MétaCan
Menu
Retour à la cohorte
Enregistrement W4402609603 · doi:10.1101/2024.09.15.613131

Off-Equilibrium Fluctuation-Dissipation Theorem Paves the Way in Alzheimer’s Disease Research

2024· preprint· en· W4402609603 sur OpenAlexfundno aff
Gustavo Patow, J M Monti, Irene Acero-Pous, Sebastián Idesis, Anira Escrichs, Yonatan Sanz Perl, Petra Ritter, Morten L. Kringelbach, Gustavo Deco

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2024
Typepreprint
Langueen
DomainePhysics and Astronomy
ThématiqueAdvanced Thermodynamics and Statistical Mechanics
Établissements canadiensnon disponible
Organismes subventionnairesAgencia Estatal de InvestigaciónCanadian Institutes of Health ResearchNational Institutes of HealthGenentechIXICOH. Lundbeck A/SServierEisaiNorthern California Institute for Research and EducationPfizerNovartis Pharmaceuticals CorporationUniversity of Southern CaliforniaBiogenEli Lilly and CompanyBristol-Myers SquibbBioClinicaEuropean Regional Development FundU.S. Department of DefenseAlzheimer's Disease Neuroimaging InitiativeMeso Scale DiagnosticsAlzheimer's Association
Mots-clésFluctuation-dissipation theoremDissipationStatistical physicsPhysicsDiseaseMathematical economicsMathematicsMedicineQuantum mechanicsInternal medicine

Résumé

récupéré en direct d'OpenAlex

ABSTRACT INTRODUCTION Alzheimer’s disease (AD) is a neurodegenerative disorder characterized by progressive cognitive decline. Although traditional methods have provided insights into brain dynamics in AD, they have limitations in capturing non-equilibrium dynamics across disease stages. Recent studies suggest that dynamic functional connectivity in resting-state networks (RSNs) may serve as a biomarker for AD, but the role of deviations from dynamical equilibrium remains underexplored. OBJECTIVE This study applies the off-equilibrium fluctuation-dissipation theorem (FDT) 1 to analyze brain dynamics in AD, aiming to compare deviations from equilibrium in healthy controls, patients with mild cognitive impairment (MCI), and those with AD. The goal is to identify potential biomarkers for early AD detection and understand disease progression’s mechanisms. METHODS We employed a model-free approach based on FDT to analyze functional magnetic resonance imaging (fMRI) data, including healthy controls, MCI patients, and AD patients. Deviations from equilibrium in resting-state brain activity were quantified using fMRI scans. In addition, we performed model-based simulations incorporating Amyloid-Beta (A β ), tau burdens, and Generative Effective Connectivity (GEC) for each subject. RESULTS Our findings show that deviations from equilibrium increase during the MCI stage, indicating hyperexcitability, followed by a significant decline in later stages of AD, reflecting neuronal damage. Model-based simulations incorporating A β and tau burdens closely replicated these dynamics, especially in AD patients, highlighting their role in disease progression. Healthy controls exhibited lower deviations, while AD patients showed the most significant disruptions in brain dynamics. DISCUSSION The study demonstrates that the off-equilibrium FDT framework can accurately characterize brain dynamics in AD, providing a potential biomarker for early detection. The increase in non-equilibrium deviations during the MCI stage followed by their decline in AD offers a mechanistic explanation for disease progression. Future research should explore how combining this framework with other dynamic brain measures could further refine diagnostic tools and therapeutic strategies for AD and other neurodegenerative diseases.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,500
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,027
Tête enseignante GPT0,293
Écart entre enseignants0,266 · 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 tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
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

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetAdvanced Thermodynamics and Statistical MechanicsTravaux en français237 207