Tackling hypo and hyper sensory processing heterogeneity in autism: From clinical stratification to genetic pathways
Notice bibliographique
Résumé
As an integral part of autism spectrum symptoms, sensory processing issues including both hypo and hyper sensory sensitivities. These sensory specificities may result from an excitation/inhibition imbalance with a poorly understood of their level of convergence with genetic alterations in GABA-ergic and glutamatergic pathways. In our study, we aimed to characterize the hypo/hyper-sensory profile among autistic individuals. We then explored its link with the burden of deleterious mutations in a subset of individuals with available whole-genome sequencing data. To characterize the hypo/hyper-sensory profile, the differential Short Sensory Profile (dSSP) was defined as a normalized and centralized hypo/hypersensitivity ratio from the Short Sensory Profile (SSP). Including 1136 participants (533 autistic individuals, 210 first-degree relatives, and 267 controls) from two independent study samples (PARIS and LEAP), we observed a statistically significant dSSP mean difference between autistic individuals and controls, driven mostly by a high dSSP variability, with an intermediated profile represented by relatives. Our genetic analysis tended to associate the dSSP and the hyposensitivity with mutations of the GABAergic pathway. The major limitation was the dSSP difficulty to discriminate subjects with a similar quantum of hypo- and hyper-sensory symptoms to those with no such symptoms, resulting both in a similar ratio score of 0. However, the dSSP could be a relevant clinical score, and combined with additional sensory descriptions, genetics and endophenotypic substrates, will improve the exploration of the underlying neurobiological mechanisms of sensory processing differences in autism spectrum.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».