Alzheimer's disease heterogeneity explained by polygenic risk scores derived from brain transcriptomic profiles
Notice bibliographique
Résumé
INTRODUCTION: Alzheimer's disease (AD) is heterogeneous, both clinically and neuropathologically. We investigated whether polygenic risk scores (PRSs) integrated with transcriptome profiles from AD brains can explain AD clinical heterogeneity. METHODS: We conducted co-expression network analysis and identified gene sets (modules) that were preserved in three AD transcriptome datasets and associated with AD-related neuropathological traits including neuritic plaques (NPs) and neurofibrillary tangles (NFTs). We computed the module-based PRSs (mbPRSs) for each module and tested associations with mbPRSs for cognitive test scores, cognitively defined AD subgroups, and brain imaging data. RESULTS: Of the modules significantly associated with NPs and/or NFTs, the mbPRSs from two modules (M6 and M9) showed distinct associations with language and visuospatial functioning, respectively. They matched clinical subtypes and brain atrophy at specific regions. DISCUSSION: Our findings demonstrate that polygenic profiling based on co-expressed gene sets can explain heterogeneity in AD patients, enabling genetically informed patient stratification and precision medicine in AD. HIGHLIGHTS: Co-expression gene-network analysis in Alzheimer's disease (AD) brains identified gene sets (modules) associated with AD heterogeneity. AD-associated modules were selected when genes in each module were enriched for neuritic plaques and neurofibrillary tangles. Polygenic risk scores from two selected modules were linked to the matching cognitively defined AD subgroups (language and visuospatial subgroups). Polygenic risk scores from the two modules were associated with cognitive performance in language and visuospatial domains and the associations were confirmed in regional-specific brain atrophy data.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».