Depression in Premanifest Huntington's Disease: Aberrant Effective Connectivity of Striatum and Default Mode Network
Notice bibliographique
Résumé
BACKGROUND: Depression frequently precedes motor symptoms in Huntington's disease gene expansion carriers (HDGECs), yet the neural mechanisms remain poorly characterized. OBJECTIVE: We investigated effective connectivity between the default mode network (DMN) and striatal regions in HDGECs. METHODS: We analyzed 3-T resting-state functional magnetic resonance imaging data from 98 HDGECs (48.98% females; mean age, 42.82 years). Spectral dynamic causal modeling estimated subject-level connectivity, whereas parametric empirical Bayes determined group-level effective connectivity differences between participants with a diagnosed depression history and those without, across current, remitted, and never-depressed states. Brain-behavior associations with clinical depression measures were examined. RESULTS: Model estimation was excellent (89.82% variance-explained). HDGECs with depression history showed decreased inhibitory posterior cingulate cortex-to-hippocampal connectivity, increased hippocampus-to-posterior cingulate cortex inhibition, and increased inhibitory influence of striatum on DMN. HDGECs with a depression history showed increased inhibitory striatal influence on DMN, including left putamen, a propensity for right hippocampal involvement, and disinhibitory posterior cingulate-hippocampal connectivity. Current versus never-depressed comparisons showed more pronounced dysconnectivity, with stronger striatum-to-network connections. Current versus remitted depression exhibited distinct patterns with increased medial prefrontal cortex-to-posterior cingulate cortex connectivity, increased medial prefrontal cortex self-connectivity, and decreased posterior cingulate cortex-to-medial prefrontal cortex connectivity. CONCLUSIONS: These findings establish distinct striatal-network interaction patterns in depression for HDGECs that differ from non-neurological depression. Our findings suggested the posterior DMN-posterior cingulate and hippocampus-as drivers of depression for HDGECs and potential involvement of right DMN in keeping with compensatory patterns broadly in HD. These connectivity patterns could serve as functional biomarkers for depression in HDGECs. © 2025 International Parkinson and Movement Disorder Society.
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 | 0,000 | 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 ».