Exploring the Interaction of APOE- <i>ε</i> 4 and PICALM rs3851179 With Dynamic Functional Connectivity in Healthy Middle-Aged Adults at Risk for Alzheimer’s Disease
Notice bibliographique
Résumé
Objective This study investigates whether dynamic functional connectivity (dFC) dwell-time patterns derived from resting-state fMRI (rs-fMRI) can distinguish Alzheimer’s disease (AD) genetic risk profiles, specifically the APOE - ε 4 (A+) and PICALM rs3851179 (P+) variants, in cognitively healthy, middle-aged adults. Approach We estimated recurring dFC clusters from rs-fMRI data and quantified the dwell-time (total duration spent in specific connectivity states) for three cohorts: not-at-risk, A+P-, and A+P+. To evaluate the utility of these temporal features, group differences in dwell-time profiles were assessed, and logistic regression with permutation testing was employed to classify genotypes based on dFC patterns. Main results Individuals in at-risk groups (A+P- and A+P+) exhibited significantly reduced dwell-time in left-hemisphere hubs compared to the not-at-risk group, aligning with known left-hemisphere vulnerability in early AD progression. The logistic regression models achieved above-chance discrimination of genotypes, with permutation tests confirming a significant trend when distinguishing not-at-risk individuals from the combined at-risk cohorts. Significance These findings suggest that the temporal dFC features are sensitive to subtle functional brain alterations linked to AD genetic risk before clinical symptoms appear. Dwell-time features represent a promising physiological marker for early risk stratification and warrant further validation in larger longitudinal datasets. Our code is available at https://github.com/Shyamal-Dharia/APOE-PICALM-dFC-dwell-time.git .
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 | 0,002 |
| 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 ».