Early Electrophysiological Aberrations in the Hippocampus of the TgF344-AD Rat Model as a Potential Biomarker for Alzheimer’s Disease Prognosis
Notice bibliographique
Résumé
Abstract The hippocampus is thought to guide navigation and has an essential contribution to learning and memory. Hippocampus is one of the brain regions impaired in Alzheimer’s disease (AD), a neurodegenerative disease with progressive memory impairments and cognitive decline. Although successful treatments for AD are still not available, developing new strategies to detect AD at early stages before clinical manifestation is crucial for timely interventions. Here, we investigated in the TgF344-AD rat model the classification of AD-transgenic rats versus Wild-type littermates (WT) from electrophysiological activity recorded in the hippocampus of freely moving subjects at an early, pre-symptomatic stage of the disease (6 months old). To this end, recorded signals were filtered in two separate frequency regimes namely low frequency LFP signals and high frequency spiking activity and passed to machine learning (ML) classifiers to identify the genotype of the rats (TG vs. WT). For the low frequency analysis, we first filtered the signals and extracted the power spectra in different frequency bands known to carry differential information in the hippocampus (delta, theta, slow- and fast-gamma) while for the high frequency analysis, we extracted spike-trains of neurons and calculated different distance metrics between them, including Van Rossum (VR), Inter Spike Interval (ISI), and Event Synchronization (ES). These measures were then used as features for classification with different ML classifiers. We found that both low and high frequency signals were able to classify the rat genotype with a high accuracy with specific signals such as the gamma band power, providing an important fraction of information. In addition, when we combined information from both low and high frequency the classification was boosted indicating that independent information is present across the two bands. The results of this study offer a better insight into how different regions of the hippocampus are affected in earlier stages of AD.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| 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 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 ».