Functional network centrality indicates interactions between APOE4 and age across the clinical spectrum of Alzheimer’s Disease
Notice bibliographique
Résumé
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 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 | 0,002 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».