Case-control virtual histology elucidates cell types associated with cortical thickness differences in Alzheimer's disease
Notice bibliographique
Résumé
Many neuropsychiatric disorders are characterised by altered cortical thickness, but the cell types underlying these changes remain largely unknown. Virtual histology (VH) approaches map regional patterns of gene expression with regional patterns of MRI-derived phenotypes, such as cortical thickness, to identify cell types associated with case-control differences in those MRI measures. However, this method does not incorporate valuable information of case-control differences in cell type abundance. We developed a novel method, termed case-control virtual histology (CCVH), and applied it to Alzheimer's disease (AD) and dementia cohorts. Leveraging a multi-region gene expression dataset of AD cases (n = 40) and controls (n = 20), we quantified AD case-control differential expression of cell type-specific markers across 13 brain regions. We then correlated these expression effects with MRI-derived AD case-control cortical thickness differences across the same regions. Cell types with spatially concordant AD-related effects were identified through resampling marker correlation coefficients. Among regions thinner in AD, gene expression patterns identified by CCVH suggested fewer excitatory and inhibitory neurons, and greater proportions of astrocytes, microglia, oligodendrocytes, oligodendrocyte precursor cells, and endothelial cells in AD cases vs. controls. In contrast, original VH identified expression patterns suggesting that excitatory but not inhibitory neuron abundance was associated with thinner cortex in AD, despite the fact that both types of neurons are known to be lost in the disorder. Compared to original VH, cell types identified through CCVH are more likely to directly underlie cortical thickness differences in AD. Sensitivity analyses suggest our results are largely robust to specific analysis choices, like numbers of cell type-specific marker genes used and background gene sets used to construct null models. As more multi-region brain expression datasets become available, CCVH will be useful for identifying the cellular correlates of cortical thickness across neuropsychiatric illnesses.
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 | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».