Functional connectivity-based subtypes of individuals with and without autism spectrum disorder
Notice bibliographique
Résumé
Abstract Autism spectrum disorder (ASD) is a heterogeneous neurodevelopmental disorder, characterized by impairments in social communication and restricted, repetitive behaviours. Neuroimaging studies have shown complex patterns of functional connectivity (FC) in ASD, with no clear consensus on brain-behaviour relationships or shared patterns of FC with typically developing controls. Here, we used k-means clustering and multivariate statistical analyses to characterize distinct FC patterns and FC-behaviour relationships in participants with and without ASD. Two FC subtypes were identified by the clustering analysis. One subtype was defined by increased FC within resting-state networks and decreased FC across networks compared to the other subtype. A separate FC pattern distinguished ASD from controls, particularly within default mode, cingulo-opercular, sensorimotor, and occipital networks. There was no significant interaction between subtypes and diagnostic groups. Finally, analysis of FC patterns with behavioural measures of IQ, social responsiveness and ASD severity showed unique brain-behaviour relations in each subtype, and a continuum of brain-behavior relations from ASD to controls within one subtype. These results demonstrate that distinct clusters of FC patterns exist in both ASD and controls, and that FC subtypes can reveal unique information about brain-behaviour relationships. Author Summary Autism spectrum disorder (ASD) is a neurodevelopmental disorder, with high variation in the types of severity of impairments in social communication and restricted, repetitive behaviours. Neuroimaging studies have shown complex patterns of communication between brain regions, or functional connectivity (FC), in ASD. Here, we defined two distinct FC patterns and relationships between FC and behaviour in participants with and without ASD. One subtype was defined by increased FC within distinct networks of brain regions, and decreased FC between networks compared to the other subtype. A separate FC pattern distinguished ASD from controls. The interaction between subtypes and diagnostic groups was not significant. Analysis of FC patterns with behavioural measures revealed unique information about brain-behaviour relations in each subtype.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».