Brain Multi-Omic Subtypes of Neuroticism reveal molecular signatures linked to Alzheimer’s Disease
Notice bibliographique
Résumé
Abstract Importance Molecular mechanisms linking neuroticism with Alzheimer’s disease traits are unknown. Objective To identify molecular subtypes of neuroticism and examine their association with ADRD traits. Design Three ongoing cohort studies were used; Religious Orders Study (ROS), Rush Memory and Aging Project (MAP) and Minority Aging Research Study (MARS), that began enrollment in 1994, 1997, and 2004, respectively. Setting Older priests, nuns, and brothers from across the U.S. (ROS), older adults (MAP) and older African-American adults (MARS) from across the greater Chicago metropolitan area. Participants 1,028 decedents with multi-omic data from the dorsolateral prefrontal cortex (DLPFC), the anterior cingulate cortex (AC), and the posterior cingulate gyrus (PCG). Exposure(s) Eight layers of omics (DNA methylation and histone acetylation from DLPFC; RNA seq from AC, DLPFC, and PCG, single-nucleus RNA, TMT proteomics and metabolomics from DLPFC) and Neuroticism using the 12-item version from the NEO Five-Factor Inventory. Main outcome(s) and measure(s) Person-specific multi-omic molecular pseudotime representing molecular progression from low to high phenotypic expression of neuroticism, and three multi-omic brain molecular subtypes of neuroticism which represent distinct omic pathways from no/low neuroticism to high neuroticism that differ by their omic constituents. Participants are exclusively assigned to the subtype which aligns mostly with their multi-omic profile. Results The top drivers of subtype differentiation were transcriptomic alterations across three brain regions (DLPFC, AC, PCG) which extensively and differentially characterized the subtypes. The subtypes were also differentially associated with AD pathology, temporal lobe atrophy, and AD dementia, with subtype N 1 showing the strongest associations. Conclusions and Relevance Neuroticism may be driven by three distinct molecular subtypes, with subtype N 1 driving ADRD-related associations, N 2 showing some ADRD associations, and N 3 being completely independent of these outcomes. Our data provide novel insights into the biology of individual differences in predispositions of neuroticism and its associations with ADRD traits. Key points Question What are the brain multi-omics molecular signatures linking neuroticism with Alzheimer’s diseases and related dementias (AD/ADRDs)? Findings We identified three distinct brain multi-omic molecular subtypes reflecting different molecular pathways underlying neuroticism. Top omic features of the subtypes were extensively and differentially characterized by transcriptomic alterations across three brain regions – dorsolateral prefrontal cortex, anterior cingulate cortex, and posterior cingulate gyrus. Subtype N 1 was strongly associated with AD pathology, AD dementia, and temporal lobe atrophy. Meaning The association we typically observe between phenotypic neuroticism and ADRD clinical traits might be largely driven by a molecular pathway underlying this trait.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».