Application of a localized morphometrics approach to imaging-derived brain phenotypes for genotype-phenotype associations in pediatric mental health and neurodevelopmental disorders
Notice bibliographique
Résumé
Introduction: Quantitative global or regional brain imaging measurements, known as imaging-specific or -derived phenotypes (IDPs), are commonly used in genotype-phenotype association studies to explore the genomic architecture of the brain and how it may be affected by neurological diseases (e.g., Alzheimer's disease), mental health (e.g., depression), and neurodevelopmental disorders (e.g., attention-deficit hyperactivity disorder [ADHD]). For this purpose, medical images have been used as IDPs using a voxel-wise or global approach via principal component analysis. However, these methods have limitations related to multiple testing or the inability to isolate high variation regions, respectively. Methods: To address these limitations, this study investigates a localized, principal component analysis-like approach for dimensionality reduction of cross-sectional T1-weighted MRI datasets utilizing diffeomorphic morphometry. This approach can reduce the dimensionality of images while preserving spatial information and enables the inclusion of spatial locality in the analysis. In doing so, this method can be used to explore morphometric brain changes across specific components and spatial scales of interest and to identify associations with genome regions in a multivariate genome-wide association study. For a first clinical feasibility study, this method was applied to data from the Adolescent Brain Cognitive Development (ABCD) study, including adolescents with ADHD (n = 1,359), obsessive-compulsive disorder (n = 1,752), and depression (n = 1,766). Results: Meaningful associations of specific morphometric features with genome regions were identified with the data and corresponded to previous found brain regions in the respective mental health and neurodevelopmental disorder cohorts. Discussion: In summary, the localized, principal component analysis-like approach can reduce the dimensionality of medical images while still being able to identify meaningful local brain region alterations that are associated with genomic markers across multiple scales. The proposed method can be applied to various image types and can be easily integrated in many genotype-phenotype association study setups.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».