MétaCan
Menu
← Retour à la cohorte
Enregistrement W4390198629 · doi:10.1002/alz.072776

Individual bioenergetic capacity as a potential source of resilience to Alzheimer’s disease

2023· article· en· W4390198629 sur OpenAlexfundno aff
Matthias Arnold, Mustafa Büyüközkan, P. Murali Doraiswamy, Tong Wu, Kwangsik Nho, Vilmundur Guðnason, Lenore J. Launer, Rui Wang‐Sattler, Jerzy Adamski, Philip L. De Jager, Nilüfer Ertekin‐Taner, David A. Bennett, Andrew J. Saykin, Annette Peters, Karsten Suhre, Rima Kaddurah‐Daouk, Gabi Kastenmüller, Jan Krumsiek

Notice bibliographique

RevueAlzheimer s & Dementia · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on AgingHelmholtz Zentrum MünchenCanadian Institutes of Health ResearchNational Institutes of HealthGenentechNational Institute of Neurological Disorders and StrokeIXICONorthern California Institute for Research and EducationHjartaverndCurePSPServierEisaiBundesministerium für Bildung und ForschungH. Lundbeck A/SRush UniversityMayo Foundation for Medical Education and ResearchUniversity of Southern CaliforniaPfizerBioClinicaBiogenU.S. Department of DefenseEli Lilly and CompanyBristol-Myers SquibbMeso Scale DiagnosticsAlzheimer's Disease Neuroimaging InitiativeNovartis Pharmaceuticals CorporationAlzheimer's Association
Mots-clésBioenergeticsBiomarkerCognitionCognitive declineDiseaseNeuroimagingPsychologyEffects of sleep deprivation on cognitive performanceBiologyNeuroscienceInternal medicineMedicineDementiaMitochondrionGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Background Brain glucose hypometabolism is among the earliest pathogenic changes in Alzheimer’s disease (AD). This metabolic dysfunction points to the personal bioenergetic capacity, defined as the ability to maintain energy homeostasis under all circumstances including deregulated glucose uptake, as a potential source of resilience to the disease. Fasting blood acylcarnitine profiles are a central readout for this capacity in the absence of dietary glucose and capture the activity and efficiency of glucose‐independent routes of mitochondrial energy metabolism. Method We used fasting serum acylcarnitine profiles of 1,531 participants (465 with normal cognition, 762 with mild cognitive impairment, and 304 with clinical AD) from the AD Neuroimaging Initiative to perform unsupervised subgroup identification using hierarchical clustering. Identified subgroups were investigated for differences in A/T/N biomarker profiles and cognitive status. The contributions of genetic and potentially modifiable factors defining the subgroups were quantified using analysis of explained variance. The influence of the strongest determining factors on longitudinal cognitive trajectories was estimated using linear mixed‐effects models and gene‐by‐environment interaction analysis. Result We found several bioenergetically distinct subgroups with significant differences in AD biomarker profiles and cognitive function. The strongest genetic contribution to this bioenergetic endophenotype seems to be specifically linked to succinylcarnitine metabolism and significantly modulates the rate of future cognitive decline. In contrast, potentially modifiable sustainment of beta‐oxidation efficiency seems to decelerate bioenergetic aging, thus creating a bioenergetic reserve that delays progression of cognitive decline. Using gene‐by‐environment interaction analysis, we demonstrate that this molecular framework identifies a subgroup of individuals that is likely to benefit significantly from personalized therapeutic, dietary or lifestyle interventions tailored to increase resilience against bioenergetic disturbances in AD. Conclusion Our study reports on a set of genetic and metabolic markers that define bioenergetically distinct subgroups with significant differences on the AD biomarker and cognitive level. Longitudinal data suggest that targeting the modifiable fraction of this endophenotype might be a promising strategy to slow down disease progression in individuals with specific allelic configurations.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
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 Opus0,024
Tête enseignante GPT0,268
Écart entre enseignants0,244 · 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & Dementia→Même sujetMetabolomics and Mass Spectrometry Studies→Travaux en français237 207→