Genetic architecture of the limbic white matter microstructure in aging and Alzheimer’s Disease
Notice bibliographique
Résumé
Abstract Background Limbic white matter (WM) abnormalities are prevalent in aging and Alzheimer’s disease (AD), yet their underlying biological mechanisms remain unclear. This study aims to identify the genetic architecture of limbic WM microstructure in older adults by leveraging harmonized data from multiple cohorts, including those enriched for cognitively impaired individuals. Methods We analyzed diffusion MRI (dMRI) data from 2,614 non-Hispanic White older adults (mean age = 73.7 ± 9.8 years; 57% female; 26% cognitively impaired) across 7 harmonized aging cohorts. WM microstructure was assessed in 7 limbic tracts, including the cingulum, fornix, inferior longitudinal fasciculus (ILF), uncinate fasciculus (UF), and transcallosal tracts of the inferior, middle, and superior temporal gyri (ITG, MTG, STG) using advanced diffusion MRI metrics corrected for free-water (FW): fractional anisotropy (FA FWcorr ), axial diffusivity (AxD FWcorr ), mean diffusivity (MD FWcorr ), radial diffusivity (RD FWcorr ). We performed heritability estimations, genome-wide association studies (GWAS) and post-GWAS analyses (genetic covariance, gene-level and pathway analysis, transcriptome-wide association [TWAS] studies). The AD relevance of the discovered variants was explored using bulk RNA-seq data from caudate, dorsolateral prefrontal, and posterior cingulate cortex human brain tissues. Results Limbic WM microstructure demonstrated significant heritability (estimates between 0.26 and 0.60, p FDR < 0.05 for 15 of 35 tract-by-microstructure combinations). GWAS identified 6 genome-wide significant loci ( p < 5.0×10 −8 ) associated with WM microstructure. Notably, for MTG RD FWcorr , we identified a locus on chromosome 18 (lead SNP: rs12959877) comprising 38 SNPs that are eQTLs for CDH19 , a gene involved in cell adhesion and highly expressed in oligodendrocytes. Other significant associations involved SNPs near KC6, SENP5, RORA, FAM107B , and MIR548A1 . Bulk RNA-seq analyses revealed that brain tissue expression of RORA, FAM107B , and KC6 was significantly associated with cognitive decline and several AD pathologies ( p FDR < 0.05). Post-GWAS analyses identified the genes SERPINA12 and DNAJB14 , and highlighted the involvement of insulin signaling, immune response, and neurotrophic pathways. Genetic covariance analyses indicated shared genetic architecture between limbic WM and lipid profiles (e.g., HDL cholesterol), cardiovascular traits, and neurological conditions (e.g., multiple sclerosis) ( p FDR < 0.05). Conclusion This multi-cohort imaging genetics study identified several novel genes and biological pathways associated with limbic WM microstructure in an aging population enriched for cognitive impairment. The association of several identified genes with cognitive decline and AD pathology underscores their AD relevance. Our findings further suggest that the genetic underpinnings of limbic WM microstructure are linked to vascular health and inflammation, highlighting these pathways as promising avenues for future AD-related therapeutic development.
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 | 0,001 |
| 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 ».