Mapping preclinical compensation in Parkinson's disease: An imaging genomics approach
Notice bibliographique
Résumé
Mutations in the Parkin (PARK2) and PINK1 gene (PARK 6) can cause recessively inherited Parkinson's disease (PD). The presence of a single Parkin or PINK1 mutation is associated with a dopaminergic nigrostriatal dysfunction and conveys an increased risk to develop PD throughout lifetime. Therefore neuroimaging of non-manifesting individuals with a mutant Parkin or PINK1 allele opens up a window for the investigation of preclinical and very early phases of PD in vivo. Here we review how functional magnetic resonance imaging (fMRI) can be used to identify compensatory mechanisms that help to prevent development of overt disease. In two separate experiments, Parkin mutation carriers displayed stronger activation of rostral supplementary motor area (SMA) and right dorsal premotor cortex (PMd) during a simple motor sequence task and anterior cingulate motor area and left rostral PMd during internal movement selection as opposed to externally cued movements. The additional recruitment of the rostral SMA and right rostral PMd during the finger sequence task was also observed in a separate group of nonmanifesting mutation carriers with a single heterozygous PINK1 mutation. Because mutation carriers were not impaired at performing the task, the additional recruitment of motor cortical areas indicates a compensatory mechanism that effectively counteracts the nigrostriatal dysfunction. These first results warrant further studies that use these imaging genomics approach to tap into preclinical compensation of PD. Extensions of this line of research involve fMRI paradigms probing nonmotor brain functions. Additionally, the same fMRI paradigms should be applied to nonmanifesting mutation carriers in genes linked to autosomal dominant PD. This will help to determine how "generically" the human brain compensates for a preclinical dopaminergic dysfunction.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».