Stages of tau aggregation associated with amyloidosis reflected in non‐negative matrix factorization components
Notice bibliographique
Résumé
Abstract Background Tau aggregation, when accompanied by amyloid deposition, is a key neuropathological signature of Alzheimer’s disease (AD). The regional distribution of tau may be a more sensitive marker of AD pathology than total tau level, however the spread of disease is unlikely to conform to common atlas‐based regions of interest. As such, methods for evaluating tau’s regional distribution could be useful for predicting AD staging or disease progression. In this analysis, we derive regional patterns of tau aggregation in AD using nonnegative matrix factorization (NNMF), a data‐driven method of identifying areas of the brain that consistently covary across individuals. Method We used data from 269 ‐amyloid (A) positive subjects with 18F‐flortaucipir‐PET data from the Alzheimer’s Disease Neuroimaging Initiative (ADNI) database and the AVID study (138 females, mean age = 73.09; 110 healthy controls, 118 MCI, and 41 AD). PET data were registered to Standard Montreal Neurological Institute (MNI152) 182x218x182 grid with 1mm resolution. SUVR maps were computed with a cerebellar gray matter reference and NNMF was used to estimate common patterns of tau aggregation. Once these patterns were identified, mean SUVR for each component computed for each participant. We performed Gaussian mixture modeling for each component to determine optimal tau positivity cutpoint, and subjects were classified as positive or negative for each component. Components were ordered by frequency of appearance in subjects in order to determine staging. Result 12 regional patterns of tau binding were identified (Figure 1). The patterns most commonly expressed among subjects reflected regions of the temporal lobe (Figure 2a). This was particularly noted in those with AD (Figure 2b). These components were followed by a component including the lingual gyrus, and then by components involving frontal lobes, precuneus, and parietal lobes. Conclusion NNMF‐derived tau PET components provide a data‐driven method for identifying common patterns of tau aggregation, producing stages that are consistent with previous research on tau pathology in AD. These components may provide a more sensitive method for identifying disease progression in AD.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».