Single-nucleus transcriptome atlas of orbitofrontal cortex in ALS with a deep learning-based decoding of alternative polyadenylation mechanisms
Notice bibliographique
Résumé
Amyotrophic lateral sclerosis (ALS) and frontotemporal lobar degeneration (FTLD) are two age-related and fatal neurodegenerative disorders that lie on a shared disease spectrum. While both disorders involve complex interactions between neuronal and glial cells, the specific cell-type alterations and their contributions to disease pathophysiology remain incompletely understood. Here, we applied single-nucleus RNA sequencing of the orbitofrontal cortex, a region affected in ALS-FTLD, to map cell-type specific transcriptional signatures in C9orf72-related ALS (with and without FTLD) and sporadic ALS cases. Our findings reveal disease- and cell-type-specific transcriptional changes, with neurons exhibiting the most pronounced alterations, primarily affecting mitochondrial function, protein homeostasis, and chromatin remodeling. A comparison with independent datasets from different cortical regions of C9orf72 and sporadic ALS cases showed concordance in several pathways, with neuronal STMN2 and NEFL showing consistent up-regulation between brain regions and disease subtypes. We also interrogated alternative polyadenylation (APA) as an additional layer of transcriptional regulation, demonstrating that APA events are not correlated with identified gene expression changes. To interpret these events, we developed APA-Net, a deep learning model that integrates transcript sequences with RNA-binding protein expression profiles, revealing cell type-specific patterns of APA regulation. Our atlas illuminates cell type-specific pathomechanisms of ALS/FTLD, providing a valuable resource for further investigation.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».