MétaCan
Menu
Retour à la cohorte
Enregistrement W4286560540 · doi:10.1101/2022.07.20.22277727

Novel genomic loci influence patterns of structural covariance in the human brain

2022· preprint· en· W4286560540 sur OpenAlexfundno aff
Junhao Wen, Ilya M. Nasrallah, Ahmed Abdulkadir, Theodore D. Satterthwaite, Zhijian Yang, Güray Erus, Timothy Robert‐Fitzgerald, Ashish Singh, Aristeidis Sotiras, Aleix Boquet-Pujadas, Elizabeth Mamourian, Jimit Doshi, Yuhan Cui, Dhivya Srinivasan, Ioanna Skampardoni, Jiong Chen, Gyujoon Hwang, Mark Bergman, Jingxuan Bao, Yogasudha Veturi, Zhen Zhou, Shu Yang, Paola Dazzan, René S. Kahn, Hugo G. Schnack, Marcus V. Zanetti, Eva Meisenzahl, Geraldo F. Busatto, Benedicto Crespo‐Facorro, Christos Pantelis, Stephen J. Wood, Chuanjun Zhuo, Russell T. Shinohara, Ruben C. Gur, Raquel E. Gur, Nikolaos Koutsouleris, Daniel H. Wolf, Andrew J. Saykin, Marylyn D. Ritchie, Li Shen, Paul M. Thompson, Olivier Colliot, Katharina Wittfeld, Hans J. Grabe, Duygu Tosun, Murat Bilgel, Yang An, Daniel S. Marcus, Pamela LaMontagne, Susan R. Heckbert, Thomas R. Austin, Lenore J. Launer, Mark A. Espeland, Colin L. Masters, Paul Maruff, Jürgen Fripp, Sterling C. Johnson, John C. Morris, Marilyn S. Albert, R. Nick Bryan, Susan M. Resnick, Yong Fan, Mohamad Habes, David A. Wolk, Haochang Shou, Christos Davatzikos

Notice bibliographique

RevuemedRxiv · 2022
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGene expression and cancer classification
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health ResearchNational Institutes of HealthGenentechIXICOH. Lundbeck A/SServierEisaiNorthern California Institute for Research and EducationPfizerNovartis Pharmaceuticals CorporationF. Hoffmann-La RocheUniversity of Southern CaliforniaMedical Research CouncilBiogenEli Lilly and CompanyBristol-Myers SquibbBioClinicaMeso Scale DiagnosticsNational Institute on AgingAlzheimer's AssociationFoundation for the National Institutes of Health
Mots-clésBiologyNeuroscienceHuman brainBrain sizeNeurodegenerationPopulationComputational biologyMedicineDisease

Résumé

récupéré en direct d'OpenAlex

Abstract Normal and pathologic neurobiological processes influence brain morphology in coordinated ways that give rise to patterns of structural covariance (PSC) across brain regions and individuals during brain aging and diseases. The genetic underpinnings of these patterns remain largely unknown. We apply a stochastic multivariate factorization method to a diverse population of 50,699 individuals (12 studies, 130 sites) and derive data-driven, multi-scale PSCs of regional brain size. PSCs were significantly correlated with 915 genomic loci in the discovery set, 617 of which are novel, and 72% were independently replicated. Key pathways influencing PSCs involve reelin signaling, apoptosis, neurogenesis, and appendage development, while pathways of breast cancer indicate potential interplays between brain metastasis and PSCs associated with neurodegeneration and dementia. Using support vector machines, multi-scale PSCs effectively derive imaging signatures of several brain diseases. Our results elucidate new genetic and biological underpinnings that influence structural covariance patterns in the human brain. Significance statement The coordinated patterns of changes in the human brain throughout life, driven by brain development, aging, and diseases, remain largely unexplored regarding their underlying genetic determinants. This study delineates 2003 multi-scale patterns of structural covariance (PSCs) and identifies 617 novel genomic loci, with the mapped genes enriched in biological pathways implicated in reelin signaling, apoptosis, neurogenesis, and appendage development. Overall, the 2003 PSCs provide new genetic insights into understanding human brain morphological changes and demonstrate great potential in predicting various neurologic conditions.

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)0,004
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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,023
Tête enseignante GPT0,297
Écart entre enseignants0,274 · 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetGene expression and cancer classificationTravaux en français237 207