Common-specific edge-centric connectome across Four Episodes in Bipolar Disorder
Notice bibliographique
Résumé
Abstract Background Bipolar disorder (BD) is a heterogeneous psychiatric illness marked by dynamic mood states, including manic (BipM), depressive (BipD), mixed (mBD), and euthymic/remitted (rBD) episodes. These clinical fluctuations are accompanied by widespread functional disruptions in the brain. However, the shared and individual-specific neural mechanisms across distinct episodes of BD remain poorly understood. Methods We analyzed resting-state fMRI data from 190 participants (BD patients in four episodes and healthy controls) using edge-centric functional connectomes (eFC), which capture time-resolved co-fluctuations between brain regions. A common-orthogonal-basis extraction (COBE) algorithm was applied to decompose individual eFC matrices into shared and individual-specific subspaces. We characterized the spatial topology, genetic relevance, and circuit-level correlates of the shared component. Dynamic properties (entropy, identifiability) and symptom prediction models were assessed using entropy metrics, intraclass correlation coefficients, and support vector regression. Results The shared eFC pattern was stable across participants, aligned with the sensory–association gradient ( p < 0.0001), and exhibited significant heritability and test–retest reliability ( p < 0.05). Entropy of individual loadings increased with illness duration and was significantly elevated in BD, particularly in mBD. Microcircuit modeling revealed that this shared pattern was inversely related to external input strength ( r = – 0.34, p spin < 0.05), indicating intrinsic network dominance. mBD was associated with globally elevated eFC entropy and markedly reduced fingerprint stability. Symptom severity (HDRS, YMRS, HAMA) was significantly predicted from individual network topographies across BD phases, highlighting clinically meaningful dynamic signatures. Conclusion Our findings demonstrate that BD episodes are underpinned by a conserved functional scaffold and distinct individual-specific neural fingerprints. Edge-centric dynamics—especially those derived from individual-specific decompositions—offer robust biomarkers for mood state characterization and symptom severity, and may facilitate future personalized interventions in BD.
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 | 0,001 |
| 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) | 0,001 | 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 ».