MétaCan
Menu
Retour à la cohorte
Enregistrement W4409142548 · doi:10.1101/2025.03.31.646450

White Matter Hyperintensities Precede other Biomarkers in <i>GRN</i> Frontotemporal Dementia

2025· preprint· en· W4409142548 sur OpenAlexaff
Mahdie Soltaninejad, Mahsa Dadar, D. Louis Collins, Reza Rajabli, Vikram Venkatraghavan, Arabella Bouzigues, Lucy L. Russell, Phoebe H. Foster, Eve Ferry‐Bolder, John C. van Swieten, Lize C. Jiskoot, Harro Seelaar, Raquel Sánchez‐Valle, Robert Laforce, Caroline Graff, Daniela Galimberti, Rik Vandenberghe, Alexandre de Mendonça, Pietro Tiraboschi, Isabel Santana, Alexander Gerhard, Johannes Levin, Benedetta Nacmias, Markus Otto, Maxime Bertoux, Thibaud Lebouvier, Christopher Butler, Isabelle Le Ber, Elizabeth Finger, Maria Carmela Tartaglia, Mario Masellis, James B. Rowe, Matthis Synofzik, Fermín Moreno, Barbara Borroni, Jonathan D. Rohrer, Yasser Iturria‐Medina, Simon Ducharme

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2025
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA regulation and disease
Établissements canadiensSunnybrook Health Science CentreLondon Health Sciences CentreCanada Research ChairsDouglas Mental Health University InstituteUniversité LavalMontreal Neurological Institute and Hospital
Organismes subventionnairesWellcome Trust
Mots-clésFrontotemporal dementiaHyperintensityDementiaWhite matterMedicinePsychologyNeurosciencePathologyMagnetic resonance imagingDiseaseRadiology

Résumé

récupéré en direct d'OpenAlex

Abstract INTRODUCTION Increased white matter hyperintensities (WMHs) have been reported in genetic frontotemporal dementia (FTD) in small studies, but the sequence of WMH abnormalities relative to other biomarkers is unclear. METHODS Using a large dataset (n=763 GENFI2 participants), we measured WMHs and examined them across genetic FTD variants and stages. Cortical and subcortical volumes were parcellated, and serum neurofilament light chain (NfL) levels were measured. Biomarker progression was assessed with discriminative event-based and regression modeling. RESULTS Symptomatic GRN carriers showed elevated WMHs, primarily in the frontal lobe, while no significant increase was observed in C9orf72 or MAPT carriers. WMH abnormalities preceded NfL elevation, ventricular enlargement, and cortical atrophy. Longitudinally, baseline WMHs predicted subcortical changes, while subcortical volumes did not predict WMH changes, suggesting WMHs may precede neurodegeneration. DISCUSSION WMHs are elevated in a subset of GRN -related FTD. When present, they appear early and should be considered in disease progression models. Highlights Elevated WMH volumes in symptomatic GRN carriers, but not in other mutations. WMH accumulation is mostly observed in the frontal lobe. WMH abnormalities appear early in GRN -FTD, before NfL, atrophy, and ventriculomegaly. Longitudinally, WMH volumes can predict subcortical changes, but not vice versa. WMHs are key early markers in GRN -FTD and should be included in progression models. RESEARCH IN CONTEXT Systematic review We systematically reviewed the literature on white matter hyperintensities (WMHs) in frontotemporal dementia (FTD) using PubMed. While a few small studies reported increased WMHs in GRN mutation carriers, their sample sizes were limited, and they did not assess the timing of WMHs within disease progression or their temporal relationship to other biomarkers. Interpretation We identified a sequence of key biomarkers in GRN -related FTD and demonstrated that WMHs are among the earliest biomarkers, preceding cortical and subcortical atrophy as well as blood biomarkers. This aligns with neuropathological evidence of early white matter involvement in FTLD- GRN . Additionally, using a larger dataset, we validated previous reports of elevated WMHs in GRN carriers, confirming their reliability. Future directions Future studies should integrate WMHs into FTD progression models to enhance early diagnosis. Understanding why only a subset of GRN carriers exhibit high WMH volumes remains a key research priority.

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)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,189
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
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 Opus0,008
Tête enseignante GPT0,214
Écart entre enseignants0,206 · 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'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

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetRNA regulation and diseaseTravaux en français237 207