Depression reduces structurally informed network flexibility in premanifest Huntington’s disease
Notice bibliographique
Résumé
1 Abstract Background and objectives The extent to which structural connectivity constrains effective connectivity in both depression and neurodegenerative contexts remains poorly understood. In particular, the relationship between structural connectivity aberrations and effective dysconnectivity associated with depression in Huntingtin’s disease remains uncharacterized. Here, we applied a novel procedure that implements structural connectivity-informed spectral dynamic causal modelling to examine how structural connectivity shapes directed inter-regional influences in premanifest Huntington’s disease gene expansion carriers (HDGECs) with and without depression history. Methods Using spectral dynamic causal modeling embedded in a hierarchical empirical Bayes framework, we analyzed fMRI data from 98 premanifest HDGECs across default mode network and striatum (caudate and putamen). HDGECs were split into two groups based on either having a history of depression or not. Depression severity on both the Beck Depression Inventory, 2nd Edition (BDI-II) and Hospital Anxiety and Depression Scale, Depression Subscale (HADS-D) was used to measure clinically elevated depression symptoms. Leave-one-out cross-validation was implemented to test predictive validity. Results Model evidence substantially favored structurally informed over uninformed approaches across all participants. For HDGECs, having a history of depression was associated with reduced baseline variability in effective connectivity (decreased α parameter), with particularly tight regularization of near-zero-valued structural connections toward zero effective connectivity values while leaving strongly connected pathways relatively unaffected. Effects converged on striatal self-connectivity and hippocampal-striatal pathways, with distinct patterns emerging between depression history groups. Notably, clinically elevated depression revealed differential connectivity signatures, with right caudate self-connectivity showing positive correlations with clinical cut-offs for HDGECs with and without depression history. In leave-one-out cross-validation, specific connections including DMN-to-striatum (BDI: r = -0.31, p = .002; HADS-D: r = -0.33, p = .001), right hippocampus-to-left caudate (BDI: r = -0.46, p < .001; HADS-D: r = -0.30, p = .002), and left caudate-to-left putamen (BDI: r = -0.48, p < .001; HADS-D: r = -0.30, p = .003) significantly predicted individual differences in depression severity scores. Discussion Together, these findings link reduced network flexibility to depression vulnerability in premanifest neurodegeneration, providing a mechanistic bridge between anatomical constraints, effective connectivity alterations, and clinical depression phenotypes.
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 | 0,000 | 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) | 0,001 | 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 ».