MétaCan
Menu
Retour à la cohorte
Enregistrement W4410534041 · doi:10.1093/brain/awaf185

Neurotransmitter-informed connectivity maps and their application for outcome inference after stroke

2025· article· en· W4410534041 sur OpenAlexaff
Philipp Koch, Benedikt M. Frey, Winifried Backhaus, Nora Petersen, Gabriel Girard, Paweł P. Wróbel, Hanna Braaß, Marlene Bönstrup, Lisa Kunkel genannt Bode, Bastian Cheng, Götz Thomalla, Christian Gerloff, Hannes Schacht, Peter Schramm, Georg Royl, Fanny Quandt, Robert Schulz

Notice bibliographique

RevueBrain · 2025
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neuropharmacology Research
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesUniversitätsklinikum Hamburg-EppendorfUniversität zu LübeckGemeinnützige Hertie-Stiftung
Mots-clésConnectomeConnectomicsNeurosciencePsychologyModified Rankin ScaleStroke (engine)Serotonin transporterLesionDopamine transporterMedicineDopamineDopaminergicInternal medicinePsychiatrySerotoninReceptorFunctional connectivityIschemic stroke

Résumé

récupéré en direct d'OpenAlex

Neuroscience has evolved by framing numerous neuropsychiatric conditions as network diseases. Alterations within neurotransmitter (NT) systems are central to the development of these diseases. Recently, normative data on whole-brain NT fingerprints derived from PET tracer data have become accessible; limited data related this information to sequelae after stroke. This work aimed to explore: (i) the integration of NT data into whole-brain structural connectivity analyses; and (ii) its potential contribution to understanding outcome variability following stroke. Normative maps of NT receptor and transporter densities were integrated with a normative structural connectome to generate NT-specific connectivity maps for serotonin, dopamine, GABA, glutamate and acetylcholine receptors and transporters. Stroke lesion data from two independent, matched cohorts comprising a total of 126 severely impaired acute stroke patients were used to assess NT-related network damage on a patient-specific basis across the distribution of each receptor and transporter. Multivariable logistic regression models were applied to evaluate the relationship between NT-informed network disconnections and functional outcomes 3 to 6 months post-stroke, operationalized by the modified Rankin scale. Analyses were adjusted for lesion-induced global network damage, age, sex, lesion volume and baseline neurological symptom burden. We present an innovative method for incorporating PET tracer data on various NT systems into normative structural connectome datasets. The resulting NT-informed connectivity maps revealed distinct spatial distributions consistent with the established literature. In both cohorts of severely impaired stroke patients, incorporating lesion-induced disruptions within specific NT systems provided more insights into variability in stroke outcomes than the structural disconnection data alone. Notably, greater damage to networks with high dopamine transporter density was associated with poorer functional recovery. Based on NT-informed structural connectivity maps with distinct topographical features for individual receptors and transporters, we show that lesion-induced disruptions in large-scale dopaminergic brain networks, beyond global structural network damage, may play a key role in stroke recovery. These insights hold significant translational potential for advancing personalized medicine in stroke care, such as targeted pharmacologic interventions.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,047
Score d'incertitude au seuil0,466

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,053
Tête enseignante GPT0,383
Écart entre enseignants0,330 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations14
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrainMême sujetNeuroscience and Neuropharmacology ResearchTravaux en français237 207