MétaCan
Menu
← Retour à la cohorte
Enregistrement W4312086984 · doi:10.1002/alz.066680

Situating tau pathology and neuroinflammation along the principal gradients of brain organisation in Alzheimer’s disease

2022· article· en· W4312086984 sur OpenAlexaff
Julie Ottoy, Min Su Kang, Yi‐Hsuan Yeh, Reinder Vos de Wael, Bo‐yong Park, Jonah Isen, Mary Agopian, Gleb Bezgin, Firoza Z Lussier, Sulantha Mathotaarachchi, Jenna Stevenson, Mira Chamoun, Nesrine Rahmouni, Robert Hopewell, Gassan Massarweh, Jean‐Paul Soucy, Serge Gauthier, Boris C. Bernhardt, Sandra E. Black, Pedro Rosa‐Neto, Maged Goubran

Notice bibliographique

RevueAlzheimer s & Dementia · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensMontreal Neurological Institute and HospitalMcGill UniversityUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesnon disponible
Mots-clésConnectomeNeuroscienceNeuroinflammationDiffusion MRICovarianceTau pathologyFunctional connectivityBiologyPattern recognition (psychology)PsychologyComputer scienceArtificial intelligenceDiseaseAlzheimer's diseaseMathematicsPathologyMedicineMagnetic resonance imaging

Résumé

récupéré en direct d'OpenAlex

Abstract Background The spread of abnormal tau along connectivity‐based networks is a hallmark of Alzheimer’s disease (AD). In addition, activated microglia was shown to affect tau spread across networks. However, traditional network approaches using atlas‐defined regions suffer from assuming within‐region homogenous connectivity, as well as abrupt and linear connectivity changes between the regions; while, in fact, brain structure and function exist as complex overlapping axes of connectivity variation. Here, we studied smooth/continuous spatial transitions or ‘gradients’ of connectivity and their link to gradients of pathology in AD. This work provides novel insights into brain architecture driving pathology spread. Method We enrolled 220 individuals including 106 cognitively normal Aβ‐negative (A‐) and 37 A+, and 77 MCI/AD A+ (TRIAD). From diffusion‐weighted MRI and fMRI data, we estimated region‐to‐region fiber count and correlated timeseries, respectively, and averaged subject‐wise connectivity matrices to create structural and functional ‘template connectomes’. From 18F‐MK6240 and 11C‐PBR28 PET data, we extracted regional tau and neuroinflammation SUVR values, respectively, and created covariance matrices for each disease stage. Next, the template connectomes/covariance matrices were subjected to non‐linear dimensionality reduction to extract embedded components (‘gradients’). We correlated the primary gradients of functional or structural connectivity (G1FC/G1SC) with the primary and secondary gradients of tau or neuroinflammation (G1TAU/G2TAU; G1INFLAM/G2INFLAM). We employed three brain atlases for validation: high‐resolution customized Glasser‐atlas (1332 equally‐sized subregions), DKT, and Schaefer‐100. Result G1FC replicated the previously reported ‘uni‐to‐transmodal’ functional gradient (Margulies 2016) and correlated strongly with G1TAU in cognitively impaired A+ (Fig.1 A); illustrating a common topographic variation in tau spread and functional connectivity in symptomatic stages. Conversely, G1SC ran between medial‐temporal‐lobe (MTL)/posterior and frontal/anterior regions, and correlated strongly with both G2TAU (Fig.1 B) and G1INFLAM (Fig.1 C) in cognitively (un)impaired A+; illustrating a common topographic variation in tau/microglia and structural connectivity already present at early disease stages. Different brain atlases led to similar results. Conclusion We identified two gradients of continuous topographic variation in tau and neuroinflammation, potentially reflecting heterogeneity of AD‐subgroups. While microglial activation and early‐stage tau propagation may be largely dominated by structural organisation, later‐stage tau propagation may be more heterogeneously associated with variation in structural and particularly functional connectivity.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
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
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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 Opus0,042
Tête enseignante GPT0,268
Écart entre enseignants0,227 · 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 revueAlzheimer s & Dementia→Même sujetFunctional Brain Connectivity Studies→Travaux en français237 207→