Dynamic Synergy Network Analysis Reveals Stage-Specific Regional Dysfunction in Alzheimer’s Disease
Notice bibliographique
Résumé
Background: Alzheimer’s disease (AD) is a prevalent neurodegenerative disorder characterized by progressive neurodegeneration and connectivity deterioration. While resting-state functional magnetic resonance imaging (fMRI) provides critical insights into brain network abnormalities, traditional mutual information-based methods exhibit inherent limitations in characterizing the dynamic synergistic mechanisms between cerebral regions. Method: This study pioneered the application of an Integrated Information Decomposition (ΦID) framework in AD brain network analysis, constructing single-sample network models based on ΦID-derived synergy metrics to systematically compare their differences with mutual information-based methods in pathological sensitivity, computational robustness, and network representation capability, while detecting brain regions with declining dynamic synergy during AD progression through intergroup t-tests. Result: The key finding are as follows: (1) synergy metrics exhibited lower intra-group coefficient of variation than mutual information metrics, indicating higher computational stability; (2) single-sample reconstruction significantly enhanced the statistical power in intergroup difference detection; (3) synergy metrics captured brain network features that are undetectable by traditional mutual information methods, with more pronounced differences between networks; (4) key node analysis demonstrated spatiotemporal degradation patterns progressing from initial dysfunction in orbitofrontal–striatal–temporoparietal pathways accompanied by multi-regional impairments during prodromal stages, through moderate-phase decline located in the right middle frontal and postcentral gyri, to advanced-stage degeneration of the right supramarginal gyrus and left inferior parietal lobule. ΦID-driven dynamic synergy network analysis provides novel information integration theory-based biomarkers for AD progression diagnosis and potentially lays the foundation for pathological understanding and subsequent targeted therapy 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 | 0,002 |
| 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 | 0,000 | 0,001 |
| 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 ».