MétaCan
Menu
Retour à la cohorte
Enregistrement W4399980559 · doi:10.1016/j.nicl.2024.103635

Functional network centrality indicates interactions between APOE4 and age across the clinical spectrum of Alzheimer’s Disease

2024· article· en· W4399980559 sur OpenAlexfundno aff
Aïda B. Fall, Maria Giulia Preti, Mohamed Eshmawey, Sonja M. Kagerer, Dimitri Van De Ville, Paul G. Unschuld

Notice bibliographique

RevueNeuroImage Clinical · 2024
Typearticle
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on AgingNational Institute of Biomedical Imaging and BioengineeringCanadian Institutes of Health ResearchGenentechNational Institutes of HealthIXICOH. Lundbeck A/SServierCentre d'Imagerie BioMédicaleCentre Hospitalier Universitaire VaudoisUniversité de GenèveAlzheimer's AssociationHôpitaux Universitaires de GenèveEisaiSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNorthern California Institute for Research and EducationUniversity of Southern CaliforniaPfizerBiogenBioClinicaMeso Scale DiagnosticsEli Lilly and CompanyU.S. Department of DefenseAlzheimer's Disease Neuroimaging InitiativeUniversité de LausanneNovartis Pharmaceuticals CorporationÉcole Polytechnique Fédérale de LausanneBristol-Myers SquibbNational Science Foundation
Mots-clésApolipoprotein EDementiaNeuroimagingCentralityDiseaseFunctional magnetic resonance imagingNeuroscienceClinical Dementia RatingPsychologyAlzheimer's diseaseMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Advanced age is the most important risk factor for Alzheimer's disease (AD), and carrier-status of the Apolipoprotein E4 (APOE4) allele is the strongest known genetic risk factor. Many studies have consistently shown a link between APOE4 and synaptic dysfunction, possibly reflecting pathologically accelerated biological aging in persons at risk for AD. To test the hypothesis that distinct functional connectivity patterns characterize APOE4 carriers across the clinical spectrum of AD, we investigated 128 resting state functional Magnetic Resonance Imaging (fMRI) datasets from the Alzheimer's Disease Neuroimaging Initiative database (ADNI), representing all disease stages from cognitive normal to clinical dementia. Brain region centralities within functional networks, computed as eigenvector centrality, were tested for multivariate associations with chronological age, APOE4 carrier status and clinical stage (as well as their interactions) by partial least square analysis (PLSC). By PLSC analysis two distinct brain activity patterns could be identified, which reflected interactive effects of age, APOE4 and clinical disease stage. A first component including sensorimotor regions and parietal regions correlated with age and AD clinical stage (p < 0.001). A second component focused on medial-frontal regions and was specifically related to the interaction between age and APOE4 (p = 0.032). Our findings are consistent with earlier reports on altered network connectivity in APOE4 carriers. Results of our study highlight promise of graph-theory based network centrality to identify brain connectivity linked to genetic risk, clinical stage and age. Our data suggest the existence of brain network activity patterns that characterize APOE4 carriers across clinical stages of 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 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)0,004
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 enseignants0,005
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,249
Tête enseignante GPT0,444
Écart entre enseignants0,196 · 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

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuroImage ClinicalMême sujetFunctional Brain Connectivity StudiesTravaux en français237 207