Multiscale Metabolic Covariance Networks Uncover Stage-Specific Biomarker Signatures Across the Alzheimer’s Disease Continuum
Notice bibliographique
Résumé
Background: Connectomics studies analyze neural connections and their roles in cognition and disease. Beyond regional comparisons, recent research has revealed inter-regional brain relationships via graph theory of brain network connectivity. Within these networks, path length measures a network's efficiency in communication. These connections can be quantified as inter-subject covariance networks related to functional connectivity, with alterations reported in neurodegenerative diseases. Methods: F-FDG PET images using metabolic covariance analysis and hierarchical clustering was used to assess regional brain networks in subjects from cognitively normal (CN) to AD. We evaluated AD stage changes by calculating whole brain entropy, connection strength, and clustering coefficients. Additionally, estimates of shortest path for positive and negative correlations as a measure of network efficiency. We also developed a novel region set enrichment analysis (RSEA) to detect brain functional changes based on metabolic variations. Results were aligned with transcriptomic signatures and clinical cognitive assessments. Findings: In AD subjects, whole brain metabolic connectivity revealed an increase in entropy, connection strength, and clustering coefficients, which indicates brain network reorganization as compensatory mechanisms of pathological disruption. As AD advances, path lengths between brain regions decrease from CN to MCI; however, path lengths significantly increased in AD. RSEA indicated functional changes in motor, memory, language, and cognition functions related to disease progression. Interpretation: Metabolic covariance analysis of whole brain, and regional connectomics, track with AD progression. Moreover, path lengths permitted AD stages determination via alterations in brain connectivity. Furthermore, RSEA facilitated the identification of functional changes based on metabolic readouts. Funding: NIH grant T32AG071444.
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 | 0,001 |
| 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 ».