Local vulnerability and global connectivity jointly shape neurodegenerative disease propagation
Notice bibliographique
Résumé
Abstract It is becoming increasingly clear that brain network organization shapes the course and expression of neurodegenerative diseases. Parkinson’s disease (PD) is marked by progressive spread of atrophy from the midbrain to subcortical structures and eventually, to the cerebral cortex. Recent discoveries suggest that the neurodegenerative process involves the misfolding and prion-like propagation of endogenous α -synuclein via axonal projections. However, the mechanisms that translate local “synucleinopathy” to large-scale network dysfunction and atrophy remain unknown. Here we use an agent-based epidemic spreading model to integrate structural connectivity, functional connectivity and gene expression, and to predict sequential volume loss due to neurodegeneration. The dynamic model replicates the spatial and temporal patterning of empirical atrophy in PD and implicates the substantia nigra as the disease epicenter. We reveal a significant role for both connectome topology and geometry in shaping the distribution of atrophy. The model also demonstrates that SNCA and GBA transcription influence α -synuclein concentration and local regional vulnerability. Functional co-activation further amplifies the course set by connectome architecture and gene expression. Altogether, these results support the theory that the progression of PD is a multifactorial process that depends on both cell-to-cell spreading of misfolded proteins and regional vulnerability.
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) | 0,001 | 0,000 |
| 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 ».