Sex-Specific Cross Tissue Meta-Analysis Identifies Immune Dysregulation in Women With Alzheimer’s Disease
Notice bibliographique
Résumé
Background: Alzheimer’s disease (AD) is a progressive neurodegenerative disorder and the most common cause of dementia in the United States. In spite of evidence of females having a greater lifetime risk of developing Alzheimer’s Disease (AD) and greater apolipoprotein E4-related (APOE ε4) AD risk compared to males, molecular signatures underlying these differences remain elusive. Methods: We took a meta-analysis approach to study gene expression in the brains of 1,084 AD patients and age-matched controls and whole blood from 645 AD patients and age-matched controls in seven independent datasets. Sex-specific gene expression patterns were investigated through use of gene-based, pathway-based and network-based approaches. The ability of a sex-specific AD gene expression signature to distinguish Alzheimer’s disease from healthy controls was assessed using a linear support vector machine model. Cell type deconvolution from whole blood gene expression data was performed to identify differentially regulated cells in males and females with AD. Results: Strikingly gene-expression, network-based analysis and cell type deconvolution approaches revealed a consistent immune signature in the brain and blood of female AD patients that was absent in males. In females, network-based analysis revealed a coordinated program of gene expression involving several zinc finger nuclease genes related to Herpes simplex viral infection whose expression was modulated by the presence of the APOE ε4 allele. Interestingly, this gene expression program was missing in the brains of male AD patients. Cell type deconvolution identified an increase in neutrophils and naïve B cells and a decrease in M2 macrophages, memory B cells, and CD8+ T cells in AD samples compared to controls in females. Interestingly, among males with AD, no significant differences in immune cell proportions compared to controls were observed. Machine learning-based classification of AD using gene expression from whole blood in addition to clinical features produced an improvement in classification accuracy upon stratifying by sex, achieving an AUROC of 0.91 for females and 0.80 for males. Conclusion: These results help identify sex and APOE ε4 genotype-specific transcriptomic signatures of AD and underscore the importance of considering sex in the development of biomarkers and therapeutic strategies for 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 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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 ».