Functional enrichment analysis of differentially expressed genes leads to dysregulation in biological processes networks in Alzheimer’s disease continuum
Notice bibliographique
Résumé
Abstract Background Reliable blood‐based biomarkers are of urgent need in Alzheimer’s disease (AD). In this context, whether changes in blood cells are present in AD remains unresolved. An interesting strategy to identify dysregulated biological pathways is the use of omics technologies, bioinformatic tools and, biological networks. Applying these contemporary techniques to blood samples of individuals in the Alzheimer's continuum may aid in understanding the periphery‐brain interface, providing the field with new pathophysiological insights and novel biomarkers. Here, we aim to investigate biological processes altered in peripheral blood cells across the Alzheimer's continuum. We hypothesized that blood transcriptomic profiles of mild cognitive impairment (MCI) and AD individuals will reflect changes in the brain. Method Whole blood transcriptomic profiles from 99 cognitively unimpaired (CU), 169 MCI and 48 AD individuals were obtained from the ADNI database. Afterward, we computed differential expression analyses between CU‐MCI and CU‐AD. Finally, differentially expressed genes (DEGs) (p‐value < 0.05) from each comparison were submitted to functional enrichment analysis (FEA) of Gene Ontology (GO) biological processes and pathways from the Kyoto Encyclopedia of Genes and Genomes (KEGG) database. Result Peripheral blood cells transcriptome analysis identified a total of 1232 DEGs for MCI and 1985 DEGs for AD patients. For MCI, FEA showed GO terms associated with energetic metabolism, lipid metabolism, and purines pathway (Figure 1A). For AD, GO terms are related to immune and inflammatory response and amino acid metabolism (Figure 1B). Curiously, DEGs are mainly downregulated in MCI but upregulated in AD patients. Conclusion Here, we demonstrate a prominent difference between blood transcriptomic profiles of MCI and AD individuals using FEA. Interestingly, the transcriptomic profile of MCI individuals presented changes in energetic metabolism, which is in line with the well‐established early cerebral glucose metabolism changes observed in the MCI stage. In AD individuals, more pronounced changes in immune and inflammatory processes were found, which also fits with the known late neuroinflammation peak verified in the AD stage. In summary, our findings indicate that blood transcriptomics may reflect aspects of pathophysiological brain events, offering a great opportunity for identifying new peripheral biomarkers and disease stage‐specific treatments.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».