MétaCan
Menu
← Retour à la cohorte
Enregistrement W4210577973 · doi:10.1002/alz.050737

Complement and NfL associations with brain structure and functional connectivity alterations in presymptomatic and symptomatic <i>GRN</i> mutation carriers

2021· article· en· W4210577973 sur OpenAlexaff
Taru Flagan, Stephanie A. Chu, Suvi Häkkinen, David McFall, Carolin Heller, Jonathan D. Rohrer, Jesse A. Brown, Alex J. Lee, Lorenzo Pasquini, Maria Luisa Mandelli, Marilu Gorno‐Tempini, Brian S. Appleby, Brad C. Dickerson, Kimiko Domoto‐Reilly, Tatiana Foroud, Daniel H. Geschwind, Nupur Ghoshal, Neill R. Graff‐Radford, Murray Grossman, Ging‐Yuek Robin Hsiung, Eric J. Huang, Edward D. Huey, Kejal Kantarci, Anna M. Karydas, Daniel Kaufer, David S. Knopman, Irene Litvan, Ian R. Mackenzie, Mario F. Mendez, Chiadi U. Onyike, Leonard Petrucelli, Eliana Marisa Ramos, Erik D. Roberson, Julio C. Rojas, Maria Carmela Tartaglia, Arthur W. Toga, Sandra Weıntraub, Leah K. Forsberg, Hilary W. Heuer, Bradley F. Boeve, Adam L. Boxer, Howard J. Rosen, Bruce L. Miller, Fermín Moreno, William W. Seeley, Suzee E. Lee

Notice bibliographique

RevueAlzheimer s & Dementia · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueAmyotrophic Lateral Sclerosis Research
Établissements canadiensOccupational Cancer Research CentreUniversity of TorontoUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésFrontotemporal lobar degenerationNeurodegenerationNeuroimagingWhite matterNeuroscienceGrey matterPsychologyMedicineFrontotemporal dementiaDiseasePathologyMagnetic resonance imaging

Résumé

récupéré en direct d'OpenAlex

Abstract Background Progranulin (GRN) mutations cause autosomal dominant frontotemporal lobar degeneration. Clinical trials for GRN‐targeted therapies are underway, yet reliable biomarkers to predict onset and track disease progression remain elusive. Task‐free functional MRI (tf‐fMRI) connectivity may be more sensitive than structural measures for detecting presymptomatic changes (Dopper, 2014; Premi, 2016). Presymptomatic GRN feature tf‐fMRI hyperconnectivity that is more pronounced in older carriers presumably closer to symptom onset, suggesting hyperconnectivity may be a harbinger of disease (Lee, 2019). To aid the interpretation of hyperconnectivity, we explored relationships of structural and tf‐fMRI measures with candidate fluid biomarkers for GRN: CSF complement proteins C3b and C1q, which drive neurodegeneration in GRN ‐/‐ mice (Lui, 2016) and plasma neurofilament light chain (NfL), a marker of axonal injury. Method We studied 20 symptomatic GRN (Sx), 39 presymptomatic GRN (preSx), and 67 healthy‐controls (HC). Cross‐sectional CSF C3b, C1q, and plasma NfL concentrations were compared between groups. Correlations controlling for age assessed relationships between fluid biomarkers and symptom severity (CDR®+NACC‐FTLD box score). Voxelwise multiple regression models examined interactions between fluid biomarkers and gene status on grey matter probability maps (GM) and voxelwise tf‐fMRI whole‐brain weighted degree (WBD) maps. Result Complement concentrations were similar between Sx, preSx, and HC. Across all GRN, C3b concentrations increased with symptom severity (r=0.34, p=0.04). In Sx, but not preSx, higher C3b was associated with increased WBD in medial‐frontal regions, left insula, and thalamus compared to HC. Sx had higher NfL concentrations compared to preSx and HC. Across all GRN and in Sx, higher NfL was associated with greater symptom severity (r=0.60, p<0.001; r=0.72, p<0.001). In Sx, higher NfL was associated with lower GM in precuneus and bilateral frontoinsular cortices, but not WBD, compared to HC. In preSx, higher NfL was associated with increased WBD in thalamus and right temporal regions, but not GM, compared to HC. Conclusion C3b and NfL concentrations correlated with symptom severity. C3b concentrations were associated with tf‐fMRI connectivity alterations in Sx while NfL concentrations were associated with connectivity alterations in preSx. Longitudinal studies are needed to determine temporal relationships between altered connectivity, atrophy, complement, NfL rise, and symptom 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,282
Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetAmyotrophic Lateral Sclerosis Research→Travaux en français237 207→