Biological subtyping of autism via cross-species fMRI
Notice bibliographique
Résumé
It is frequently assumed that the phenotypic heterogeneity in autism spectrum disorder reflects underlying pathobiological variation. However, direct evidence in support of this hypothesis is lacking. Here, we leverage cross-species functional neuroimaging to examine whether variability in brain functional connectivity reflects distinct biological mechanisms. We find that fMRI connectivity alterations in 20 distinct mouse models of autism (n=549 individual mice) can be clustered into two prominent hypo- and hyperconnectivity subtypes. We show that these connectivity profiles are linked to distinct signaling pathways, with hypoconnectivity being associated with synaptic dysfunction, and hyperconnectivity reflecting transcriptional and immune-related alterations. Extending these findings to humans, we identify analogous hypo- and hyperconnectivity subtypes in a large, multicenter resting state fMRI dataset of n=940 autistic and n=1036 neurotypical individuals. Remarkably, hypo- and hyperconnectivity autism subtypes are replicable across independent cohorts (accounting for 25.1% of all autism data), exhibit distinct functional network architecture, are behaviorally dissociable, and recapitulate synaptic and immune mechanisms identified in corresponding mouse subtypes. Our cross-species investigation, thus, decodes the heterogeneity of fMRI connectivity in autism into distinct pathway-specific etiologies, offering a new empirical framework for targeted subtyping of autism.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».