Transcriptomic and Cellular Decoding of Regional Brain Vulnerability to Neurodevelopmental Disorders
Notice bibliographique
Résumé
Abstract Neurodevelopmental disorders are highly heritable and associated with spatially-selective disruptions of brain anatomy. The logic that translates genetic risks into spatially patterned brain vulnerabilities remains unclear but is a fundamental question in disease pathogenesis. Here, we approach this question by integrating (i) in vivo neuroimaging data from patient subgroups with known causal genomic copy number variations (CNVs), and (ii) bulk and single-cell gene expression data from healthy cortex. First, for each of six different CNV disorders, we show that spatial patterns of cortical anatomy change in youth are correlated with spatial patterns of expression for CNV region genes in bulk cortical tissue from typically-developing adults. Next, by transforming normative bulk-tissue cortical expression data into cell-type expression maps, we further link each disorder’s anatomical change map to specific cell classes and specific CNV-region genes that these cells express. Finally, we establish convergent validity of this “transcriptional vulnerability model” by inter-relating patient neuroimaging data with measures of altered gene expression in both brain and blood-derived patient tissue. Our work clarifies general biological principles that govern the mapping of genetic risks onto regional brain disruption in neurodevelopmental disorders. We present new methods that can harness these principles to screen for potential cellular and molecular determinants of disease from readily available patient neuroimaging data.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».