MétaCan
Menu
Retour à la cohorte
Enregistrement W4402944923 · doi:10.1101/2024.09.27.24314431

Genetic Interplay Between White Matter Hyperintensities and Alzheimer’s Disease: A Brain-Body Perspective

2024· preprint· en· W4402944923 sur OpenAlexafffund
Manpreet Singh, Kimia Shafighi, Flavie E. Detcheverry, Fanta Dabo, Ikrame Housni, Sridar Narayanan, Sarah A. Gagliano Taliun, Danilo Bzdok, AmanPreet Badhwar

Notice bibliographique

RevuemedRxiv · 2024
Typepreprint
Langueen
DomaineEnvironmental Science
ThématiqueHealth, Environment, Cognitive Aging
Établissements canadiensMcGill UniversityMila - Quebec Artificial Intelligence InstituteMontreal Neurological Institute and HospitalUniversité de MontréalMontreal Heart InstituteInstitut Universitaire de Gériatrie de Montréal
Organismes subventionnairesFonds de Recherche du Québec - SantéCourtois Foundation
Mots-clésHyperintensityPerspective (graphical)White matterNeuroscienceDiseasePsychologyMedicineMagnetic resonance imagingPathologyComputer scienceArtificial intelligenceRadiology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT MRI-detected white matter hyperintensities (WMH) are often recognized as markers of cerebrovascular abnormalities and an index of vascular brain injury, and are frequently present in individuals with Alzheimer’s disease (AD). Given the emerging bidirectional communication between the brain-body axis in both WMHs and AD, it is important to understand their genetic underpinnings across the whole body. However, literature on this is scarce. We investigated the brain-body axis by breaking down heritability estimates of these phenotypes across the whole body, – i.e., partitioning heritability. Our aims were to identify genetic underpinnings specific to WMHs, and common between WMHs and AD, by assessing (a) the partitioned heritability of WMHs and AD across the brain-body axis with tissue-specific annotations, (b) the partitioned heritability of WMHs and AD across the brain-body axis with cell-specific annotations, and (c) the genes associated with WMHs and AD, and verifying their expression levels across the whole body. Our tissue-specific analysis revealed that WMH-associated SNPs were significantly enriched in tissues beyond the brain, namely liver, cardiovascular, and kidney – with liver being a common tissue enriched for both WMHs and AD. Our cell-specific analysis showed enrichment of vascular endothelial cells across the tissue types enriched for WMHs, highlighting their central role in the development of WMHs. Additionally, our gene-level analysis highlighted overlapping patterns of tissue enrichment for both WMHs and AD, and showed interactions between WMH and AD associated genes. Our findings provide new insights into the systemic influences potentially contributing to WMH pathology, in particular, multi-system endothelial disorder. We hope that our multisystemic genetic findings will stimulate future WMH-research into specific pathways across the brain-body axis.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,004
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,004

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 Opus0,018
Tête enseignante GPT0,291
Écart entre enseignants0,273 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetHealth, Environment, Cognitive AgingTravaux en français237 207