Personalized virtual brains of Alzheimer’s Disease link dynamical biomarkers of fMRI with increased local excitability
Notice bibliographique
Résumé
Abstract Alzheimer’s disease (AD) is a neurodegenerative disorder characterized by the accumulation of abnormal beta-amyloid (Aβ) and hyperphosphorylated Tau (pTau). These proteinopathies disrupt neuronal activity, causing, among others, an excessive and hypersynchronous neuronal firing that promotes hyperexcitability and leads to brain network dysfunction and cognitive deficits. In this study, we used computational network modeling to build a causal inference framework to explain AD-related abnormal brain activity. We constructed personalized brain network models with a set of working points to enable maximum dynamical complexity for each brain. Structural brain topographies were combined, either with excitotoxicity, or postsynaptic depression, as two leading mechanisms of the Aβ and pTau on neuronal activity. By applying various levels of these putative mechanisms to the limbic regions that typically present, with the earliest and largest protein burden, we found that the excitotoxicity is sufficient and necessary to reproduce empirical biomarkers two biometrics associated with AD pathology: homotopic dysconnectivity and a decrease in limbic network dynamical fluidity. This observation was shown not only in the clinical groups (aMCI and AD), but also in healthy subjects that were virtually-diseased with excitotoxicity as these abnormal proteins can accumulate before the appearance of any cognitive changes. The same findings were independently confirmed by a mechanistic deep learning inference framework. Taken together, our results show the crucial role of protein burden-induced hyperexcitability in altering macroscopic brain network dynamics, and offer a mechanistic link between structural and functional biomarkers of cognitive dysfunction due to 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 |
| 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 ».