MétaCan
Menu
Retour à la cohorte
Enregistrement W4226058246 · doi:10.3389/fgene.2021.782953

Genetic Influence Underlying Brain Connectivity Phenotype: A Study on Two Age-Specific Cohorts

2022· article· en· W4226058246 sur OpenAlexfundno aff
Shan Cong, Xiaohui Yao, Linhui Xie, Jingwen Yan, Li Shen

Notice bibliographique

RevueFrontiers in Genetics · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensnon disponible
Organismes subventionnairesNIH Blueprint for Neuroscience ResearchNational Institute of Mental HealthNational Institute on AgingNational Institutes of HealthGenentechU.S. National Library of MedicineIXICOH. Lundbeck A/SServierEisaiNorthern California Institute for Research and EducationPfizerBiogenBioClinicaMcDonnell Center for Systems NeuroscienceF. Hoffmann-La RocheUniversity of Southern CaliforniaNovartis Pharmaceuticals CorporationU.S. Department of DefenseEli Lilly and CompanyBristol-Myers SquibbFoundation for the National Institutes of HealthAlzheimer's Disease Neuroimaging InitiativeMeso Scale DiagnosticsAlzheimer's AssociationNational Institute of Biomedical Imaging and BioengineeringCanadian Institutes of Health ResearchNational Science Foundation
Mots-clésConnectomeNeuroimagingGenetic associationHuman Connectome ProjectPhenotypeImaging geneticsNeuroscienceBiologyEndophenotypeBrain Structure and FunctionGenome-wide association studyTwin studyPsychologyGeneticsGeneFunctional connectivityGenotypeHeritabilityCognitionSingle-nucleotide polymorphism

Résumé

récupéré en direct d'OpenAlex

Background: Human brain structural connectivity is an important imaging quantitative trait for brain development and aging. Mapping the network connectivity to the phenotypic variation provides fundamental insights in understanding the relationship between detailed brain topological architecture, function, and dysfunction. However, the underlying neurobiological mechanism from gene to brain connectome, and to phenotypic outcomes, and whether this mechanism changes over time, remain unclear. Methods: This study analyzes diffusion-weighted imaging data from two age-specific neuroimaging cohorts, extracts structural connectome topological network measures, performs genome-wide association studies of the measures, and examines the causality of genetic influences on phenotypic outcomes mediated via connectivity measures. Results: Our empirical study has yielded several significant findings: 1) It identified genetic makeup underlying structural connectivity changes in the human brain connectome for both age groups. Specifically, it revealed a novel association between the minor allele (G) of rs7937515 and the decreased network segregation measures of the left middle temporal gyrus across young and elderly adults, indicating a consistent genetic effect on brain connectivity across the lifespan. 2) It revealed rs7937515 as a genetic marker for body mass index in young adults but not in elderly adults. 3) It discovered brain network segregation alterations as a potential neuroimaging biomarker for obesity. 4) It demonstrated the hemispheric asymmetry of structural network organization in genetic association analyses and outcome-relevant studies. Discussion: These imaging genetic findings underlying brain connectome warrant further investigation for exploring their potential influences on brain-related complex diseases, given the significant involvement of altered connectivity in neurological, psychiatric and physical 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 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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,057
Tête enseignante GPT0,292
Écart entre enseignants0,235 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in GeneticsMême sujetFunctional Brain Connectivity StudiesTravaux en français237 207