Genetic risk for Alzheimer disease in children: Evidence from early‐life IQ and brain white‐matter microstructure
Notice bibliographique
Résumé
It remains unclear whether the genetic risk for late-onset Alzheimer disease (AD) is linked to premorbid individual differences in general cognitive ability and brain structure. The objective of the present study was to determine whether the genetic risk of late-onset AD is related to premorbid individual differences in intelligence quotient (IQ) and characteristics of the cerebral white-matter in children. The study sample included children of the Generation R Study from Rotterdam, The Netherlands. IQ was measured using a well-validated Dutch nonverbal IQ test (n = 1908) at ages 5 to 9 years. White-matter microstructure was assessed by measuring fractional anisotropy (FA) of white-matter tracts using diffusion tensor imaging (DTI) (n = 919) at ages 9 to 12 years. Genetic risk was quantified using three biologically defined genetic risk scores (GRSs) hypothesized to be related to the pathophysiology of late-onset AD: immune response, cholesterol/lipid metabolism and endocytosis. Higher genetic risk for late-onset AD that included genes associated with immune responsivity had a negative influence on cognition and cerebral white-matter microstructure. For each unit increase in the immune response GRS, IQ decreased by 0.259 SD (95% CI [-0.500, -0.017]). For each unit increase in the immune response GRS, global FA decreased by 0.373 SD (95% CI [-0.721, -0.026]). Neither cholesterol/lipid metabolism nor endocytosis GRSs were associated with IQ or cerebral white-matter microstructure. Our findings suggest that elevated genetic risk for late-onset AD may in part be manifest during childhood neurodevelopment through alterations in immune responsivity.
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 ».