Functional brain activity constrained by structural connectivity reveals cohort-specific features for serum neurofilament light chain
Notice bibliographique
Résumé
Background: Neuro-axonal brain damage releases neurofilament light chain (NfL) proteins, which enter the blood. Serum NfL has recently emerged as a promising biomarker for grading axonal damage, monitoring treatment responses, and prognosis in neurological diseases. Importantly, serum NfL levels also increase with aging, and the interpretation of serum NfL levels in neurological diseases is incomplete due to lack of a reliable model for age-related variation in serum NfL levels in healthy subjects. Methods: Graph signal processing (GSP) provides analytical tools, such as graph Fourier transform (GFT), to produce measures from functional dynamics of brain activity constrained by white matter anatomy. Here, we leveraged a set of features using GFT that quantified the coupling between blood oxygen level dependent signals and structural connectome to investigate their associations with serum NfL levels collected from healthy subjects and former athletes with history of concussions. Results: Here we show that GSP feature from isthmus cingulate in the right hemisphere (r-iCg) is strongly linked with serum NfL in healthy controls. In contrast, GSP features from temporal lobe and lingual areas in the left hemisphere and posterior cingulate in the right hemisphere are the most associated with serum NfL in former athletes. Additional analysis reveals that the GSP feature from r-iCg is associated with behavioral and structural measures that predict aggressive behavior in healthy controls and former athletes. Conclusions: Our results suggest that GSP-derived brain features may be included in models of baseline variance when evaluating NfL as a biomarker of neurological diseases and studying their impact on personality traits.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».