MétaCan
Menu
Retour à la cohorte
Enregistrement W7116848401 · doi:10.1002/alz70855_096281

Interrogating conserved transcriptomic signatures of cognitive resilience in the frontal cortex

2025· article· en· W7116848401 sur OpenAlexaff
Lauren A. Fish, Saranya Canchi, Maria A. Telpoukhovskaia, Tain Luquez, Jonathan Algoo, Niran Hadad, Brianna Gurdon, Miko Dai, Andrew Ouellette, Sarah M. Neuner, AR Dunn, Jon A. L. Willcox, Yiyang Wu, Logan Dumitrescu, Orhan Bellur, Jigang Zhang, Kristen MS O'Connell, Eric B. Dammer, Nicholas T Seyfried, Sukalp Muzumdar, Jesse Gillis, P. R. H. Robson, Matthias Arnold, Timothy J. Hohman, Vivek M. Philip, Vilas Menon, Catherine C. Kaczorowski

Notice bibliographique

RevueAlzheimer s & Dementia · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSingle-cell and spatial transcriptomics
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésTranscriptomeCognitionFrontal cortexResilience (materials science)Psychological resilienceGeneGene expression

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Development of effective drugs for Alzheimer's Disease (AD) is challenging, likely due in part to poor recapitulation of AD in animal models. We developed the genetically diverse AD-BXD mouse model, a panel of reproducible strains that exhibit variation in age at onset and extent of cognitive decline observed in human AD. Using multi-modal data (genomic, protein, behavior) from this model, we have uncovered new genes and pathways mediating cognitive resilience to AD. For example, we recently reported a resilience gene expression signature in excitatory intratelencephalic neurons (Telpoukhovskaia et al., 2023, bioRxiv). METHOD: To uncover novel, conserved gene expression signatures and neuronal subtypes associated with AD resilience, we integrated frontal cortex AD-BXD single-nuclei transcriptomic data (N = 56) with a larger human dataset (N = 465, ROSMAP, Green et. al, 2024, Nature) to generate translationally relevant mouse cell annotations. After integration and annotation of the mouse data with the human cell taxonomy, we conducted differential gene expression (DE) analysis on mouse excitatory and inhibitory neuronal subclasses using animals' performance on a fear conditioning task as a continuous cognitive resilience covariate (negative binomial mixed models accounting for subject- and cell-level overdispersion with Nebula). RESULT: In benchmarking experiments, we confirmed that the continuous cognitive metric confers higher statistical power than a conventional categorical resilience covariate while retaining most DE genes found using the categorical covariate. In the current analysis, we identified DE genes in excitatory and inhibitory neuronal subtypes, with the largest number of DE genes found in layer 2/3 excitatory neurons (markers LINC00507, GLRA3, RORB). Several of the DE genes from this cluster have already been studied in the context of neurodegeneration. SCG5, the only DE gene found in both an excitatory and an inhibitory neuronal cluster, was also recently shown to be associated with AD risk. CONCLUSION: We identified a transcriptomic signature associated with cognitive resilience in a genetically diverse AD mouse model. Ongoing work aims to interrogate resilience gene expression signatures and cell types that are conserved across mice and humans. Downstream analyses will include unbiased drug target nomination and drug repositioning analyses to prioritize promising genes, pathways, and drugs for preclinical validation.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,428

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,262
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlzheimer s & DementiaMême sujetSingle-cell and spatial transcriptomicsTravaux en français237 207