Disease-related cortical thinning in presymptomatic granulin mutation carriers
Notice bibliographique
Résumé
Mutations in the granulin gene (GRN) cause familial frontotemporal dementia. Understanding the structural brain changes in presymptomatic GRN carriers would enforce the use of neuroimaging biomarkers for early diagnosis and monitoring. We studied 100 presymptomatic GRN mutation carriers and 94 noncarriers from the Genetic Frontotemporal dementia initiative (GENFI), with MRI structural images. We analyzed 3T MRI structural images using the FreeSurfer pipeline to calculate the whole brain cortical thickness (CTh) for each subject. We also perform a vertex-wise general linear model to assess differences between groups in the relationship between CTh and diverse covariables as gender, age, the estimated years to onset and education. We also explored differences according to TMEM106B genotype, a possible disease modifier. Whole brain CTh did not differ between carriers and noncarriers. Both groups showed age-related cortical thinning. The group-by-age interaction analysis showed that this age-related cortical thinning was significantly greater in GRN carriers in the left superior frontal cortex. TMEM106B did not significantly influence the age-related cortical thinning. Our results validate and expand previous findings suggesting an increased CTh loss associated with age and estimated proximity to symptoms onset in GRN carriers, even before the disease onset.
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 | 0,001 | 0,008 |
| 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 | 0,001 |
| 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 ».