Mapping neurogenetic characteristics of psychopathological procrastination using normative modeling in a prospective twin cohort
Notice bibliographique
Résumé
Abstract Procrastination, affecting over 70% global population, is pervasively incurring negative outcomes in human society. This has long been studied as a bad daily habit, but it loses in delineating neurogenetic substrates underlying its psychopathological phenotyping. Using a prospective twin adolescent cohort, we demonstrate moderate heritability of this subclinical condition - PPS. Neuroimaging normative modeling analysis, further reveals that neurodevelopmental deviations in nucleus accumbens during adolescence, are predictive of PPS in adulthood, while such deviations-PPS mappings were highly genetically shared. Beyond to regional anomalies, PPS-specific whole-brain deviation patterns, notably in the default mode network, are neurobiologically enriched with changes in cortical manifolds (gradients) and neurotransmitter systems. Integrating these neuroimaging markers with transcriptomic atlas, we capture significant PPS-specific neurogenetic signatures associated with molecular transport system, neuroimmune responses, and neuroinflammation, particularly in serotonergic and dopaminergic pathways. These findings shed light on the multisystem neurogenetic architecture underlying PPS, providing evidence to theoretically conceptualize this psychopathological phenotype as a subclinical “brain disorder”. Teaser Psychopathological procrastination is not a bad daily habit solely, but a “brain disorder” associated with multiscale neurodevelopment.
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 | 0,004 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».