Mother-child similarity in brain morphology: A comparison of structural characteristics of the brain’s reading network
Notice bibliographique
Résumé
BACKGROUND: Substantial evidence acknowledges the complex gene-environment interplay impacting brain development and learning. Intergenerational neuroimaging allows the assessment of familial transfer effects on brain structure, function and behavior by investigating neural similarity in caregiver-child dyads. METHODS: Neural similarity in the human reading network was assessed through well-used measures of brain structure (i.e., surface area (SA), gyrification (lG), sulcal morphology, gray matter volume (GMV) and cortical thickness (CT)) in 69 mother-child dyads (children's age~11 y). Regions of interest for the reading network included left-hemispheric inferior frontal gyrus, inferior parietal lobe and fusiform gyrus. Mother-child similarity was quantified by correlation coefficients and familial specificity was tested by comparison to random adult-child dyads. Sulcal morphology analyses focused on occipitotemporal sulcus interruptions and similarity was assessed by chi-square goodness of fit. RESULTS: Significant structural brain similarity was observed for mother-child dyads in the reading network for lG, SA and GMV (r = 0.349/0.534/0.542, respectively), but not CT. Sulcal morphology associations were non-significant. Structural brain similarity in lG, SA and GMV were specific to mother-child pairs. Furthermore, structural brain similarity for SA and GMV was higher compared to CT. CONCLUSION: Intergenerational neuroimaging techniques promise to enhance our knowledge of familial transfer effects on brain development and disorders.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».