MétaCan
Menu
Retour à la cohorte
Enregistrement W3006784539 · doi:10.1186/s12916-019-1488-1

Comparison of brain connectomes by MRI and genomics and its implication in Alzheimer’s disease

2020· article· en· W3006784539 sur OpenAlexfundno aff
Young Jae Woo, Panos Roussos, Vahram Haroutunian, Pavel Katsel, Sam Gandy, Eric E. Schadt, Jun Zhu

Notice bibliographique

RevueBMC Medicine · 2020
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringCanadian Institutes of Health ResearchNational Institutes of HealthGenentechIXICOH. Lundbeck A/SServierEisaiNorthern California Institute for Research and EducationPfizerBiogenBioClinicaF. Hoffmann-La RocheNational Human Genome Research InstituteUniversity of Southern CaliforniaEli Lilly and CompanyU.S. Department of DefenseMeso Scale DiagnosticsAlzheimer's Disease Neuroimaging InitiativeNovartis Pharmaceuticals CorporationBristol-Myers SquibbNational Institute on AgingAlzheimer's AssociationFoundation for the National Institutes of Health
Mots-clésConnectomeNeuroscienceWhite matterTranscriptomeNeuroimagingHuman Connectome ProjectGenomicsHuman brainMedicineConnectomicsBiologyGeneMagnetic resonance imagingGeneticsGenomeGene expressionFunctional connectivity

Résumé

récupéré en direct d'OpenAlex

Abstract Background The human brain is complex and interconnected structurally. Brain connectome change is associated with Alzheimer’s disease (AD) and other neurodegenerative diseases. Genetics and genomics studies have identified molecular changes in AD; however, the results are often limited to isolated brain regions and are difficult to interpret its findings in respect to brain connectome. The mechanisms of how one brain region impacts the molecular pathways in other regions have not been systematically studied. And how the brain regions susceptible to AD pathology interact with each other at the transcriptome level and how these interactions relate to brain connectome change are unclear. Methods Here, we compared structural brain connectomes defined by probabilistic tracts using diffusion magnetic resonance imaging data in Alzheimer’s Disease Neuroimaging Initiative database and a brain transcriptome dataset covering 17 brain regions. Results We observed that the changes in diffusion measures associated with AD diagnosis status and the associations were replicated in an independent cohort. The result suggests that disease associated white matter changes are focal. Analysis of the brain connectome by genomic data, tissue-tissue transcriptional synchronization between 17 brain regions, indicates that the regions connected by AD-associated tracts were likely connected at the transcriptome level with high number of tissue-to-tissue correlated (TTC) gene pairs ( P = 0.03). And genes involved in TTC gene pairs between white matter tract connected brain regions were enriched in signaling pathways ( P = 6.08 × 10 −9 ). Further pathway interaction analysis identified ionotropic glutamate receptor pathway and Toll receptor signaling pathways to be important for tissue-tissue synchronization at the transcriptome level. Transcript profile entailing Toll receptor signaling in the blood was significantly associated with diffusion properties of white matter tracts, notable association between fractional anisotropy and bilateral cingulum angular bundles ( P permutation = 1.0 × 10 −2 and 4.9 × 10 −4 for left and right respectively). Conclusions In summary, our study suggests that brain connectomes defined by MRI and transcriptome data overlap with each other.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,528
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,124
Tête enseignante GPT0,355
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC MedicineMême sujetFunctional Brain Connectivity StudiesTravaux en français237 207