MétaCan
Menu
← Retour à la cohorte
Enregistrement W4402038323 · doi:10.1101/2024.08.28.610193

Brain Charts for the Rhesus Macaque Lifespan

2024· preprint· en· W4402038323 sur OpenAlexaff
Samuel Alldritt, J.S.B. Ramirez, Reinder Vos de Wael, Richard A. I. Bethlehem, Jakob Seidlitz, Z. Wang, Karl‐Heinz Nenning, Nathália Bianchini Esper, Jonny Smallwood, Alexandre R. Franco, Kyoungseob Byeon, Aaron Alexander‐Bloch, David G. Amaral, Céline Amiez, Fabien Balezeau, Mark G. Baxter, Guillaume Becker, Jeffrey Bennett, Olivia Berkner, Erwin L. A. Blezer, Ansgar M. Brambrink, Thomas Brochier, Beth Butler, L.J. Campos, Emmanuelle Canet‐Soulas, Lucie Chalet, Ang Chen, Justine Cléry, Christos Constantinidis, Douglas J. Cook, Stanislas Dehaene, Lena Dorfschmidt, Carly M. Drzewiecki, John W. Erdman, Stefan Everling, Arnaud Falchier, Lazar Fleysher, Andrew J. Fox, Winrich A. Freiwald, Mathilda Froesel, Seán Froudist‐Walsh, Judy Fudge, Thomas Funck, Maëva Gacoin, Daniel J. Gale, Joanne Gallivan, Clément M. Garin, Timothy D. Griffiths, Carole Guedj, Fadila Hadj‐Bouziane, Suliann Ben Hamed, Noam Harel, Roland Hartig, Bassem Hiba, B.R. Howell, Béchir Jarraya, Benjamin Jung, Ned H. Kalin, J. Karpf, Sabine Kästner, P. Christiaan Klink, Zsofia A. Kovacs-Balint, Christopher D. Kroenke, Matthew J. Kuchan, Sze Chai Kwok, Kevin N. Laland, David A. Leopold, Gang Li, Patrik Lindenfors, Gary Linn, Rogier B. Mars, Kurt Masiello, Ravi S. Menon, Adam Messinger, Martine Meunier, Kin Y. Mok, John H. Morrison, Jennifer Nacef, Júlia Nagy, Viola Neudecker, Martha Neuringer, MaryAnn P. Noonan, Michael Ortiz-Rios, Jose F. Perez‐Zoghbi, Christopher I. Petkov, Mark A. Pinsk, Colline Poirier, Emmanuel Procyk, Reza Rajimehr, Simon M. Reader, David A. Rudko, Matthew F. S. Rushworth, Brendan E. Russ, Jérôme Sallet, Mar M. Sánchez, MC Schmid, Caspar M. Schwiedrzik, Jonathan Scott, Julien Sein, KK Sharma, Amir Shmuel, Martin Styner, Elinor L. Sullivan, Alexander Thiele, Orlin S. Todorov, Doris Y. Tsao, Anita Tusche, Roza Vlasova, Li Wang, Jiarui Wang, Astrid Weiss, Charles Wilson, Essa Yacoub, Wilbert Zarco, Yun Zhou, Junda Zhu, Daniel S. Margulies, Damien A. Fair, Charles M. Schroeder, Michael P. Milham, Ting Xu

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2024
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueFunctional Brain Connectivity Studies
Établissements canadiensWestern UniversityQueen's UniversityMcGill University
Organismes subventionnairesnon disponible
Mots-clésMacaqueRhesus macaquePrimateBrain sizeNeuroscienceNormativeCognitionPsychologyBiologyHealthy agingMedicineMagnetic resonance imagingGerontology

Résumé

récupéré en direct d'OpenAlex

Recent efforts to chart human brain growth across the lifespan using large-scale MRI data have provided reference standards for human brain development. However, similar models for nonhuman primate (NHP) growth are lacking. The rhesus macaque, a widely used NHP in translational neuroscience due to its similarities in brain anatomy, phylogenetics, cognitive, and social behaviors to humans, serves as an ideal NHP model. This study aimed to create normative growth charts for brain structure across the macaque lifespan, enhancing our understanding of neurodevelopment and aging, and facilitating cross-species translational research. Leveraging data from the PRIMatE Data Exchange (PRIME-DE) and other sources, we aggregated 1,522 MRI scans from 1,024 rhesus macaques. We mapped non-linear developmental trajectories for global and regional brain structural changes in volume, cortical thickness, and surface area over the lifespan. Our findings provided normative charts with centile scores for macaque brain structures and revealed key developmental milestones from prenatal stages to aging, highlighting both species-specific and comparable brain maturation patterns between macaques and humans. The charts offer a valuable resource for future NHP studies, particularly those with small sample sizes. Furthermore, the interactive open resource (https://interspeciesmap.childmind.org) supports cross-species comparisons to advance translational neuroscience research.

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)0,002
score de la tête « metaresearch » (Gemma)0,014
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0070,004
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,003

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 Opus0,034
Tête enseignante GPT0,253
Écart entre enseignants0,219 · 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

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetFunctional Brain Connectivity Studies→Travaux en français237 207→