Multivariate genomic and transcriptomic determinants of imaging-derived personalized therapeutic needs in Parkinson’s disease
Notice bibliographique
Résumé
Due to the marked interpersonal neuropathologic and clinical heterogeneity of Parkinson's disease (PD), current interventions are not personalized and fail to benefit all patients. Furthermore, we continue to lack well-established methods and clinical tests to tailor interventions at the individual level in PD. Here, we identify the genetic determinants of individual-tailored treatment needs derived from longitudinal multimodal neuroimaging data in 294 PD patients (PPMI data). Advanced multivariate statistical analysis revealed that both genomic and blood transcriptomic data significantly explain (P < 0.01, FWE-corrected) the interindividual variability in therapeutic needs associated with dopaminergic, functional, and structural brain reorganization. We confirmed a high overlap between the identified highly predictive molecular pathways and determinants of levodopa clinical responsiveness, including well-known (Wnt signaling, angiogenesis, dopaminergic activity) and recently discovered (immune markers, gonadotropin-releasing hormone receptor) pathways/components. In addition, the observed strong correspondence between the identified genomic and baseline-transcriptomic determinants of treatment needs/response supports the genome's active role at the time of patient evaluation (i.e., beyond individual genetic predispositions at birth). This study paves the way for effectively combining genomic, transcriptomic and neuroimaging data for implementing successful individually tailored interventions in PD and extending our pathogenetic understanding of this multifactorial and heterogeneous disorder.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| 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 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 ».