Neurogenetics of developmental dyslexia: from genes to behavior through brain neuroimaging and cognitive and sensorial mechanisms
Notice bibliographique
Résumé
Developmental dyslexia (DD) is a complex neurodevelopmental deficit characterized by impaired reading acquisition, in spite of adequate neurological and sensorial conditions, educational opportunities and normal intelligence. Despite the successful characterization of DD-susceptibility genes, we are far from understanding the molecular etiological pathways underlying the development of reading (dis)ability. By focusing mainly on clinical phenotypes, the molecular genetics approach has yielded mixed results. More optimally reduced measures of functioning, that is, intermediate phenotypes (IPs), represent a target for researching disease-associated genetic variants and for elucidating the underlying mechanisms. Imaging data provide a viable IP for complex neurobehavioral disorders and have been extensively used to investigate both morphological, structural and functional brain abnormalities in DD. Performing joint genetic and neuroimaging studies in humans is an emerging strategy to link DD-candidate genes to the brain structure and function. A limited number of studies has already pursued the imaging-genetics integration in DD. However, the results are still not sufficient to unravel the complexity of the reading circuit due to heterogeneous study design and data processing. Here, we propose an interdisciplinary, multilevel, imaging-genetic approach to disentangle the pathways from genes to behavior. As the presence of putative functional genetic variants has been provided and as genetic associations with specific cognitive/sensorial mechanisms have been reported, new hypothesis-driven imaging-genetic studies must gain momentum. This approach would lead to the optimization of diagnostic criteria and to the early identification of 'biologically at-risk' children, supporting the definition of adequate and well-timed prevention strategies and the implementation of novel, specific remediation approach.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».