Forward selection models for classifying mild cognitive impairment and Alzheimer’s disease based on single nucleotide polymorphisms
Notice bibliographique
Résumé
Early detection of Alzheimer’s disease (AD) is crucial for patients to begin treatment early to slow the disease’s progression. While mild cognitive impairment (MCI) is considered an early translational stage of AD, clinically diagnosing MCI is difficult due to its inconsistent symptoms and the lack of standardized diagnostic tests. In this work, we proposed forward selection models to classify patients with AD, patients with MCI and healthy controls (HCs) based on single nucleotide polymorphisms (SNPs). In the proposed method, the initial SNP data were prescreened via genome-wide association studies with a suggestive significance threshold. Then, the qualified SNPs were reselected using the forward SNP selection algorithm to create classification models. Consequently, the forward selection models significantly outperformed the preselection models, those based on all prescreened SNPs, with an area under the precision-recall curve (AUPRC) value of 0.93 in the AD-HC classification, an AUPRC value of 0.94 in the MCI-HC classification, and an AUPRC value of 0.81 in the AD-MCI classification. Moreover, the proposed method could identify AD-associated and MCI-associated SNPs, which would support the clinical diagnosis of AD and MCI in the future.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».