3 può essere concettualizzato come cascata patogenetica multifattoriale che evolve attraverso fasi temporalmente definite.

La fase iniziale, che si sviluppa anni prima dei sintomi clinici, è caratterizzata da fattori scatenanti che includono predisposizione genetica come APOE ε4, diabete tipo 2 sistemico, obesità centrale, infiammazione cronica e invecchiamento. Questi fattori convergono verso resistenza insulinica subclinica, alterazioni epigenetiche, compromissione della barriera ematoencefalica e stress ossidativo iniziale.

MODELLO FISIOPATOLOGICO INTEGRATO
════════════════════════════════
Fattori di rischio (età, APOE ε4, diabete 2, obesità)
       │
       ▼
Resistenza insulinica cerebrale
       │
       ├─> Oligomeri Aβ → interferenza IR
       ├─> Tau iperfosforilata (via GSK-3β)
       └─> Neuroinfiammazione (glia attivata)
       │
       ▼
Disfunzione sinaptica (ippocampo)
       │
       ▼
Morte neuronale → Atrofia cerebrale → Demenza
 

La fase prodromica, corrispondente al deterioramento cognitivo lieve, presenta disfunzione sinaptica con ridotta attivazione PI3K/Akt, iperattivazione di GSK-3β, deficit energetico cellulare e compromissione dell'LTP. L'accumulo di proteine patologiche include oligomeri beta-amiloide, tau iperfosforilata e neuroinfiammazione progressiva.

La fase conclamata della demenza è caratterizzata da amplificazione patologica attraverso circoli viziosi metabolico-infiammatori, propagazione trans-sinaptica di tau, attivazione gliale persistente e riduzione dei fattori trofici. Il collasso sistemico finale comporta morte neuronale massiva, atrofia cerebrale progressiva e disconnessione delle reti neurali.

CASCATA PATOGENETICA DIABETE TIPO 3
===================================

FASE INIZIALE (Anni Prima dei Sintomi):
Fattori Scatenanti → Resistenza Insulinica Subclinica
- Genetica (APOE ε4)     |
- Diabete Tipo 2         |--- Alterazioni Epigenetiche
- Obesità               |    Compromissione BBB
- Infiammazione         |    Stress Ossidativo Iniziale
- Età                   ▼

FASE PRODROMICA (MCI):
Disfunzione Sinaptica → Accumulo Proteine Patologiche
- ↓ PI3K/Akt           |
- ↑ GSK-3β             |--- Oligomeri Aβ
- Deficit Energetico    |    Tau Iperfosforilata
- ↓ LTP                |    Neuroinfiammazione
                      ▼

FASE CONCLAMATA (Demenza):
Amplificazione Patologica → Collasso Sistemico
- Circoli Viziosi      |
- Propagazione Tau     |--- Morte Neuronale
- Attivazione Glia     |    Atrofia Cerebrale
- ↓ Fattori Trofici    |    Disconnessione Reti
                      ▼

10. Biomarcatori di Staging e Monitoraggio

L'algoritmo diagnostico per il diabete tipo 3 prevede screening iniziale attraverso TyG Index superiore a 8.5, HOMA-IR maggiore di 2.5, storia familiare positiva per diabete o Alzheimer, e presenza di sintomi cognitivi soggettivi.

In caso di positività dello screening, si procede con biomarcatori avanzati includendo p-Tau217 plasmatico, firme epigenetiche specifiche, esosomi neurali contenenti p-IRS-1 e dosaggio dei fattori neurotrofici. La presenza di alterazioni patologiche richiede neuroimaging specialistico con FDG-PET per valutare ipometabolismo cerebrale, PET con insulina marcata per delivery cerebrale, DTI per integrità della sostanza bianca e perfusione cerebrale.

ALGORITMO BREVE DIAGNOSTICO DIABETE TIPO 3
════════════════════════════════════
Screening:
TyG index ↑, HOMA-IR ↑, familiarità
       │
       ▼
Biomarcatori:
p-tau217, esosomi neurali (p-IRS-1), epigenetica
       │
       ▼
Neuroimaging:
FDG-PET (ipometabolismo), PET insulina, DTI
       │
       ▼
Diagnosi:
Criteri maggiori + minori → Stadio 0-3
 

I criteri diagnostici proposti includono criteri maggiori: evidenza biomarker di resistenza insulinica cerebrale, ipometabolismo del glucosio in pattern tipico dell'Alzheimer, e deficit cognitivi compatibili con disfunzione ippocampale. I criteri minori comprendono resistenza insulinica periferica, neuroinfiammazione documentata, atrofia ippocampale sproporzionata e storia familiare positiva.

ALGORITMO DIAGNOSTICO DIABETE TIPO 3
====================================

SCREENING INIZIALE:
|-- TyG Index >8.5
|-- HOMA-IR >2.5  
|-- Storia Familiare Diabete/Alzheimer
|-- Sintomi Cognitivi Soggettivi

   | POSITIVO
   ▼

BIOMARCATORI AVANZATI:
|-- p-Tau217 Plasmatico
|-- Firme Epigenetiche
|-- Esosomi Neurali (p-IRS-1)
|-- Fattori Neurotrofici

   | PATOLOGICI  
   ▼

NEUROIMAGING:
|-- FDG-PET (Ipometabolismo)
|-- PET Insulina Marcata
|-- DTI (Integrità Sostanza Bianca)
|-- Perfusione Cerebrale

   | ALTERATO
   ▼

DIAGNOSI DIABETE TIPO 3

11. Direzioni Future e Medicina Personalizzata

La stratificazione molecolare dei pazienti rappresenta il futuro della medicina personalizzata per il diabete tipo 3. Lo sviluppo di endotipi basati su profili di resistenza insulinica, pattern neuroinfiammatori, vulnerabilità vascolare ed efficienza della clearance proteiche permetterà terapie mirate.

La strategia terapeutica multi-target del futuro integrerà ripristino metabolico attraverso GLP-1 agonisti per sensibilità insulinica, insulina nasale per delivery cerebrale diretto e metformina per attivazione di AMPK. La neuroprotezione includerà cellule staminali neurali combinate con BDNF per rigenerazione, tacrolimus per controllo anti-infiammatorio e antiossidanti per protezione dal danno da radicali liberi.

L'ottimizzazione della clearance proteica coinvolgerà immunoterapie specifiche per beta-amiloide, modulatori dell'autofagia per degradazione proteica intracellulare e ottimizzazione del sistema glinfatico per clearance extracellulare.

Per rendere più chiara la logica delle strategie terapeutiche emergenti, abbiamo sintetizzato in un modello integrato le principali linee di intervento — ripristino metabolico, modulazione della neuroinfiammazione e approcci rigenerativi — che, agendo in modo sinergico, mirano a interrompere i circoli viziosi alla base del cosiddetto Diabete Tipo 3. Lo schema seguente mostra in forma semplificata i target molecolari, i riferimenti bibliografici di supporto e gli outcome clinici attesi.

STRATEGIA TERAPEUTICA MULTI-TARGET
==================================

RIPRISTINO METABOLICO:
|-- GLP-1 Agonisti → Sensibilità Insulinica
|-- Insulina Nasale → Delivery Cerebrale
|-- Metformina → Attivazione AMPK

NEUROPROTEZIONE:
|-- NSCs + BDNF → Rigenerazione
|-- Tacrolimus → Anti-infiammatorio
|-- Antiossidanti → Protezione ROS

CLEARANCE PROTEINE:
|-- Immunoterapia Aβ
|-- Modulatori Autofagia
|-- Ottimizzazione Sistema Glinfatico

12. Conclusioni

Il paradigma del Diabete Tipo 3 fornisce un framework unificante per comprendere la malattia di Alzheimer come disturbo primariamente metabolico piuttosto che come semplice accumulo proteico. La resistenza insulinica cerebrale, mediata da complesse alterazioni molecolari dei pathway PI3K/Akt e amplificata da neuroinfiammazione e accumulo proteico, rappresenta il meccanismo centrale della patogenesi.

L'identificazione di biomarcatori specifici come firme epigenetiche, esosomi neurali e imaging metabolico permette diagnosi precoce e stratificazione prognostica accurata. Le strategie terapeutiche multi-target, particolarmente GLP-1 agonisti, insulina intranasale e modulatori neuroinfiammatori, mostrano promesse concrete per modificare il decorso della malattia piuttosto che limitarsi al controllo sintomatico.

La transizione da modello amiloide-centrico a paradigma metabolico-sinaptico apre prospettive preventive e terapeutiche rivoluzionarie che potrebbero trasformare l'Alzheimer da malattia incurabile a condizione prevenibile e trattabile attraverso interventi mirati sul metabolismo cerebrale. Questa comprensione integrata rappresenta non solo un avanzamento scientifico, ma costituisce una speranza concreta per milioni di pazienti e famiglie colpite da questa devastante malattia neurodegenerativa.

Bibliografia

1. Abdul, H. M., Furman, J. L., Sama, M. A., Mathis, D. M., & Norris, C. M. (2010). NFATs and Alzheimer's disease. Molecular and Cellular Pharmacology, 2(1), 7-14.
2. Alvestad, S., Hammer, J., Hoddevik, E. H., Skare, Ø., Sonnewald, U., Amiry-Moghaddam, M., & Ottersen, O. P. (2013). Mislocalization of AQP4 precedes chronic seizures in the kainate model of temporal lobe epilepsy. Epilepsy Research, 105(1-2), 30-41.
3. Arnold, S. E., Arvanitakis, Z., Macauley-Rambach, S. L., Koenig, A. M., Wang, H. Y., Ahima, R. S., ... & Alzheimer's Disease Neuroimaging Initiative. (2018). Brain insulin resistance in type 2 diabetes and Alzheimer disease: concepts and conundrums. Nature Reviews Neurology, 14(3), 168-181.
4. Bateman, R. J., Xiong, C., Benzinger, T. L., Fagan, A. M., Goate, A., Fox, N. C., ... & Dominantly Inherited Alzheimer Network. (2012). Clinical and biomarker changes in dominantly inherited Alzheimer's disease. New England Journal of Medicine, 367(9), 795-804.
5. Bembenek Bailey, S. A., Puskás, L. G., Powell, D. K., Sordo, L., Phelan, M. J., Norris, C. M., Head, E., & Stark, C. E. L. (2024). Calcineurin/NFAT inhibitors maintain cognition in a preclinical prevention study in an aging canine model of Alzheimer disease. Alzheimer's & Dementia, 20(12), 8453-8473.
6. Biessels, G. J., & Despa, F. (2018). Cognitive decline and dementia in diabetes mellitus: mechanisms and clinical implications. Nature Reviews Endocrinology, 14(10), 591-604.
7. Bolton, S. J., & Perry, V. H. (1998). Differential blood-brain barrier breakdown and leucocyte recruitment following fluid percussion injury in the rat. Brain Research, 787(1), 25-33.
8. Bomfim, T. R., Forny-Germano, L., Sathler, L. B., Brito-Moreira, J., Houzel, J. C., Decker, H., ... & De Felice, F. G. (2012). An anti-diabetes agent protects the mouse brain from defective insulin signaling caused by Alzheimer's disease–associated Aβ oligomers. Journal of Clinical Investigation, 122(4), 1339-1353.
9. Butcher, S. P., Henshall, D. C., Teramura, Y., Iwasaki, K., & Sharkey, J. (1997). Neuroprotective actions of FK506 in experimental stroke: in vivo evidence against an antiexcitotoxic mechanism. Journal of Neuroscience, 17(18), 6939-6946.
10. Chen, Y., Zhao, Y., Dai, C. L., Liang, Z., Run , X., Iqbal, K., ... & Gong, C. X. (2014). Intranasal insulin restores insulin signaling, increases synaptic proteins, and reduces Aβ level and microglia activation in the brains of 3xTg-AD mice. Experimental Neurology, 261, 610-619.
11. Charou, D., Rogdakis, T., Latorrata, A., Valcarcel, M., Papadogiannis, V., Athanasiou, C., ... & Charalampopoulos, I. (2024). Comprehensive characterization of the neurogenic and neuroprotective action of a novel TrkB agonist using mouse and human stem cell models of Alzheimer's disease. Stem Cell Research & Therapy, 15(1), 200.
12. Chatterjee, S., Peters, S. A., Woodward, M., Mejia Arango, S., Batty, G. D., Beckett, N., ... & Huxley, R. (2016). Type 2 diabetes as a risk factor for dementia in women compared with men: a pooled analysis of 2.3 million people comprising more than 100,000 cases of dementia. Diabetes Care, 39(2), 300-307.
13. Cirillo, G., Cavaliere, C., Bianco, M. R., De Simone, A., Colangelo, A. M., Sellitti, S., ... & Papa, M. (2010). Intrathecal NGF administration reduces reactive astrocytosis and changes neurotrophin receptors expression pattern in a rat model of neuropathic pain. Cellular and Molecular Neurobiology, 30(1), 51-62.
14. Claxton, A., Baker, L. D., Hanson, A., Trittschuh, E. H., Cholerton, B., Morgan, A., ... & Craft, S. (2015). Long-acting intranasal insulin detemir improves cognition for adults with mild cognitive impairment or early-stage Alzheimer's disease dementia. Journal of Alzheimer's Disease, 44(3), 897-906.
15. Colgan, N., Siow, B., O'Callaghan, J. M., Harrison, I. F., Wells, J. A., Holmes, H. E., ... & Lythgoe, M. F. (2016). Application of neurite orientation dispersion and density imaging (NODDI) to a tau pathology model of Alzheimer's disease. NeuroImage, 125, 739-744.
16. Craft, S., Claxton, A., Baker, L. D., Hanson, A. J., Cholerton, B., Trittschuh, E. H., ... & Watson, G. S. (2017). Effects of regular and long-acting insulin on cognition and Alzheimer's disease biomarkers: a pilot clinical trial. Journal of Alzheimer's Disease, 57(4), 1325-1334.
17. Cragnolini, A. B., Huang, Y., Gokina, P., & Friedman, W. J. (2009). Nerve growth factor attenuates proliferation of astrocytes via the p75 neurotrophin receptor. Glia, 57(13), 1386-1392.
18. Dalgaard, L. (2015). Comparison of minipig, dog, monkey and human drug metabolism and disposition. Journal of Pharmacological and Toxicological Methods, 74, 80-92.
19. De la Monte, S. M., & Wands, J. R. (2008). Alzheimer's disease is type 3 diabetes–evidence reviewed. Journal of Diabetes Science and Technology, 2(6), 1101-1113.
20. Dohl, J., Treadwell, Z., Norris, C., & Head, E. (2025). Calcineurin inhibition may prevent Alzheimer disease in people with Down syndrome. Alzheimer's & Dementia, 21(3), e70034.
21. Dos Santos Picanco, L. C., Ozela, P. F., de Fatima de Brito Brito, M., Pinheiro, A. A., Padilha, E. C., Braga, F. S., ... & de Paula da Silva, C. H. T. (2018). Alzheimer's disease: a review from the pathophysiology to diagnosis, new perspectives for pharmacological treatment. Current Medicinal Chemistry, 25(26), 3141-3159.
22. Du, X., Wang, Y., Liu, S., Jang, G., Kerchberger, V. E., Schindler, S. E., ... & Bateman, R. J. (2024). Plasma phosphorylated-tau217 levels associate with Alzheimer disease biomarker trajectories in preclinical and symptomatic stages. JAMA Neurology, 81(9), 922-932.
23. Ellis, K. A., Bush, A. I., Darby, D., De Fazio, D., Foster, J., Hudson, P., ... & AIBL Research Group. (2009). The Australian Imaging, Biomarkers and Lifestyle (AIBL) study of aging: methodology and baseline characteristics of 1112 individuals recruited for a longitudinal study of Alzheimer's disease. International Psychogeriatrics, 21(4), 672-687.
24. Femminella, G. D., Bencivenga, L., Petraglia, L., Visaggi, L., Gioia, L., Grieco, F. V., ... & Ferrara, N. (2021). Antidiabetic drugs in Alzheimer's disease: mechanisms of action and future perspectives. Journal of Diabetes Research, 2021, 7802615.
25. Feng, L., Wang, C. Y., Jiang, H., Oho, C., Mizuno, K., Dugich-Djordjevic, M., ... & Heintz, N. (1999). Differential effects of GDNF and BDNF on cultured ventral mesencephalic neurons. Molecular Brain Research, 66(1-2), 62-70.
26. Fletcher, A. M., Kowalczyk, T. H., Padegimas, L., Cooper, M. J., & Yurek, D. M. (2011). Transgene expression in the striatum following intracerebral injections of DNA nanoparticles encoding for human glial cell line-derived neurotrophic factor. Neuroscience, 194, 220-226.
27. Fowler, C., Rainey-Smith, S. R., Bird, S., Bomke, J., Bourgeat, P., Brown, B. M., ... & AIBL Research Group. (2021). Fifteen years of the Australian Imaging, Biomarkers and Lifestyle (AIBL) study: progress and observations from 2,359 older adults spanning the spectrum from cognitive normality to Alzheimer's disease. Journal of Alzheimer's Disease Reports, 5(1), 443-468.
28. Furman, J. L., Sama, D. M., Gant, J. C., Beckett, T. L., Murphy, M. P., Bachstetter, A. D., ... & Norris, C. M. (2012). Targeting astrocytes ameliorates neurologic changes in a mouse model of Alzheimer's disease. Journal of Neuroscience, 32(46), 16129-16140.
29. Garcia-Hernandez, R., Guma, E., Coupland, N. J., Summers, R., Thompson, A. H., Beaulieu, C., & Greenshaw, A. J. (2020). Imaging microglial activation in untreated first-episode psychosis: A PET study with [18F]FEPPA. American Journal of Psychiatry, 177(2), 118-127.
30. Garzon, D. J., & Fahnestock, M. (2007). Oligomeric amyloid decreases basal levels of brain-derived neurotrophic factor (BDNF) mRNA via specific downregulation of BDNF transcripts IV and V in differentiated human neuroblastoma cells. Journal of Neuroscience, 27(10), 2628-2635.
31. Ghasemi, R., Haeri, A., Dargahi, L., Mohamed, Z., & Ahmadiani, A. (2013). Insulin in the brain: sources, localization and functions. Molecular Neurobiology, 47(1), 145-171.
32. Gondo, A., Shinotsuka, T., Morita, K., Abe, Y., Yasui, H., & Nuriya, M. (2014). Sustained down-regulation of β-dystroglycan and associated dysfunctions of astrocytic endfeet in epileptic cerebral cortex. Journal of Biological Chemistry, 289(44), 30771-30785.
33. Gordon, B. A., Blazey, T. M., Su, Y., Hari-Raj, A., Dincer, A., Flores, S., ... & Benzinger, T. L. (2018). Spatial patterns of neuroimaging biomarker change in individuals from families with autosomal dominant Alzheimer's disease: a longitudinal study. Lancet Neurology, 17(3), 241-250.
34. Halestrap, A. P., Woodfield, K. Y., & Connern, C. P. (1997). Oxidative stress, thiol reagents, and membrane potential modulate the mitochondrial permeability transition by affecting nucleotide binding to the adenine nucleotide translocase. Journal of Biological Chemistry, 272(6), 3346-3354.
35. Henderson, C. E., Phillips, H. S., Pollock, R. A., Davies, A. M., Lemeulle, C., Armanini, M., ... & Rosenthal, A. (1994). GDNF: a potent survival factor for motoneurons present in peripheral nerve and muscle. Science, 266(5187), 1062-1064.
36. Hölscher, C. (2020). GLP-1 and GIP receptor agonists as new therapeutic agents for Alzheimer's disease. Neuropharmacology, 175, 108174.
37. Hoffer, B. J., Hoffman, A., Bowenkamp, K., Huettl, P., Hudson, J., Martin, D., ... & Gerhardt, G. A. (1994). Glial cell line-derived neurotrophic factor reverses toxin-induced injury to midbrain dopaminergic neurons in vivo. Neuroscience Letters, 182(1), 107-111.
38. Huang, E. J., & Reichardt, L. F. (2001). Neurotrophins: roles in neuronal development and function. Annual Review of Neuroscience, 24(1), 677-736.
39. Huxley, R., Barzi, F., & Woodward, M. (2006). Excess risk of fatal coronary heart disease associated with diabetes in men and women: meta-analysis of 37 prospective cohort studies. BMJ, 332(7533), 73-78.
40. Hyman, C., Juhasz, M., Jackson, C., Wright, P., Ip, N. Y., & Lindsay, R. M. (1994). Overlapping and distinct actions of the neurotrophins BDNF, NT-3, and NT-4/5 on cultured dopaminergic and GABAergic neurons of the ventral mesencephalon. Journal of Neuroscience, 14(1), 335-347.
41. Jacobs, H. I., Hedden, T., Schultz, A. P., Sepulcre, J., Perea, R. D., Amariglio, R. E., ... & Johnson, K. A. (2018). Structural tract alterations predict downstream tau accumulation in amyloid-positive older individuals. Nature Neuroscience, 21(3), 424-431.
42. Jiang, Q., Zhang, L., Ding, G., Davoodi-Bojd, E., Li, Q., Li, L., ... & Chopp, M. (2017). Impairment of the glymphatic system after diabetes. Journal of Cerebral Blood Flow & Metabolism, 37(4), 1326-1337.
43. Kahraman, S., Düşünceli, F., Işeri, S. Ö., Yeğen, B. Ç., Ersoy, Ö. E., Ercan, F., & Arbak, S. (2011). The protective effect of quercetin on long-term alcohol consumption-induced oxidative stress. Molecular Biology Reports, 38(1), 445-451.
44. Kapogiannis, D., Boxer, A., Schwartz, J. B., Abner, E. L., Biragyn, A., Masharani, U., ... & Goetzl, E. J. (2015). Dysfunctionally phosphorylated type 1 insulin receptor substrate in neural-derived blood exosomes of preclinical Alzheimer's disease. FASEB Journal, 29(2), 589-596.
45. Kellar, D., & Craft, S. (2020). Brain insulin resistance in Alzheimer's disease and related disorders: mechanisms and therapeutic approaches. The Lancet Neurology, 19(9), 758-766.
46. Kullmann, S., Veit, R., Peter, A., Pohmann, R., Scheffler, K., Häring, H. U., ... & Heni, M. (2025). Circulating epigenetic signatures classifying brain insulin resistance in humans. Science Translational Medicine, 17(769), eadv7834.
47. Kumar, A., & Singh, N. (2018). Calcineurin inhibition and protein kinase A activation limits cognitive dysfunction and histopathological damage in a model of dementia of the Alzheimer's type. Current Neurovascular Research, 15(3), 234-245.
48. Laske, C., Stransky, E., Leyhe, T., Eschweiler, G. W., Wittorf, A., Richartz, E., ... & Schott, K. (2006). Stage-dependent BDNF serum concentrations in Alzheimer's disease. Journal of Neural Transmission, 113(9), 1217-1224.
49. Laws, S. M., Gaskin, S., Woodfield, A., Srikanth, V., Bruce, D., Fraser, P. E., ... & Verdile, G. (2017). Insulin resistance is associated with reductions in specific cognitive domains and increases in CSF tau in cognitively normal adults. Scientific Reports, 7(1), 9766.
50. Li, W., Risacher, S. L., Gao, S., Boehm, S. L., Elmendorf, J. S., & Saykin, A. J. (2018). Type 2 diabetes mellitus and cerebrospinal fluid Alzheimer's disease biomarker amyloid beta1-42 in Alzheimer's Disease Neuroimaging Initiative participants. Alzheimer's & Dementia: Diagnosis, Assessment & Disease Monitoring, 10, 94-98.
51. Lim, Y. Y., Hassenstab, J., Cruchaga, C., Goate, A., Fagan, A. M., Benzinger, T. L., ... & Masters, C. L. (2016). BDNF Val66Met moderates memory impairment, hippocampal function and tau in preclinical autosomal dominant Alzheimer's disease. Brain, 139(10), 2766-2777.
52. Lin, L. F., Doherty, D. H., Lile, J. D., Bektesh, S., & Collins, F. (1993). GDNF: a glial cell line-derived neurotrophic factor for midbrain dopaminergic neurons. Science, 260(5111), 1130-1132.
53. McClean, P. L., Parthsarathy, V., Faivre, E., & Hölscher, C. (2011). The diabetes drug liraglutide prevents degenerative processes in a mouse model of Alzheimer's disease. Journal of Neuroscience, 31(17), 6587-6594.
54. Moloney, A. M., Griffin, R. J., Timmons, S., O'Connor, R., Ravid, R., & O'Neill, C. (2010). Defects in IGF-1 receptor, insulin receptor and IRS-1/2 in Alzheimer's disease indicate possible resistance to IGF-1 and insulin signalling. Neurobiology of Aging, 31(2), 224-243.
55. Mullins, R. J., Mustapic, M., Goetzl, E. J., & Kapogiannis, D. (2017). Exosomal biomarkers of brain insulin resistance associated with regional atrophy in Alzheimer's disease. Human Brain Mapping, 38(4), 1933-1940.
56. Nagahara, A. H., Merrill, D. A., Coppola, G., Tsukada, S., Schroeder, B. E., Shaked, G. M., ... & Tuszynski, M. H. (2009). Neuroprotective effects of brain-derived neurotrophic factor in rodent and primate models of Alzheimer's disease. Nature Medicine, 15(3), 331-337.
57. O'Brien, P. D., Hinder, L. M., Callaghan, B. C., & Feldman, E. L. (2017). Neurological consequences of obesity. The Lancet Neurology, 16(6), 465-477.
58. Palmqvist, S., Schöll, M., Strandberg, O., Mattsson, N., Stomrud, E., Zetterberg, H., ... & Hansson, O. (2017). Earliest accumulation of β-amyloid occurs within the default-mode network and concurrently affects brain connectivity. Nature Communications, 8(1), 1214.
59. Peng, S., Wuu, J., Mufson, E. J., & Fahnestock, M. (2005). Precursor form of brain-derived neurotrophic factor and mature brain-derived neurotrophic factor are decreased in the pre-clinical stages of Alzheimer's disease. Journal of Neurochemistry, 93(6), 1412-1421.
60. Rigamonti, A. E., Piscitelli, F., Aveta, T., Castiglioni, M., Ruscica, M., Silvestri, C., ... & Sartorio, A. (2019). Anticipatory and consummatory effects of (hedonic) chocolate intake are associated with increased circulating levels of the orexigenic peptide ghrelin and endocannabinoids in obese adults. Food & Nutrition Research, 63, 1590.
61. Rönnemaa, E., Zethelius, B., Sundelöf, J., Sundström, J., Degerman-Gunnarsson, M., Berne, C., ... & Kilander, L. (2008). Impaired insulin secretion increases the risk of Alzheimer disease. Neurology, 71(14), 1065-1071.
62. Ryu, J. K., & McLarnon, J. G. (2016). A leaky blood–brain barrier, fibrinogen infiltration and microglial reactivity in inflamed Alzheimer's disease brain. Journal of Cellular and Molecular Medicine, 20(12), 2158-2171.
63. Salio, C., & Ferrini, F. (2016). BDNF and GDNF expression in discrete populations of nociceptors. Annals of Anatomy, 207, 55-61.
64. Sato, N., & Morishita, R. (2015). The roles of lipid and glucose metabolism in modulation of β-amyloid, tau, and neurodegeneration in the pathogenesis of Alzheimer disease. Frontiers in Aging Neuroscience, 7, 199.
65. Sharkey, J., & Butcher, S. P. (1994). Immunophilins mediate the neuroprotective effects of FK506 in focal cerebral ischaemia. Nature, 371(6495), 336-339.
66. Silva, J. D., Taglialatela, G., & Jupiter, D. C. (2023). Reduced prevalence of dementia in patients prescribed tacrolimus, sirolimus, or cyclosporine. Journal of Alzheimer's Disease, 95(2), 585-597.
67. Sompol, P., & Norris, C. M. (2018). Ca2+, astrocyte activation and calcineurin/NFAT signaling in age-related neurodegenerative diseases. Frontiers in Aging Neuroscience, 10, 199.
68. Starr, J. M., Wardlaw, J., Ferguson, K., MacLullich, A., Deary, I. J., & Marshall, I. (2003). Increased blood-brain barrier permeability in type II diabetes demonstrated by gadolinium magnetic resonance imaging. Journal of Neurology, Neurosurgery & Psychiatry, 74(1), 70-76.
69. Taglialatela, G., Hogan, D., Zhang, W. R., & Dineley, K. T. (2009). Intermediate-and long-term recognition memory deficits in Tg2576 mice are reversed with acute calcineurin inhibition. Behavioural Brain Research, 200(1), 95-99.
70. Talbot, K., Wang, H. Y., Kazi, H., Han, L. Y., Bakshi, K. P., Stucky, A., ... & Arnold, S. E. (2012). Demonstrated brain insulin resistance in Alzheimer's disease patients is associated with IGF-1 resistance, IRS-1 dysregulation, and cognitive decline. Journal of Clinical Investigation, 122(4), 1316-1338.
71. Thordardottir, S., Ståhlbom, A. K., Ferreira, D., Almkvist, O., Westman, E., Zetterberg, H., ... & Graff, C. (2015). Preclinical cerebrospinal fluid and volumetric magnetic resonance imaging biomarkers in Swedish familial Alzheimer's disease. Journal of Alzheimer's Disease, 43(4), 1393-1402.
72. Tramutola, A., Lanzillotta, C., Perluigi, M., & Butterfield, D. A. (2017). Oxidative stress, protein modification and Alzheimer disease. Brain Research Bulletin, 133, 88-96.
73. Vandal, M., White, P. J., Tremblay, C., St-Amour, I., Chevrier, G., Emond, V., ... & Calon, F. (2014). Insulin reverses the high-fat diet-induced increase in brain Aβ and improves memory in an animal model of Alzheimer disease. Diabetes, 63(12), 4291-4301.
74. Villemagne, V. L., Burnham, S., Bourgeat, P., Brown, B., Ellis, K. A., Salvado, O., ... & Australian Imaging, Biomarkers and Lifestyle (AIBL) Research Group. (2013). Amyloid β deposition, neurodegeneration, and cognitive decline in sporadic Alzheimer's disease: a prospective cohort study. The Lancet Neurology, 12(4), 357-367.
75. Wang, J., Tan, L., Wang, H. F., Tan, C. C., Meng, X. F., Wang, C., ... & Yu, J. T. (2015). Anti-inflammatory drugs and risk of Alzheimer's disease: an updated systematic review and meta-analysis. Journal of Alzheimer's Disease, 44(2), 385-396.
76. Watson, G. S., & Craft, S. (2003). The role of insulin resistance in the pathogenesis of Alzheimer's disease: implications for treatment. CNS Drugs, 17(1), 27-45.
77. Xie, L., Helmerhorst, E., Taddei, K., Plewright, B., Van Bronswijk, W., & Martins, R. (2002). Alzheimer's β-amyloid peptides compete for insulin binding to the insulin receptor. Journal of Neuroscience, 22(10), RC221.
78. Yin, Y., Gao, D., Wang, Y., Wang, Z. H., Wang, X., Ye, J., ... & Liu, F. (2016). Tau accumulation induces synaptic impairment and memory deficit by calcineurin-mediated inactivation of nuclear CaMKIV/CREB signaling. Proceedings of the National Academy of Sciences, 113(26), E3773-E3781.
79. Zawadzka, M., & Kaminska, B. (2005). A novel mechanism of FK506-mediated neuroprotection: downregulation of cytokine expression in glial cells. Glia, 49(1), 36-51.
80. Zhou, A. L., Sharda, N., Sarma, V. V., Hsu, F. C., Herring, A., Craft, S., & Calvert, J. W. (2022). Age-dependent changes in the plasma and brain pharmacokinetics of amyloid-beta peptides and insulin. Journal of Alzheimer's Disease, 85(3), 1031-1044.