Regional transcriptional architecture of Parkinson’s disease pathogenesis and network spread
Notice bibliographique
Résumé
Although a significant genetic contribution to the risk of developing sporadic Parkinson's disease has been well described, the relationship between local genetic factors, pathogenesis, and subsequent spread of pathology throughout the brain has been largely unexplained in humans. To address this question, we use network diffusion modelling to infer probable pathology seed regions and patterns of disease spread from MRI atrophy maps derived from 232 de novo subjects in the Parkinson's Progression Markers Initiative study. Allen Brain Atlas regional transcriptional profiles of 67 Parkinson's disease risk factor genes were mapped to the inferred seed regions to determine the local influence of genetic risk factors. We used hierarchical clustering and L1 regularized regression analysis to show that transcriptional profiles of immune-related and lysosomal risk factor genes predict seed region location and the pattern of disease propagation from the most likely seed region, substantia nigra. By leveraging recent advances in transcriptomics, we show that regional microglial abundance quantified by high fidelity gene expression also predicts seed region location. These findings suggest that early disease sites are genetically susceptible to dysfunctional lysosomal α-synuclein processing and microglia-mediated neuroinflammation, which may initiate the disease process and contribute to spread of pathology along neural connectivity pathways.
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 ».