Meta-Connectomic Analysis Reveals Commonly Disrupted Functional Architectures in Network Modules and Connectors across Brain Disorders
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Neuropsychiatric disorders are increasingly conceptualized as disconnection syndromes that are associated with abnormal network integrity in the brain. However, whether different neuropsychiatric disorders show commonly dysfunctional connectivity architectures in large-scale brain networks remains largely unknown. Here, we performed a meta-connectomic study to identify disorder-related functional modules and brain regions by combining meta-analyses of 182 published resting-state functional MRI studies in 11 neuropsychiatric disorders and graph-theoretical analyses of 3 independent resting-state functional MRI datasets with healthy and diseased populations (Alzheimer's disease and major depressive disorder [MDD]). Three major functional modules, the default mode, frontoparietal, and sensorimotor networks were commonly abnormal across disorders. Moreover, most of the disorders preferred to target the network connector nodes that were primarily involved in intermodule communications and multiple cognitive components. Apart from these common dysfunctions, different brain disorders were associated with specific alterations in network modules and connector regions. Finally, these meta-connectomic findings were confirmed by two empirical example cases of Alzheimer's disease and MDD. Collectively, our findings shed light on the shared biological mechanisms of network dysfunctions of diverse disorders and have implications for clinical diagnosis and treatment from a network perspective.
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.
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle