Personalized whole-brain neural mass models reveal combined Aβ and tau hyperexcitable influences in Alzheimer’s disease
Notice bibliographique
Résumé
Neuronal dysfunction and cognitive deterioration in Alzheimer's disease (AD) are likely caused by multiple pathophysiological factors. However, mechanistic evidence in humans remains scarce, requiring improved non-invasive techniques and integrative models. We introduce personalized AD computational models built on whole-brain Wilson-Cowan oscillators and incorporating resting-state functional MRI, amyloid-β (Aβ) and tau-PET from 132 individuals in the AD spectrum to evaluate the direct impact of toxic protein deposition on neuronal activity. This subject-specific approach uncovers key patho-mechanistic interactions, including synergistic Aβ and tau effects on cognitive impairment and neuronal excitability increases with disease progression. The data-derived neuronal excitability values strongly predict clinically relevant AD plasma biomarker concentrations (p-tau217, p-tau231, p-tau181, GFAP) and grey matter atrophy obtained through voxel-based morphometry. Furthermore, reconstructed EEG proxy quantities show the hallmark AD electrophysiological alterations (theta band activity enhancement and alpha reductions) which occur with Aβ-positivity and after limbic tau involvement. Microglial activation influences on neuronal activity are less definitive, potentially due to neuroimaging limitations in mapping neuroprotective vs detrimental activation phenotypes. Mechanistic brain activity models can further clarify intricate neurodegenerative processes and accelerate preventive/treatment interventions.
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 | 0,002 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».