Gray matter changes in asymptomatic C9orf72 and GRN mutation carriers
Notice bibliographique
Résumé
Frontotemporal dementia (FTD) is a neurodegenerative disease with a strong genetic basis. Understanding the structural brain changes during pre-symptomatic stages may allow for earlier diagnosis of patients suffering from FTD; therefore, we investigated asymptomatic members of FTD families with mutations in C9orf72 and granulin (GRN) genes. Clinically asymptomatic subjects from families with C9orf72 mutation (15 mutation carriers, C9orf72+; and 23 non-carriers, C9orf72−) and GRN mutations (9 mutation carriers, GRN+; and 15 non-carriers, GRN−) underwent structural neuroimaging (MRI). Cortical thickness and subcortical gray matter volumes were calculated using FreeSurfer. Group differences were evaluated, correcting for age, sex and years to mean age of disease onset within the subject's family. Mean age of C9orf72+ and C9orf72− were 42.6 ± 11.3 and 49.7 ± 15.5 years, respectively; while GRN+ and GRN− groups were 50.1 ± 8.7 and 53.2 ± 11.2 years respectively. The C9orf72+ group exhibited cortical thinning in the temporal, parietal and frontal regions, as well as reduced volumes of bilateral thalamus and left caudate compared to the entire group of mutation non-carriers (NC: C9orf72− and GRN− combined). In contrast, the GRN+ group did not show any significant differences compared to NC. C9orf72 mutation carriers demonstrate a pattern of reduced gray matter on MRI prior to symptom onset compared to GRN mutation carriers. These findings suggest that the preclinical course of FTD differs depending on the genetic basis and that the choice of neuroimaging biomarkers for FTD may need to take into account the specific genes involved in causing the disease.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 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 ».